两种神经网络在注塑产品工艺参数确定中的应用

• 作者: 孙祖铭 宋小文 徐冰冰 胡树根
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: BP神经网络 RBF神经网络 Moldflow 翘曲 工艺参数 计算机辅助工程
• 年，卷（期）: 2008,（11）
• 所属期刊栏目: 机械设计与制造
• 页码范围: 91-93
• 页数: 3页
• 分类号: TP311.56
• 字数: 1984字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2008.11.026

摘要

汽车外饰件的塑料化趋势对注塑模成型质量提出了更高要求.为解决传统CAE方法需多次试验才能得到较优工艺的缺点,以一汽车观后镜为研究对象,建立了基于人工神经网络的从注塑工艺参数到注塑翘曲量的非线性映射关系,并对比了两种经典的前馈神经网络(BP网络和RBF网络)的学习能力,从而实现用神经网络模型代替CAE软件获得注塑翘曲量.研究结果表明,该方法能有效地缩短优化工艺参数的时间,提高了工艺设计效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋小文	浙江大学机械与能源工程学院	61	452	13.0	18.0
2	胡树根	浙江大学机械与能源工程学院	102	817	15.0	22.0
3	徐冰冰	浙江大学机械与能源工程学院	4	15	2.0	3.0
4	孙祖铭		1	6	1.0	1.0