《表2 工艺参数寻优范围：基于PSO-BP神经网络优化的汽车斗框注塑成型优化》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PSO-BP神经网络优化的汽车斗框注塑成型优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

综上所述，采用Matlab神经网络工具箱对网络进行仿真，工艺参数的寻优范围如表2所示。由表2可知，初始时，将质量（Δq，Δν）目标最优期望值设为[0，0]，采用图6所示原理进行工艺参数的寻优，寻优结果如图7所示。研究结果表明，当迭代为10代时，PSO进行快速收敛，质量指标（Δq，Δν）的灰色关联适用度为0.089 5，相应的指标为[1.125，3.54%]，相应的工艺参数为（t1、T2、T3、p4、t5、t6）=（3.345 s、71.85℃、213.36 MPa、68%、12.5 s、13.7 s）。