期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于贝叶斯正则化神经网络的卡车轮罩横梁注塑工艺多目标优化
1
作者
张晗
王明伟
+3 位作者
蔡世铭
王宗强
于峻伟
叶星辉
《工程塑料应用》
2025年第10期95-103,共9页
以大型塑件卡车轮罩横梁的体积收缩率(Y1)和Z方向(装配方向)最大翘曲变形量(Y2)为响应目标,选取熔体温度、模具温度、第一段保压时间、第二段保压时间、第一段保压压力、第二段保压压力为试验变量,通过最优拉丁超立方试验设计100组样本...
以大型塑件卡车轮罩横梁的体积收缩率(Y1)和Z方向(装配方向)最大翘曲变形量(Y2)为响应目标,选取熔体温度、模具温度、第一段保压时间、第二段保压时间、第一段保压压力、第二段保压压力为试验变量,通过最优拉丁超立方试验设计100组样本,利用Moldex3D模流分析软件进行模拟。利用贝叶斯正则化神经网络(BRNN)建立Y1和Y2的回归预测模型,这两个模型的决定系数(R^(2))分别为0.991和0.989;通过非支配排序遗传算法II(NSGA-II)对模型进行多目标优化,得到最优试验变量参数。将最优试验变量参数在Moldex3D中进行模拟和现场实际应用,发现对于Y1和Y2,模拟结果与BRNN-NSGA-II预测的最优结果之间的误差分别为0.14%和7.28%,与初始模拟结果相比分别降低了3.16%和64.42%;实际塑件成型质量良好,满足生产要求。上述结果表明提出的BRNN结合NSGA-II的方法可有效解决大型复杂塑件的注塑工艺多目标优化问题。
展开更多
关键词
注塑
多目标优化
卡车轮罩横梁
最优拉丁超立方试验
贝叶斯正则化神经网络
非支配排序遗传算法II(NSGA-II)
在线阅读
下载PDF
职称材料
题名
基于贝叶斯正则化神经网络的卡车轮罩横梁注塑工艺多目标优化
1
作者
张晗
王明伟
蔡世铭
王宗强
于峻伟
叶星辉
机构
大连工业大学机械工程与自动化学院
出处
《工程塑料应用》
2025年第10期95-103,共9页
文摘
以大型塑件卡车轮罩横梁的体积收缩率(Y1)和Z方向(装配方向)最大翘曲变形量(Y2)为响应目标,选取熔体温度、模具温度、第一段保压时间、第二段保压时间、第一段保压压力、第二段保压压力为试验变量,通过最优拉丁超立方试验设计100组样本,利用Moldex3D模流分析软件进行模拟。利用贝叶斯正则化神经网络(BRNN)建立Y1和Y2的回归预测模型,这两个模型的决定系数(R^(2))分别为0.991和0.989;通过非支配排序遗传算法II(NSGA-II)对模型进行多目标优化,得到最优试验变量参数。将最优试验变量参数在Moldex3D中进行模拟和现场实际应用,发现对于Y1和Y2,模拟结果与BRNN-NSGA-II预测的最优结果之间的误差分别为0.14%和7.28%,与初始模拟结果相比分别降低了3.16%和64.42%;实际塑件成型质量良好,满足生产要求。上述结果表明提出的BRNN结合NSGA-II的方法可有效解决大型复杂塑件的注塑工艺多目标优化问题。
关键词
注塑
多目标优化
卡车轮罩横梁
最优拉丁超立方试验
贝叶斯正则化神经网络
非支配排序遗传算法II(NSGA-II)
Keywords
injection molding
multi-objective optimization
truck wheel arch cross beam
optimal Latin hypercube sampling
Bayesian regularized neural network
nondominated sorting genetic algorithm II(NSGA-II)
分类号
TQ320.66 [化学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于贝叶斯正则化神经网络的卡车轮罩横梁注塑工艺多目标优化
张晗
王明伟
蔡世铭
王宗强
于峻伟
叶星辉
《工程塑料应用》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
