机械工程学报

作者：牛静宜, 鲁思伟, 张倍宁, 杨春成, 李涤尘

单位：1. 西安交通大学精密微纳制造技术全国重点实验室 西安 710049;2. 西安交通大学机械工程学院 西安 710049;3. 西安交通大学国家药监局医用增材制造器械研究与评价重点实验室 西安 710054;4. 陕西聚康高博医疗科技有限公司 西安 710004

关键词：增材制造,变组分复合材料,机器学习,工艺参数预测；

基金：国家自然科学基金(52375348，52175331)、山东省高等学校青创科技支持计划(2020KJB003)、山东省自然科学基金面上(ZR2022ME014，ZR2021ME139)和山东省自然科学基金重大基础研究(ZR2020ZD04)资助项目。

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。

来源：2024年第21期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第21期