基于遗传算法和神经网络的注塑工艺参数优化  

Optimized Injection Molding Process Parameters Based on GA and BP

作　　者：毛海舟 谭小红[2] 

机构地区：[1]浙江工贸职业职业技术学院人文系,浙江温州325003 [2]杭州科技职业技术学院机电工程学院,浙江杭州310000

出　　处：《数学的实践与认识》2016年第12期183-187,共5页Mathematics in Practice and Theory

基　　金：2015年浙江省教育技术研究规划课题(JB111)

摘　　要：基于Moldflow模拟仿真的结果,结合GA算法优化BP网络的结构,建立了模具温度,熔体温度,保压压力,注射速度等工艺参数与塑件体积收缩率的BP网络模型.获得了最优的工艺参数组合,同时预测结果与实际结果吻合.通过神经网络算法(BP)预测注塑工艺参数对塑件质量的影响,可以有效降低其他建模方法的难度和工作量,方法可以推广到塑件其他质量预测过程中.To obtain the optimal combination of process parameters, the paper uses GA to optimize the structure of BP network based on the Moldflow simulation data, Constructs BP network model of process parameters and volume shrinkage of plastic parts. We get the optimal combination of process parameters, and verify the degree of agreement of the predicted results with the actual results. （BP） neural network algorithm to predict the injection molding process parameters on the quality of plastic parts, can effectively reduce the difficulty and workload of other modeling methods, this method can be extended to other plastic parts quality prediction process.

关 键 词：遗传算法(GA) 神经网络算法(BP) 注塑工艺优化 体积收缩率 

分 类 号：TQ320.662[化学工程—合成树脂塑料工业] TP18[自动化与计算机技术—控制理论与控制工程]