论文部分内容阅读
根据A356泵体铸件金属型低压铸造特点,结合生产实际,以A356泵体浇注工艺参数为研究对象,L16(4^5)型正交实验数据作为训练学习样本,与正交实验成分有关的前16个样本作为训练与检验,用BP神经网络进行预测和优化,结果表明神经网络优化后的模拟值最大误差很小,CPU占用时间仅为40s。人工神经网络与正交实验相结合.能大大节省时间和费用,降低CPU占用率,也证实了对A356泵体充型过程数值模拟的神经网络优化是可行的。