黄 鹏

(湖南交通职业技术学院汽车工程学院，长沙 410132)

0 前言

对于汽车大型塑件的注射成型，浇注系统设计是保证注塑质量的关键因素。通过对浇注系统的设计控制，可以从根本上改善塑件的注塑效果。而在特殊情况下，尽管浇注系统的浇口位置为非最优位置，但可通过改善注射成型工艺参数来达到改善塑件注塑效果的目的[1-4]。通过计算机辅助工程(CAE)辅助分析可以发现注塑时潜在质量问题，但结合CAE对注塑问题进行改善优化时，对注塑工艺参数的调整不能做到高效寻优到最佳工艺参数，需借助于其他的试验方法来找寻，如正交试验法、神经网络寻优法等进行工艺参数路径优化等，采用神经网络寻优工艺参数时，关键是对所选用的算法择优以提高网络的预测准确程度[5-8]。目前，国内一些学者采用GRNN神经网络、GRA-RBF神经网络、TugII-SOM神经网络、BP神经网络等在提高注塑制品质量方面取得了较好的应用效果[9-12]，但就准确性而言，基于算法改进的LM-BP神经网络有更高的预测准确性[13-15]。本文结合某汽车内饰A、B柱上内饰板注塑质量问题，应用LM-BP神经网络结合CAE辅助分析以改进和提高注塑质量做出案例分析，可供参考借鉴。

1 基于LM算法的BP网络改进

BP神经网络对试验结果的预测能较好的吻合检验结果，取决于网络反馈传递函数的选用，不同的预测对象需结合不同的网络模型，因此算法的改进是提高神经网络针对具体工程准确预测的一个重要方法，在注塑工……