信息扩散及神经网络在建立注塑预测模型中的应用.pdfVIP

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、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 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。 匾 — —+盈 信息扩散原理：设 ={ ，W：，…， }是知识 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 J l 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