提高基于NSGA-II集成GABP神经网络的加工PEEK假牙的精度和效率
Hao Jia1, Shuting Liang1, Ji Zhao2
1School of Mechanical and Aerospace Engineering, Jilin University, Changchun 130025, China; Key Laboratory of CNC Equipment Reliability, Ministry of Education, Jilin University, Changchun, China.
概括
本研究引入了使用新算法对聚乙基 (PEEK) 假牙进行优化削过程. 新方法显著降低了表面粗度,同时增加了材料去除率,以改善牙科修复.
科学领域:
- 生物材料科学 生物材料科学
- 机械工程 机械工程
- 牙科技术 牙科技术
背景情况:
- 聚乙基 (PEEK) 由于其优越的机械,化学和生物相容性,越来越多地用于牙科修复.
- 优化PEEK的削过程对于高质量的牙假体的高效生产至关重要.
研究的目的:
- 开发和验证PEEK假牙的优化削工艺.
- 为了减少表面粗,提高PEEK假牙制造中的加工效率.
主要方法:
- 一台四轴牙科床被用于在各种工艺参数下加工PEEK样品.
- 采用了一个多目标优化模型,将非主导排序遗传算法-II (NSGA-II) 与遗传算法反向传播 (GABP) 神经网络集成.
- 表面粗度 (Ra) 和材料去除率 (MRR) 是主要的优化目标,通过表面粗度分析仪和SEM进行表征.
主要成果:
- 集成的NSGA-II和GABP算法有效地提高了削PEEK假牙的表面粗度和加工效率.
- 验证实验证实,PEEK假牙表面粗度始终保持在0.2μm以下.
- GABP预测模型显示,表面粗度的平均误差为6%,而优化参数为同等表面粗度产生了更高的MRR.
结论:
- 开发的优化模型提供了一种可靠的方法来确定PEEK假牙的最佳削参数.
- 这项研究通过提供精确的削参数指导,显著增强了当前的PEEK假牙CAD/CAM技术.
