首先介绍了神经网络以及电动工具与质量控制方面的基础知识,然后介绍了BP神经网络结构和算法原理,以及应用BP神经网络设计黄油枪运行参数模型的方法和过程,最后建立BP网络预测模型并运用Matlab编程语言,对黄油枪的运行参数进行了预测。在建模过程中,对隐层神经元个数进行了试验,最终选定合适的神经元个数使训练误差曲线收敛最快。学习和训练样本都采用了油枪正常时的运行参数,因而在有异常输入参数的情况下,预测误差就会明显增加。预测用的学习样本和测试数据都是实际测量数据,经过BP网络训练与测试达到了相应的要求。从测试结果看,采用输入参数正常的数据所得到的预测误差很小,而采用异常输入数据则产生了较大的预测误差。说明该网络预测模型有较高的准确性,能够预测出产品的异常运行参数,为产品的质量控制提供可靠依据。