该文利用人工神经网络方法对型坯成型阶段进行了研究.通过实验得到了不同温度的HDPE(高密度聚乙烯)熔体以不同挤出流率从三种类型(收敛型、平直型和发散型)机头挤出时,型坯长度与时间的关系以及不同长度型坯的直径膨胀率、壁厚膨肛率和面积膨胀率.基于改进的BP算法建立了两个神经网络模型,一个模型用来预测不同工艺条件下型坯长度与时间的关系,另外一个用于预测不同工艺条件下不同长度型坯的膨胀.将实验中获得的数据分为两类:训练样本和检验样本.前者用于训练模型以确定模型的权值和阈值,后者用于验证模型的有效性.结果表明训练后的模型能在实验数据范围内以较高的精度(预测值与实验值间的相对误差<0.01)预示不同时刻的型坯长度,预测不同长度型坯的膨胀与实验结果之间的误差平方和不超过0.001.经训练检验后的模型能在一定范围内,预示不同工艺条件下型坯的长度、直径膨胀率、壁厚膨胀率和面积膨胀率,并综合所建立的两个神经网络模型,对型坯成型过程作动态的模拟.