摘要
采用田口试验设计(Taguchi)和BP神经网络技术对引起翘曲的气辅注射成型工艺参数进行了优化。结果表明:在CAE仿真的基础上Taguchi技术可以在较少的试验次数的情况下,确定各因素对气辅制品翘曲的相对影响程度,并获得使翘曲程度最小的各因素最佳的水平组合;运用BP神经网络建立气辅成型制品翘曲产生的神经网络模型,可以预测各因素在不同水平组合下的制品翘曲变形程度,达到预测的目的。
In this paper, parameters of gas-assisted injection molding leading to warp were optimized by Taguchi and BP Artificial Neural Network. Combining with CAE technology, the best level combination of different factors can be obtained with fewer experiments by Taguchi technique. Then, these results from Taguchi technique were used to train BP model. With the BP model trained, one can predict the optimal parameters of gas-assisted injection molding process.
出处
《轻工机械》
CAS
2009年第2期12-16,共5页
Light Industry Machinery
基金
国家自然科学基金(50803060)
中国博士后基金(20080430866)
关键词
气辅注射成型
田口试验
BP人工神经网络
gas-assisted injection molding
taguchi technique
BP neural network
