首页|基于回归分析和GA-BP神经网络算法的3D打印件弯曲性能预测

基于回归分析和GA-BP神经网络算法的3D打印件弯曲性能预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为进一步探究熔融沉积成型(FDM)3D打印参数和制件弯曲性能之间的关系,创建合理的FDM 3D打印制件弯曲强度预测模型.根据正交试验L16(45)的设计原则和神经网络算法模型的构建要求,按照不同分层高度、填充密度、打印温度、打印速度以及外壳厚度五种因素,制备25组试验试样,并进行弯曲性能检测.随后通过建立GA-BP神经网络模型、传统BP神经网络模型以及多元回归方程模型,分别对FDM 3D打印制件弯曲性能进行预测,并将预测数据与试验测试数据进行对比.通过对比发现,GA-BP神经网络模型预测数据与试验测试数据更为接近,其平均误差为3.71％,且误差值整体波动最小,BP神经网络模型与多元回归方程模型预测精度相差不大,BP神经网络模型预测平均误差为8.05％,多元回归方程模型预测平均误差为9.07％,但多元回归方程误差值整体波动最大.因此,采用GA遗传算法优化后的BP神经网络模型在进行FDM 3D打印制件弯曲性能预测方面具有更高的精度和更良好的稳定性.
Flexural property prediction of 3D-printing sample based on regression analysis and GA-BP neural network

regression analysisGA-BP neural network3D printingflexural propertyprediction

白鹤、杨鑫、杨瑞琦、刘亚明、赵峥璇、庞瑞、何石磊

展开 >

宝鸡职业技术学院机电信息学院,陕西宝鸡 721013

宝鸡石油钢管有限责任公司钢管研究院,陕西宝鸡 721008

国家石油天然气管材工程技术研究中心,陕西宝鸡 721008

宝鸡石油钢管厂职工子弟学校,陕西宝鸡 721008

展开 >

回归分析 GA-BP神经网络 3D打印 弯曲性能 预测

宝鸡职业技术学院2023年度院级课题项目

2023048Z

2024

10.3969/j.issn.1001-3539.2024.01.014

工程塑料应用
中国兵器工业集团第五三研究所 中国兵工学会非金属专业委员会　兵器工业非金属材料专业情报网

工程塑料应用

CSTPCD北大核心
影响因子：0.371
ISSN：1001-3539
年,卷(期)：2024.52(1)
  • 10