基于PSOBPNN和NSGA-Ⅱ的微孔发泡工艺参数多目标优化

基于PSOBPNN和NSGA-Ⅱ的微孔发泡工艺参数多目标优化

论文摘要

微孔发泡材料具有质量轻、冲击强度高、韧性强等优点,但其工艺控制复杂,易产生制件表面翘曲和顶出时体积收缩率增加等问题。利用PSOBP神经网络,构建8个工艺参数和3个优化目标之间的数学关系,并验证其准确性;通过多目标遗传算法进行寻优,结合模糊控制确定最优工艺参数组合。优化后的制件翘曲值为0.7519mm,制件质量为6.9544g,顶出时体积收缩率为3.4066%。经验证实验证明,优化结果显著且准确。

论文目录

  • 1 优化方法与实验设计
  •   1.1 优化方法
  •   1.2 实验设计
  • 2 建多目标预测模型
  •   2.1 建PSOBP神经网络结构
  •   2.2 训练PSOBP神经网络建立预测模型
  •   2.3 检验预测模型
  • 3 多目标寻优
  •   3.1 多目标遗传算法寻优
  •   3.2 模糊处理
  •   3.3 验证实验
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 邓峰,郭巍

    关键词: 微孔发泡材料,成型,成型质量,质量,多目标优化

    来源: 塑料工业 2019年11期

    年度: 2019

    分类: 工程科技Ⅰ辑

    专业: 有机化工

    单位: 武汉理工大学汽车工程学院武汉理工大学现代汽车零部件技术湖北省重点实验室武汉理工大学汽车零部件技术湖北省协同创新中心

    基金: 国家自然科学基金青年基金会(NO.51605356),武汉理工大学研究生优秀学位论文培育项目(2018-YS-027),111项目(B17034),中央大学基础研究基金(WUT:2017IVB035)

    分类号: TQ328.06

    页码: 49-54+77

    总页数: 7

    文件大小: 909K

    下载量: 57

    相关论文文献

    • [1].基于NSGA-Ⅱ的近钻头测量短节弹性元件结构优化[J]. 石油机械 2019(12)
    • [2].基于多场景和多目标的车载网络通信NSGA-II方法[J]. 山东农业大学学报(自然科学版) 2019(06)
    • [3].基于改进NSGA-Ⅱ的云制造服务组合优化问题研究[J]. 工业工程与管理 2020(02)
    • [4].基于改进NSGA-Ⅱ算法的乙烯裂解炉操作优化[J]. 化工学报 2020(03)
    • [5].基于NSGA-Ⅱ的云制造物流服务方案设计研究[J]. 现代制造工程 2020(05)
    • [6].NSGA-Ⅱ算法在智能飞行器航迹规划中的应用[J]. 农业装备与车辆工程 2020(10)
    • [7].基于个体邻域的改进NSGA-Ⅱ算法[J]. 计算机工程与应用 2019(05)
    • [8].基于NSGA-Ⅱ算法的八连杆机械压力机杆系设计[J]. 重型机械 2017(02)
    • [9].基于改进NSGA-Ⅱ算法的路网养护决策优化研究[J]. 中外公路 2017(03)
    • [10].基于NSGA-Ⅱ算法的航母编队反潜火力优化[J]. 电子技术与软件工程 2017(15)
    • [11].NSGAⅡ在供应商选择中的应用[J]. 哈尔滨理工大学学报 2017(05)
    • [12].基于NSGA-Ⅱ的复杂网络拓扑优化方法[J]. 信息工程大学学报 2019(05)
    • [13].NSGA-Ⅱ算法的改进及其在应急管理中的应用[J]. 计算机工程与应用 2018(16)
    • [14].基于同步更新外部归档集的NSGA-Ⅱ改进算法[J]. 计算机工程与应用 2018(20)
    • [15].基于改进型NSGA-Ⅱ算法的深海高频变压器优化研究[J]. 中国海洋平台 2016(05)
    • [16].基于NSGA-Ⅱ算法的复杂供应链网络库存协同控制[J]. 物流技术 2015(03)
    • [17].基于NSGA-Ⅱ算法的给水管网多目标优化设计[J]. 中国给水排水 2015(05)
    • [18].基于粒子融合NSGA-Ⅱ的永磁无刷直流电机多目标优化[J]. 电子世界 2013(07)
    • [19].NSGA-Ⅱ在蛇形机器人中的优化与控制[J]. 计算机工程 2012(08)
    • [20].基于NSGA-Ⅱ考虑性能的烧结矿配料优化[J]. 江南大学学报(自然科学版) 2009(01)
    • [21].基于模拟正态分布随机数的NSGA-Ⅱ算法研究[J]. 科学技术创新 2020(14)
    • [22].基于NSGA-Ⅱ算法的备件存储分配优化研究[J]. 舰船电子工程 2020(02)
    • [23].基于等损伤原理和NSGA-Ⅱ算法的整车台架耐久性试验循环次数确定方法[J]. 机械强度 2020(03)
    • [24].基于改进NSGA-II算法的班轮船期恢复双目标优化[J]. 大连海事大学学报 2020(02)
    • [25].基于改进NSGA-Ⅱ算法的水库双目标优化调度[J]. 西安理工大学学报 2020(02)
    • [26].基于支配强度的NSGA2改进算法[J]. 计算机科学 2018(06)
    • [27].基于NSGA-Ⅱ的嵌入式系统软硬件划分方法[J]. 计算机应用 2009(01)
    • [28].桥墩全生命周期抗震性能基于NSGA-Ⅱ的优化设计分析探究[J]. 交通节能与环保 2020(01)
    • [29].基于改进NSGA-Ⅲ的文本空间树聚类算法[J]. 华中科技大学学报(自然科学版) 2020(05)
    • [30].一种多目标非线性优化的NSGA-II改进算法[J]. 微电子学与计算机 2020(07)

    标签:;  ;  ;  ;  ;  

    基于PSOBPNN和NSGA-Ⅱ的微孔发泡工艺参数多目标优化
    下载Doc文档

    猜你喜欢