论文部分内容阅读
针对复杂工艺中涉及多因子、高噪声、非线性过程关系和模糊对象问题，提出一种集成多种智能计算方法的优化模型。该模型以多Agent技术来组织，划分为决策支持层、系统重构层和数据集成层，Agent间以Ontology来实现信息传递。在建模过程中，利用Chebyshev多项式的正交性质和递推性质，将过程输入变量正交化、线性化后，再应用偏最小二乘回归法计算模型参数，优化Agent在交互方式下通过变异的遗传算法来获取模糊工艺的最优解。以MOLDFLOW软件获取的注塑数据来训练BP（Back propagation）神经