将人工神经网络引入液固挤压工艺参数的灵敏性分析中,对难以建立精确数学模型的液固挤压工艺进行建模,通过非线性网络泛化映射,求解输出变量对输入变量的偏导数,得到了工艺参数在每个样本点处的灵敏度值,从而定量地确定了多个非确定性参数共同作用下的灵敏度指标。结果表明,影响液固挤压工艺的参数中,作用最大的为浸渗时间,其次为浇注温度与模具温度,最小为浸渗压力,这与实际情况相符。