塑料
塑料
소료
PLASTICS
2013年
3期
79-82
,共4页
注塑成型%翘曲%工艺参数%RBF%SVM
註塑成型%翹麯%工藝參數%RBF%SVM
주소성형%교곡%공예삼수%RBF%SVM
injection moulding%warpage%process parameters%RBF%SVM
为了快速且较准确地预测注塑件的翘曲值,以某电脑显示器的外壳为例,分别利用RBF神经网络和SVM模型建立了显示器的翘曲值预测模型,并通过测试样本验证了2种模型的预测精度.结果表明:RBF网络模型和SVM模型的绝对百分比误差都在2％以内,说明二者都具有较好的预测性能；但从最大绝对百分比误差和最小绝对百分比误差分析得出,SVM模型比RBF模型更稳定,且预测精度更高,表明支持向量机的预测模型更适合处理此类问题.
為瞭快速且較準確地預測註塑件的翹麯值,以某電腦顯示器的外殼為例,分彆利用RBF神經網絡和SVM模型建立瞭顯示器的翹麯值預測模型,併通過測試樣本驗證瞭2種模型的預測精度.結果錶明:RBF網絡模型和SVM模型的絕對百分比誤差都在2％以內,說明二者都具有較好的預測性能；但從最大絕對百分比誤差和最小絕對百分比誤差分析得齣,SVM模型比RBF模型更穩定,且預測精度更高,錶明支持嚮量機的預測模型更適閤處理此類問題.
위료쾌속차교준학지예측주소건적교곡치,이모전뇌현시기적외각위례,분별이용RBF신경망락화SVM모형건립료현시기적교곡치예측모형,병통과측시양본험증료2충모형적예측정도.결과표명:RBF망락모형화SVM모형적절대백분비오차도재2％이내,설명이자도구유교호적예측성능；단종최대절대백분비오차화최소절대백분비오차분석득출,SVM모형비RBF모형경은정,차예측정도경고,표명지지향량궤적예측모형경괄합처리차류문제.
