人工神经元网络模型预测3D打印部件力学性能的研究

人工神经元网络模型预测3D打印部件力学性能的研究
吕志敏;江豪
【期刊名称】《塑料工业》
【年(卷),期】2024(52)1
【摘要】熔融沉积成型(FDM)是一种高效的增材制造技术。

将响应面模型与人工神经元网络(ANN)模型相结合,研究了FDM工艺的喷嘴温度、层高和层积角度对尼龙12(PA12)丝材制造部件力学性能的影响。

当喷嘴温度、层高和层积角度分别在220~260℃、0.2~0.4 mm、0°~90°之间变化时,部件拉伸强度和缺口冲击强度分别在35.69~60.89 MPa和5.48~19.83 kJ/m^(2)之间。

喷嘴温度、层高、层积角度以及层积角度的二阶效应是影响部件拉伸强度的显著因素;喷嘴温度、层积角度以及层积角度的二阶效应是影响缺口冲击强度的显著因素。

ANN模型预测拉伸强度和缺口冲击强度的最优结构分别是3-10-5-1和3-25-24-1,预测的拉伸强度和缺口冲击强度均方误差函数(MSE)最低分别为2.54×10^(-4)和2.07×10^(-4),回归系数均在0.97以上。

与响应面的二次回归模型相比,ANN模型预测的拉伸强度和缺口冲击强度与实验值的标准偏差分别为0.46和0.32,远低于二次回归模型的2.43和1.58,更适合于优化非线性的FDM工艺。

【总页数】9页(P59-66)
【作者】吕志敏;江豪
【作者单位】濮阳职业技术学院机电与汽车工程学院;郑州轻工业大学电气信息工程学院
【正文语种】中文
【中图分类】TQ320.669
【相关文献】
1.利用人工神经网络模型预测Q235B热轧板带力学性能
2.人工神经元网络法估测点焊接头力学性能
3.应用人工神经网络模型预测Ti-10V-2Fe-3Al合金的力学性能
4.基于人工神经元网络模型预测混凝土抗压强度
5.基于人工神经元网络的
PA6/POE/POE-g-MAH共混物力学性能预测
因版权原因，仅展示原文概要，查看原文内容请购买。