湿型砂成分与性能关系的研究（二）：——型砂成分与性能关系网络模型的建立.pdfVIP

维普资讯 铸遗设备研究 湿型砂成分与性能关系的研究(二) — — ． 型砂成分与性能关系网络模型的建立 东南大学 许映秋。王先保。王样生 zzf·／ _ ·_-- ‘’。。r’。’。_-_一 jH膏要 奉文详妇介绍了人工神经网络BP模垂的基本原理，实现过程以厦在型砂制备系统 中的应用．利用BP算法建立的型砂成分与型砂性能关系的码络模型可以根据型砂主要性能快 速、准确地预测型砂主要成分，其预测精度足够满足生产实际的需要。 Absb artif：cialncuralnetworkmodelinmouldin~sandprepsration systen Thenetworkmodelshoutthe relationshipsofmouldingsandcompositionsandproperties．whichwa日trainedbybackpropagation elgnrithrausingthesamplescollectedfrom alaboratoty，can beusedtopredictthecontentsofmain mouldingsandcomposition quicklyendaccurately according协 mainpropertiesofmouldingsand． Thepredictingaccuracyisgoodeno~llghtomeetsheneedsofproduction． 1 引言 个规则，该规则最小程度地受到人为的支配。 这样就避免或大大减小了通常的数据分析工作 多年来国内外有关型砂成分与性能关系的 和建模工作．而且在没有关于系统结构先验知 研究中。具有代表性的一种方法是利用统计理 识的前提下取得优 良的性能。 论中的多元回归分析原理建立型砂成分与性能 (2) 能够完成复杂的输人／输出非线性映 之问的相关关系：成分；f(性能) 射 对任何一个连续的函数 ： 尽管建模过程中，性能与成分之间的非线 ： · () (1) 性关系．各性能项 目对成分的交互影响等都可 业已证明．如果隐含层节点数可以根据需要 自 以考虑进去，但无论怎样处理．由于回归方法 由设置 ，那 么用三层非线性 映射函数 (如 本身的局限性。如必须预先假设回归模型．在 Sigmoid型函数)的I／o特性的节点，可以以任 样本数据带有。噪声 时势必影响到建立的回归 意精度逼近任何连续函数． 方程等，使得所建模型在实际使用中很难得到 (3) 能够识别有噪声或变形的输人模 满意的结果。 式。由于许多限制，现场得到的样本数据或多 人工神经网络是近年来兴起的研究热点． 或少存在着噪声，神经网络经过学习，把样本 它是由大量类似于神经元的简单处理单元广泛 中隐含的特性和规则分布于神经元之间的连接 互连而形成的复杂网络系统．具有联想存储、 权值上，通常具有的冗余特性能够消除样本噪 自组织 自学习、自适应等诸多