近年来,随着人工神经网络技术的不断发展,人工神经网络技术被广泛的应用于非线性系统的建模与辨识。但该网络对样本数据有着严格的要求,即样本数据具有致密性、遍历性和相容性,因而传统的随机抽样方法无法满足要求。针对正交试验法选择数据其分布具有规律性的特性,本文采用正交试验法来选择样本数据,满足网络对样本数据的要求;针对传统BP神经网络应用于模式识别时,网络的泛化能力较低,在训练过程中可能陷于局部最小,以及无法确定隐层神经元数问题,将概率神经网络应用于模式识别领域,较好地解决了这些问题。 在案例分析中,以叉车手制动器中的焊接螺母的“牙形瘦”、“烂牙”等问题为研究对象,通过正交试验法采集样本数据,采用概率神经网络(PNN)对产品质量进行预测,并将预测结果与反向传播神经网络(BP)预测结果进行比较。比较表明,在质量控制的模式识别领域采用正交试验法采集样本数据,分别用于训练PNN和BP网络后发现,概率神经网络的预测准确度远远大于反向传播神经网络,展现了概率神经网络在质量控制模式识别中的优势。