过程参数优化用于混合制造PLA组件,提高表面质量.

科学领域:

• 材料科学 材料科学 材料科学
• 制造业 工程 制造工程
• 增材制造 增材制造 增材制造

背景情况:

• 聚乳酸 (PLA) 组件的3D打印需要对准确性和表面质量进行流程优化.
• 混合制造设备 (HME) 提供了通过添加和减去技术生产复杂零件的潜力.
• 像PLA这样的生物降解热塑性聚合物越来越多地使用,需要可持续的制造方法.

研究的目的:

• 通过使用混合制造设备 (HME) 对PLA组件的3D打印中优化工艺参数的新方法.
• 开发和验证数学模型 (线性回归和神经网络) 用于预测和改善表面粗度.
• 为了证明新的HME的能力和复杂聚合物零件生产的优化方法的建议.

主要方法:

• 开发一种新的混合制造设备 (HME),集成增材 (3D打印) 和减法 (磨粉) 工艺.
• 实验设计 (DOE) 的应用,以分析关键的制造参数:轴旋转,切割深度,料速率,层厚度,喷嘴速度.
• 开发线性回归模型 (LNM) 和神经网络模型 (NNM) 来预测表面粗度 (Ra).

主要成果:

• 神经网络建模 (NNM) 与线性回归模型 (LNM) 相比,在预测表面粗度方面表现出更高的精度.
• 在PLA组件的3D打印和削阶段确定了优化的工艺参数.
• 使用HME成功制造了一个新的测试部件,以验证开发的数学模型和方法.

结论:

• 拟议的方法提供了一个有效的方法来优化过程参数,用于混合制造的聚合物材料,如PLA.
• 开发的NNM提供了一个非常准确的工具来预测表面粗度,从而提高质量控制.
• 这项研究提供了一个可复制的指导方针,用于优化新开发的混合制造设备中的工艺参数,促进更广泛的设备功能.