一种通过机器学习神经网络进行反演模拟参数的方法

摘要

本发明公开一种通过机器学习神经网络进行反演模拟参数的方法，包含下列步骤：建立一个机器学习神经网络；并以物理模型为基础的注塑模拟软件作为学习对象，用机器学习算法中的反演算法调整神经网络的权值，使之在使用相同的输入参数后算出符合基于物理模型的注塑模拟软件算出的对应结果。然后根据传感器量化的注塑系统中的测量值与此培训学习好的神经网络模型预测值之差，来反演出注塑模拟软件中应该使用的输入参数，其中最主要的参数是，但不局限于，流变模型系数。这些经过机器学习反演调整后的输入参数再代回注塑模拟软件就可以减小模拟预测值与实际测量值之间的差异，实现仿真注塑工艺的数字孪生以便智能控制。