信息扩散及神经网络在建立注塑预测模型中的应用.pdf

《信息扩散及神经网络在建立注塑预测模型中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、32工程塑料应用2010年，第38卷，第3期信息扩散及神经网络在建立注塑预测模型中的应用王祺黄宗南刘文豪(上海大学机电工程与自动化学院，上海200072)摘要注塑工艺参数和塑料件质量之间的关联模型常采用神经网络建立，然而训练样本不足将直接影响模型的质量。为了在适量训练样本条件下得到较好的预测模型，对原始样本数据进行信息扩散处理，然后使用神经网络建模。笔者以汽车音响面板为例建立预测模型，确定了最佳工艺参数，证明了该方法的有效性。关键词信息扩散BP神经网络注塑预测模型在新模具或修改后的模具投人生产前，一般要络神经元采用的传递函数通常是神经元的非线性作通过试模来了解模具的性能并确定注塑成型工艺参用

2、函数型可微函数，可以实现输入和输出间的任意数。在实际生产中，工程技术人员常凭借经验用反非线性映射。三层的BP网络在理论上可以模拟任复试凑法来调整工艺参数，这会花费大量工时，同时何复杂的非线性关系，故笔者采用BP神经网络构产品质量稳定性也差。建注塑预测模型。注塑成型是一个复杂的工艺过程，使用传统的1．2原始样本数据理论获得实际工艺参数与制品质量的关系比较困使用神经网络建立预测模型需要一定数量的数难，因此越来越多的研究人员尝试各种建模方法，其据样本。对于新模具或修改后模具，在注塑工艺性中神经网络技术常被采用-2]。神经网络具有高度能信息不足的情况下，可采用Moldflow软件中的非线性复杂映射、

3、自学习、容错率高等特点，对于不MPI模块进行模拟取样，样本取点方面使用正交实确定性、非线性和时变性问题系统模型建立具有很验设计法J。大的优势。但是神经网络也有自身的缺陷，它对建1．3数据预处理立神经网络的训练样本数量有一定要求。为了能在通常，神经网络的性能对训练数据的预处理有适量样本的前提下，建立良好的预测模型，笔者将信较大的依赖J。在原始数据预处理方面，笔者采用息扩散方法与神经网络技术相结合，构建注塑模型。了信息扩散方法J，其基本思想是通过一定方式将1预测模型建立原始信息直接过渡到模糊关系，该方法可以将单值图1示出应用神经网络建立预测模型的流程。样本在不同离散点上进行信息分配，以实现数据模

4、首先需要一定数量的数据样本；其次要对原始样本糊，因而在样本不足，知识相对不完备的情况下可获数据进行预处理；最后选择神经网络类型进行建模。得较好效果。信息扩散原理：设={，W：，⋯，}是知识匾——+盈样本，是基础论域，记的观测值为，设=(图1神经网络建立模型的流程图一)，则非完备时，存在函数()，使vj点获得1．1神经网络建立模型的量值为z的信息可按()的量值扩散到(∈人工神经网络是一种模仿动物神经网络行为特)点去，且扩散所得的原始信息分布Q()：征，进行分布式并行信息处理的算法数学模型。这Jl种网络根据系统的复杂程度，通过调整内部大量节()=[(一)]能更好地反映所在总体的点之间相互连接的关

5、系，从而达到处理信息的目的。规律。在信息扩散原理的指导下，可以推出一个较人工神经网络可以通过预先提供的一批相互对应的为适用的正态型信息扩散公式如式(1)所示：输输出数据，分析掌握两者之间的潜在规律，并1q(，)=xp[_(一)／(2h)]∈V(1)根据这些规律，用新的输入数据来推算输出结果。厅√An"神经网络的类型有多种，其中BP神经网络是式中：——∈V，信息吸收点；当今应用最为广泛的人工神经网络，其逼近非线性函数的能力已在理论和应用方面深人研究。BP网收稿日期：2009-12—16王祺，等：信息扩散及神经网络在建立注塑预测模型中的应用33——窗宽，控制扩散的范围，与样本数量有表1正交实验的

6、参数及水平关。设的最大、最小观测值分别为b组别水平／oc／ocP，MPat／s12306o1oo6和口，经过对一个高阶方程的求解，可得1’2240651108h的取值公式如式(2)所示：325070120100．6841(b一口)n：5l23562．510572224567．511590．5404(b一)n：6325572．512511h=0．4482(ba)itl,=7(2)0．3839(b—a)n=8收缩率的正、负分别表示“收缩”和“胀模”现象。2．6851(b一。)／(n一1)≥9表2第1组正交实验结果为保证所有样本点的地位相同，需对由一个样序号I／℃／℃尸／MPat／s收缩率／％12

7、306O10o61．90o3本经信息扩散得到的结果以信息总量的和为1的原22306511081．2886则进行归一化处理。普通的神经网络在对原始数据3230701201O0．6609进行处理时，为了提高训练的效率，对原始数据进行424O6OllO1O0．891924O6512060．2489归一化处理。信息扩散方法与简单的归一化方法不62407O10o81．5627同，它可以先进行信息扩散，然后进行归一化处理