变组分复合材料3D打印工艺中机器学习算法对工艺参数预测有效性研究

2024-06-22 30 0.56M 0

  复合材料变组分3D打印是增材制造发展的前沿方向,是实现梯度材料结构的重要技术,在线调控工艺参数适应3D打印过程中的材料组分变化是制造变组分复合材料的难点问题。将机器学习算法与3D打印工艺相结合,在增材制造小样本训练的基础上,建立工艺参数与挤出体积关系的算法模型,探讨机器学习算法调控变组分复合材料3D打印工艺参数的有效性。采用螺杆挤出成形3D打印设备,针对不同材料组分采集试验数据,并使用SVR支持向量回归、BP神经网络、RF随机森林、RBF神经网络和Kriging模型五种机器学习算法,对挤出体积量进行预测,从而根据不同材料组分调整相应的工艺参数。由对比结果可知,在进行挤出体积预测时,为保证预测结果,训练样本量应多于30组,五种机器学习算法中SVR算法最适合小样本量预测情况,挤出体积预测准确性最高。进行变组分复合材料3D打印试验,打印过程中根据材料组分调整工艺参数,样件打印质量好,验证了SVR算法调控工艺参数的有效性。



您还没有登录,请登录后查看详情

497/1000专辑:论文下载

举报收藏 0打赏 0评论 0
相关资源
本类推荐
下载排行
网站首页  |  关于我们  |  联系方式  |  使用协议  |  隐私政策  |  版权隐私  |  网站地图  |  排名推广  |  广告服务  |  积分换礼  |  RSS订阅  |  蜀ICP备19012879号