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。