摘要：注塑成型过程中的工艺参数的取值对成型质量有很大影响,工艺参数之间是非线性关系,采用常规的理论分析和数值计算方法难以快速准确找到其最优解。高斯过程机器学习是一个新的预测方法,采用贝叶斯统计方法和非线性回归技术解决复杂的非线性建模问题。为获得好的成型质量,采用高斯过程机器学习的方法建立注塑成型工艺过程代理模型,可获得满意的模型后用遗传算法求得优化的工艺参数。选用聚甲醛小模数齿轮的翘曲变形实例来验证了方法的可行性。

原文链接:http://www.cqvip.com//QK/91722X/201303/46532233.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）