基于模拟退火遗传算法优化的BP网络在质量预测中的应用

• 作者: 王惠琳 王耘 胡树根
• 来源期刊: 轻工机械
• 学科: 工学
• 关键词: 注塑工艺参数 翘曲量 神经网络 遗传模拟退火算法 预测精度
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 研究·设计
• 页码范围: 26-31
• 分类号: TQ320.66|TP183
• 字数: 6047字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-2895.2011.04.007

摘要

翘曲量预测精度是注塑成形优化的难点.文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型.针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比.结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡树根	浙江大学能源工程学系	102	817	15.0	22.0
2	王耘	浙江大学能源工程学系	72	579	13.0	20.0
3	王惠琳	浙江大学能源工程学系	1	10	1.0	1.0