·信息技术·林红艳，等·基于BP神经网络的连接器注塑工艺参数多目标优化基金项目:江苏省高等职业教育高水平骨干专业建设数据技术专业项目(560103)第一作者简介:林红艳(1976—)，女，辽宁大连人，讲师，学士，研究方向为机械设计。DOI:10．19344/j．cnki．issn1671－5276．2023．01．039基于BP神经网络的连接器注塑工艺参数多目标优化林红艳，黄晓萍，李路娜(南京机电职业技术学院，江苏南京211306)摘要:为提高连接器注塑工件质量，获得最优的连接器注塑工艺参数，设计一种基于BP神经网络的连接器注塑工艺参数多目标优化方法。利用方差分析法获得对试验结果有显著影响的参数，进而得到更全面的信息。建立相应工艺参数优化模型，并添加多层级的结构;建立BP神经网络集预测模型，映射工艺参数与质量指标的非线性关系，利用预补偿法最终实现工艺参数优化及误差补偿。在相同的测试环境之下，对比于传统优化补偿测试组，新型的优化补偿组所得出的翘曲平均值较低。测试结果证明:新型优化补偿组处理效果更佳，具有一定的应用价值。关键词:注塑工艺;BP神经网络;方差分析;误差补偿中图分类号:TP202．+7文献标志码:A文章编号:1671-5276(2023)01-0160-03Multi－objectiveOptimizationofConnectorInjectionMoldingProcessParametersBasedonBPNeuralNetworkLINHongyan，HUANGXiaoping，LILuna(NanjingVocationalInstituteofMechatronicTechnology，Nanjing211306，China)Abstract:Inordertoraisethequalityofconnectorinjectionmoldingworkpiecesfortheoptimalinjectionmoldingprocessparameters，amulti－objectiveoptimizationmethodofinjectionmoldingprocessparametersbasedonBPneuralnetworkisdesigned．Varianceanalysisisconductedtoabtaintheparameterswhichsignificantlyaffectsexperimentalresultsformorecomprehensiveinformation．Thecorrespondingprocessparameteroptimizationmodelisbuilt，withamulti－levelstructurebeingadded．PredictionmodelofBPneuralnetworksetisestablished，thenonlinearrelationshipbetweenprocessparametersandqualityindexismappedandpre－compensationisusedtoachieveprocessparameteroptimizationanderrorcompensation．Underthesametestcondition，comparedwiththetraditionaloptimizedcompensationtestgroup，theimprovedonehasaloweraveragewarpagewithbetterprocessingeffectandcertainapplicationsignificance...
