基于全连接神经网络的压铸件质量预测算法

目的针对复杂压铸制造过程中高精度监控和质量预测问题,构建全连接神经网络,以提高压铸件缺陷分类和预测的准确性及高效性。方法提出了一种基于全连接神经网络的算法,用于压铸件的质量预测。以汽车发动机下缸体为研究对象,先通过压铸岛采集关键工艺数据,后通过异常值处理和数据归一化进行数据预处理,再采用最小冗余和最大相关性的启发式算法(MRMR)进行特征处理,选出对压铸件质量影响较大的5个参数,该算法以3个压射速度、真空度、动模流量为输入层参数,以铸件质量为输出层参数。最后确定该算法的结构及各个参数,进行模型的训练与构建,并与不同算法进行性能比较。结果与传统的决策树、SVM算法相比,该算法在相同数据集的分类和预测性能方面均更优,表明全连接神经网络在预测压铸缺陷方面具有优势。结论该算法在实际应用中具有很大的潜力,证明全连接神经网络在预测能力和精度方面具有优势,可以为数据分类和预测提供更好的解决方案。