在3D打印的PLA植入物中提高钻孔性能,应用PIV和ML模型

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
• 机械工程 机械工程

背景情况:

• 化沉积建模 (FDM) 允许使用生物相容的聚乳酸 (PLA) 快速创建复杂几何结构的原型.
• 像钻井这样的加工过程对于实现FDM部件所需的功能特征至关重要.
• 优化钻井参数对于提高材料去除率 (MRR) 和孔质量至关重要.

研究的目的:

• 为了研究钻孔参数 (螺旋转速,料速度,钻孔直径) 对FDM-PLA部件的影响.
• 评估材料去除率 (MRR),表面粗度 (Ra,Rz),圆形和圆柱形.
• 利用近距离索引值 (PIV) 工具和机器学习模型进行流程优化.

主要方法:

• 使用FDM制造PLA部件的制造.
• 钻探实验使用不同的线速度,料率和钻孔直径.
• 应用近距离索引值 (PIV) 进行优化.
• 开发和比较人工神经网络 (ANN),支持矢量机 (SVM) 和随机森林 (RF) 模型.

主要成果:

• 随机森林 (RF) 模型实现了高R2值99.16%,超过了ANN (89.45%) 和SVM (89.08%).
• PIV工具有效地预测了接近最佳的钻井参数.
• 机器学习模型展示了强大的预测能力,可以优化钻探结果.

结论:

• 机器学习模型,特别是随机森林,为优化FDM-PLA部件的钻探参数提供了准确的预测.
• 该研究成功确定了最佳的钻井条件,以提高MRR和洞质量.
• 这项研究有助于改进增材制造组件的后加工技术.