论文部分内容阅读
气密性检测在保证产品质量和性能上起着很重要的作用，其检测准确度受温度、测试压力、容器体积、平衡时间等多个因素的影响；容器内气体运动状况复杂，难以建立泄漏量与各影响因素之间精确的函数关系，无法直接补偿检测结果的误差。提出了基于遗传优化的神经网络方法，建立了以多影响因素为输入量、泄露量为输出量的模型，并对实测数据进行处理，补偿检测结果的误差。通过实验与仿真验证了该方法的可行性，提高了气密性检测的准确度。