1、氣輔成型是近幾年發(fā)展起來的一種新型塑料加工技術，具有可提高產品表面質量、增加制品強度、減少翹曲、降低成本等優(yōu)點。由于成型過程增加了氣體因素，使其工藝較傳統(tǒng)注塑更為復雜。如何篩選出對成型過程有重要影響的工藝參數并進行優(yōu)化配置以獲得滿意的制品質量是目前該領域的一大難題。根據目前國內外氣輔成型工藝優(yōu)化的研究現狀，本文提出基于神經網絡結合遺傳算法(NN-GA)的智能多目標優(yōu)化方法，用于工藝參數最優(yōu)組合選取的求解，為成型過程工藝參數的優(yōu)化提供新的

2、解題思路。
　　 本文主要研究工作如下：
　　 1、綜合考察及評價多個工藝參數對成型制品質量的影響，歸納總結氣輔制品常見缺陷產生的機理并探討相應的解決方法。
　　 2、利用基于試驗統(tǒng)計分析結合數值模擬的方法進行工藝參數初步優(yōu)化。選取成型過程中影響較大的幾個工藝參數為優(yōu)化對象，選定氣輔制品的幾個質量指標作為考察目標，通過安排正交試驗得出各個工藝參數對質量指標的影響程度，并分析求得一組較優(yōu)工藝參數組合。
　　

3、 3、建立氣輔成型工藝參數與制品質量指標關系的RBF神經網絡模型。以正交試驗得到的較優(yōu)參數組合值為依據，按均勻設計思想選取學習樣本數據訓練網絡。構建的RBF網絡模型用于遺傳算法優(yōu)化過程中目標函數值的快速求解。
　　 4、選擇NSGA-Ⅱ多目標遺傳算法策略，結合建立好的RBF神經網絡模型，應用遺傳算法進行多目標迭代優(yōu)化獲得工藝參數的Pareto最優(yōu)解集并實現其組合值的最優(yōu)化設定，最后通過數值模擬表明了本文基于NN-GA智能多目標優(yōu)