基于BP神经网络和遗传算法的注塑成型参数反求

以扫描器外壳为例,利用BP神经网络、遗传算法和优选训练样本方法,建立了成型质量到工艺参数之间的非线性映射关系的反求模型。试验和反求结果表明,该模型反求精度控制在5％之内,验证了其可靠性。     

模腔压力对注塑工艺参数的响应

通过实验分别研究模腔压力对注射速度、注射压力、熔体温度及模腔表面温度等工艺参数变化的响应,并总结响应规律。     

新型太阳能热水器电控盒上盖注塑成型模拟分析

为了解决某新型太阳能热水器电控盒上盖因形状复杂带来的装配时发生翘曲变形等缺陷问题,利用有限元分析方法对其成型过程进行数值模拟.建立了太阳能热水器电控盒上盖零件的数学模型,并利用Moldflow软件对其进行流动、保压、冷却过程及翘曲分析,得到该零件注射成型的最佳工艺条件.结果表明:利用数值模拟方法可较大限度地消除产品设计、模具设计及制品成型过程中可能出现的缺陷,从而缩短产品开发周期.     

基于监测技术的注塑工艺参数研究

模腔温度对塑料制品的表面质量具有很大的影响。借助奇石乐模腔温度测量传感器,直接测量注塑成型过程中,塑料模具型腔中的温度最大值,然后采用正交实验的方法,分析工艺参数对模腔温度最大值的影响次序,根据效应关系图详细分析工艺参数对模腔温度最大值的影响规律。     

阀门防腐衬里注塑成型工艺研究及应用

氟塑料衬里阀门是国内广泛应用的耐腐阀门,但其衬里采用的是模压烧结成型工艺,存在较多缺陷。阀门防腐衬里采用注塑成型工艺可解决这一问题。该工艺可大大缩短成型加工周期,降低能耗,减轻劳动强度,提高成品率和防腐性能。     

BP神经网络在数据预测中的应用

数据预测是在分析现有数据的基础上来估算推测未来数据的过程。首先介绍了预测的重要性及常用方法,接着介绍了BP神经网络的原理以及结构,最后进行了BP网络预测方法应用,并在Matlab中进行了仿真。经实验验证,该方法可以获得较好的预测效果。     

注塑成型工艺过程及典型缺陷虚拟仿真实验建设

本实验采用虚拟仿真技术,结合生产实际案例,全面呈现了典型塑件的注塑成型工艺过程和主要工艺参数对塑件质量的影响规律。采用情景化教学方法,为学生提供一个虚拟的设计、加工与交互环境,涵盖注塑工艺设计、塑件注射成型和塑件缺陷成因分析与工艺改进等内容。在专业理论知识的基础上,将真实演示实验与虚拟仿真实验结合,引导学生独立思考,培养学生归纳、总结、分析问题的能力,达到提高学生工程实践和创新能力的目的。     

影响SLS烧结密度的成型工艺参数的研究

以聚苯乙烯为试验材料，在AFS-320MZ／Q自动成型机上，采用单因素分析法，分别研究了激光功率、激光束扫描速度、扫描间距等3个烧结成型工艺参数对烧结密度的影响关系，得出要保证烧结质量与加工效率，需合理匹配成型工艺参数。     

基于MATLAB7．2神经网络工具箱的混凝土抗压强度预测

为最大限度地利用回弹法和超声波法混凝土抗压强度非破损检测试验数据,应用通用数学软件Mat-1ab7．2神经网络工具箱中的BP人工神经网络（BP—ANN）算法,通过优化网络结构和隐层节点数量建立了拓扑结构为2-10-1的BP—ANN模型;将其充分训练后,用于混凝土抗压强度预测。分析结果表明,混凝土抗压强度预测值与实测值的误差小于5．0％,能够满足工程需要;BP—ANN预测能力较强,具有一定的工程应用价值。     

BP神经网络模型预测Phoredox工艺出水CODcr研究

根据污水处理过程去除污染物的非线性特点,建立基于BP神经网络的Phoredox工艺出水CODcr仿真预测模型,预测和验证某污水处理厂实测数据,并通过权值贡献指数分析确定了各种输入因素对出水CODcr浓度的影响。     

