在转过程中对3D打印的碳纤维增强PETG聚合物进行表面质量评估:实验分析,ANN建模和优化
Anastasios Tzotzis1, Dumitru Nedelcu2, Simona-Nicoleta Mazurchevici2
1Department of Product and Systems Design Engineering, University of Western Macedonia, 50100 Kila Kozani, Greece.
Polymers
|October 26, 2024
概括
这项研究使用人工神经网络和遗传算法优化了3D打印碳纤维增强聚合物 (CFRP) 的加工. 发现最佳的切割条件可以提高表面质量并减少PETG-CFRP部件的浪费.
科学领域:
- 材料科学与工程 材料科学与工程
- 制造过程 制造过程 制造过程
- 添加剂制造 添加剂制造 添加剂制造
背景情况:
- 3D打印的碳纤维增强聚合物 (CFRP) 提供了先进的材料性能,但需要优化加工过程.
- 评估切割参数对表面质量的影响对于3D打印组件的功能应用至关重要.
研究的目的:
- 通过实验分析3D打印PETG-CFRP复合材料的加工过程.
- 为了确定切割速度,料和切割深度对表面粗度的影响.
- 开发用于优化表面质量的预测模型.
主要方法:
- 制造和加工9个具有不同切割参数的PETG-CFRP标本.
- 使用机械仪表测量表面粗度.
- 开发一个浅层人工神经网络 (ANN) (3-6-1结构) 用于预测.
- 使用遗传算法 (GA) 进行优化,以找到最佳的切割条件.
主要成果:
- 确定的最佳切割条件是205m/min速度,0.0578mm/rev进料,以及0.523mm的切割深度.
- 在验证后,ANN模型以低于10%的误差实现了预测准确性.
- 发现1.50毫米的切割深度,特别是与150米/分钟的速度和0.11毫米/转速的料相结合,会产生表面缺陷.
结论:
- 优化的加工参数显著提高了3D打印CFRP零件的表面质量.
- 开发的ANN和GA模型为预测和优化加工结果提供了准确有效的方法.
- 这些发现有助于生产高质量,低摩擦元件,并减少增材制造中的材料浪费.
