您当前的位置：
首页 >
文章列表页 >
基于ACO-BP神经网络的储能电源上壳件气辅成型工艺参数优化
加工 | 更新时间：2025-04-21

    • 基于ACO-BP神经网络的储能电源上壳件气辅成型工艺参数优化

    • Optimization of gas-assisted molding process parameters for upper shell of energy storage power supply based on ACO-BP neural network

    • 工程塑料应用   2025年53卷第4期 页码：101-107

    • DOI：10.3969/j.issn.1001-3539.2025.04.015    

      中图分类号： TQ320.66

    • 收稿：2025-02-03，

      录用：2025-03-17，

      纸质出版：2025-04-10

    移动端阅览

  • 杨明，刘赛，刘巨保，等.基于ACO-BP神经网络的储能电源上壳件气辅成型工艺参数优化[J].工程塑料应用，2025，53(4)：101-107. DOI： 10.3969/j.issn.1001-3539.2025.04.015.

    YANG Ming，LIU Sai，LIU Jubao，et al. Optimization of gas-assisted molding process parameters for upper shell of energy storage power supply based on ACO-BP neural network[J]. Engineering Plastics Application，2025，53(4)：101-107. DOI： 10.3969/j.issn.1001-3539.2025.04.015.

  •  
  •  

0

浏览量

25

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

增减材制造PA6/CF复合材料模具的结构优化与温度均匀性
气体温度对PP圆管内外气辅挤出成型的影响
微挤出成型及其数字孪生技术发展
热熔焊接工艺参数对聚乙烯燃气管道焊接残余应力的影响
碳纤维增强聚醚醚酮材料动态冲击数值模拟

相关作者

包啟臣
茅健
王大志
黄佳伟
匡唐清
高聪
高上森
柳和生

相关机构

上海工程技术大学机械与汽车工程学院
机械工业大型复杂构件智能制造技术重点实验室
上海交通大学四川研究院
中国科学院光电技术研究所
华东交通大学材料科学与工程学院
0