首页|基于GA-BP神经网络算法的FDM 3 D打印制件拉伸性能预测

基于GA-BP神经网络算法的FDM 3 D打印制件拉伸性能预测

扫码查看
原文链接
  • 万方数据
为进一步研究熔融沉积成型(FDM)3D打印制件力学性能与工艺参数之间的关系,试验以聚乳酸(PLA)为材料,参考正交试验和神经网络模型设计原则,利用遗传算法(GA)对反向传播(BP)神经网络初始值进行优化,建立GA-BP神经网络模型,以分层厚度、填充密度、喷嘴温度、填充速度以及外壳厚度为输入层参数,拉伸强度为输出层参数进行训练和预测,并分析其预测精度.通过对GA-BP和BP神经网络模型的预测结果进行对比发现,GA-BP神经网络模型预测值与测试实际值更为接近,误差平均值为2.27％,而BP神经网络模型预测误差平均值为4.10％,且GA-BP神经网络模型评价指标值均优于BP神经网络模型,故GA-BP神经网络模型预测精度更高,可为提升FDM 3D打印制件力学性能,优化成型工艺,指导工业生产提供参考.
Tensile Property Prediction of FDM 3 D Printing Sample Based on GA and BP Neural Network

白鹤、赵明侠、袁一如、刘亚明、何石磊、庞瑞、郭晓东

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

西安美呈智能技术有限公司, 陕西 西安 710077

展开 >

遗传算法-反向传播神经网络 熔融沉积成型 拉伸性能 工艺参数 预测

SGH21Y05742020130Y

2022

10.3969/j.issn.1005-5770.2022.09.033

塑料工业
中蓝晨光化工研究院有限公司

塑料工业

CSTPCDCSCD北大核心
影响因子：0.685
ISSN：1005-5770
年,卷(期)：2022.50(9)
  • 4
  • 11