·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...