相关实验视频
Updated: Jun 5, 2025
10:49
Planar and Three-Dimensional Printing of Conductive Inks
Published on: December 9, 2011
37.1K
在3D纳米材料打印中优化工艺参数,以提高统一性,质量和尺寸精度,使用物理引导的人工神经网络
Anita Ghandehari1,2,3, Jorge A Tavares-Negrete2,3,4, Jerome Rajendran1,2,3
1Department of Electrical Engineering and Computer Science, University of California, Irvine, CA, 92697, USA.
Discover nano
|December 16, 2024
概括
优化气动3D纳米材料打印包括预测丝径和打印质量. 一个新的管道使用物理引导人工神经网络 (PGANN) 和XGBoost来实现高效,高质量的MXene打印.
科学领域:
- 增材制造 增材制造 增材制造
- 材料科学 材料科学 材料科学
- 纳米技术纳米技术
背景情况:
- 气动3D纳米材料打印对于MXene在纳米能源,柔性电子和传感器中的应用至关重要.
- 优化工艺参数 (压力,度,喷嘴直径,速度) 以实现统一,高质量的打印是一项挑战.
- 传统的方法是耗时和浪费的.
研究的目的:
- 开发一个管道来评估和优化气动3D纳米材料打印参数.
- 使用物理引导的人工神经网络 (PGANN) 预测线条直径.
- 为了对印刷品质量进行分类,以便进行增强的材料处理.
主要方法:
- 实施了一个管道来评估打印统一性和质量.
- 使用XGBoost分类器进行打印质量评估.
- 采用物理引导人工神经网络 (PGANN) 整合物理原理和实验数据来预测丝直径.
主要成果:
- XGBoost分类器在分类打印发光线质量方面取得了90.44%的准确性.
- PGANN模型在导线直径预测中表现出高准确度,PCC为0.9488.8.
- PGANN实现了较低的错误率:MSE为0.000092 mm2和MAE为0.00711 mm.
结论:
- 开发的管道有效地简化了选择最佳打印参数的过程.
- 研究人员可以实现一致的,高质量的MXene打印与所需的导线直径.
- 这种方法促进了针对高级制造业特定应用的定制材料生产.
