基于有限元模拟和神经网络的压电喷射系统设计的智能优化方法
1Department of Materials and Manufacturing, Beijing University of Technology, Beijing, China.
3D printing and additive manufacturing
|October 3, 2024
概括
本研究介绍了一种结合神经网络和有限元模拟的智能方法,用于优化增材制造中的压电弹射系统. 这种方法提高了设计可靠性和关键滴滴喷射行为的速度.
科学领域:
- 添加剂制造 添加剂制造 添加剂制造
- 材料科学 材料科学 材料科学
- 计算流体动力学的流体动力学.
背景情况:
- 压电喷射系统对于高分辨率增材制造至关重要.
- 优化这些系统是复杂的,需要可靠地预测滴水喷射行为.
- 传统的设计方法可能耗时且不太准确.
研究的目的:
- 开发一种用于建模和优化压电喷射系统设计的智能方法.
- 为了提高设计压电喷射系统参数的速度和可靠性.
- 准确预测滴滴喷射行为 (DEB) 以改善增材制造工艺.
主要方法:
- 开发了一种有限元 (FE) 滴滴喷射过程模型,并通过实验和文献数据进行验证.
- 创建并优化了两个人工神经网络 (ANN) 模型,使用前向后传播和遗传算法 (GA).
- 通过FE计算建立了一个数据库来训练ANN模型,将设计参数与DEB指标 (喷射速度,滴滴直径) 相关联.
主要成果:
- 通过训练和测试数据,ANN模型准确地预测了滴滴喷射速度和直径.
- 结合FE模拟和ANN-GA方法确定了最佳的压电喷射系统设计.
- 实验验证显示预测误差很低 (喷射速度为4.48%,滴滴直径为3.18%).
结论:
- 智能方法为压电喷射系统设计优化提供了可靠和强大的方法.
- 这种综合模拟和人工智能技术显著提高了增材制造系统设计的准确性和效率.
- 该研究验证了开发的模型对关键滴滴喷射特征的预测能力.
