论文摘要
针对在3D（three-dimension）增材印花产品的自动化生产中各工艺参数对产品质量影响较大,而产品质量难以实现数字化调控的情况,利用BP（back propagation）神经网络算法建立3D增材印花产品质量的预测模型,通过粒子群算法优化神经网络的初始阈值和权值,进一步提升神经网络的预测精度,实现多工艺参数影响下产品质量的数字化预测。试验结果表明,粒子群算法优化后的神经网络模型的油墨转移率预测误差基本稳定在0.02以内,相比优化前预测精度提高75%。该模型在实际应用中具有一定的准确性和可行性,可缩短工艺开发流程,降低企业生产成本,在实际生产中具有一定的借鉴意义。
论文目录
文章来源
类型: 期刊论文
作者: 王晓晖,刘月刚,孟婥,孙以泽
关键词: 增材印花工艺,神经网络,粒子群优化算法,生产质量预测
来源: 东华大学学报(自然科学版) 2019年06期
年度: 2019
分类: 工程科技Ⅰ辑,信息科技
专业: 轻工业手工业,计算机软件及计算机应用,自动化技术
单位: 东华大学机械工程学院
基金: 工信部智能制造新模式应用资助项目（201746802）
分类号: TS194.4;TP391.73;TP18
页码: 869-874+880
总页数: 7
文件大小: 1355K
下载量: 196