基于BP网络的MEM200快速成形机工艺参数优化

对影响FDM制件翘曲变形的各种工艺参数进行深入分析,结合MEM200快速成形机的特点,确定了影响翘曲变形的五个主要的工艺参数,利用正交试验对主要影响因素进行了实验研究,为神经网络预测模型提供了学习样本。采用贝叶斯正则化算法,通过分析比较确定网络的最佳结构,以提高网络对翘曲变形和成形时间的预测能力。在此基础上,采用优化算法,利用Matlab编制程序实现了工艺参数的优化,经成形验证,表明了该方法能够减少制件的翘曲变形。     

聚丙烯薄壁件的注塑成型工艺研究

研究了一套典型PP薄壁件的注塑成型特点,提出了缺陷的解决办法。发现通过调整热流道各部分温度可以有效改善注塑时充填不平衡现象;通过适当提高定模温度、降低动模温度可以解决制品粘定模的问题;PP薄壁件注射采用高压和中、高速进行一阶注射,并以时间转保压,能得到更为良好的制品;背压一般比普通件的要高,以提高射出制品的稳定性;冷却采用储前冷却更有利。     

FDM工艺参数对成型制品尺寸精度影响的研究

随着熔融沉积(FDM)的进一步应用,制品成型尺寸精度成为FDM在工业发展中的关键问题,本文介绍了FDM的工艺原理,阐述了FDM系统中的主要工艺参数,并通过成型设备及实验分析了它们对成型制品尺寸精度的影响.     

基于Matlab的BP神经网络在图像改卷中的应用

BP神经网络模型是一种发展较为成熟的网络模型,近年来在各个领域都得到广泛应用.在介绍神经网络及BP神经网络的基础上,将之用于图像答卷的改卷处理,并在Matlab平台上进行了仿真实验.结果表明,所设计的BP网络具有不错的泛化能力,效果较好.     

硬质PVC干混料注塑成型要点分析

对影响硬质PVC干混料注塑成型产品质量的主要因素：硬质PVC干混料的配方、注塑机的选择、注塑产品的结构设计、模具设计以及注塑工艺等多方面进行了比较祥细地分析，总结了使用PVC干混料注塑产品时可能出现的产品缺陷及问题，结合实际给出了一般使用条件下PVC产品的干混料注塑成型的配方方法和注塑加工工艺参数。     

聚苯乙烯注塑成型制品双折射行为模拟分析

建立了模拟聚合物注塑成型过程中流动应力的数学模型。利用Leonov黏弹性模型对聚苯乙烯熔体在非等温幂率稳态剪切流下的流动行为进行模拟分析。并研究了聚苯乙烯在注塑成型填充过程中,由于流动而产生的剪切和拉伸作用以及模腔内聚合物熔体的温度变化对制品双折射行为的影响,得到了与实验相符的结果,证明了本研究中模拟方法的可行性。     

BP神经网络算法改进及应用

针对传统BP神经网络收敛速度慢且容易陷入局部极小值的缺点,通过实验对其进行分析并提出可以提高算法快速性和有效性的改进方法。介绍了BP神经网络的工作原理、基本流程、算法应用领域和在该领域下的优缺点,以及改进方法的具体步骤与改进后的优势。最后通过仿真实验验证了改进算法的有效性。     

基于BP神经网络的供应商评价决策优化模型

本文利用BP神经网络建立了一种供应商评价模型。该模型实现了供应链中的供应商的多指标评价,提高了供应商选择过程的客观性,同时该模型克服了指标权重难以表达的缺点。最后,用实例对模型进行了验证。     

基于BP神经网络的供应商评价决策优化模型

本文利用BP神经网络建立了一种供应商评价模型.该模型实现了供应链中的供应商的多指标评价,提高了供应商选择过程的客观性,同时该模型克服了指标权重难以表达的缺点.最后,用实例对模型进行了验证.     

遗传算法优化BP神经网络预测股指研究

股票价格受众多不确定性因素影响。为更精准地预测股票指数,首先利用具有良好非线性寻优能力的遗传算法优化BP网络初始权值阈值设置,然后构建一个以开盘价、最高价、最低价、收盘价、成交量、收盘价近5日移动平均线MA等6个输入变量、以下一天6个变量为输出变量的股指预测模型。对观察期内上证综指实证研究表明,经遗传算法优化后的BP 网络对股票指数预测平均误差为0.1%,其中成交量预测值比单纯BP神经网络算法误差减少0.71%,同时收敛速度得到提高。