基于神经网络技术的熔体温度均匀性研究

在系统试验的基础上建立反向传播(BP)神经网络模型,即BP网络,预测了给定工艺条件下(螺杆转速、注射行程、背压)预塑时的熔体温度分布,并分析不同工艺条件对轴向温差的影响。通过MATLAB建立BP模型,得到加工参数与熔体温度之间的非线性映射关系。试验证明所建网络具有较好的预测效果。发现,轴向温差随螺杆转速和注射行程的增大而增大,随背压的增大而降低。