实验研究和ANN开发用于模拟纤维增强尼龙复合材料的拉力和表面质量
Osman Ulkir1, Fatma Kuncan2, Fatma Didem Alay3
1Department of Electric and Energy, Mus Alparslan University, Mus 49250, Turkey.
Polymers
|June 13, 2025
概括
这项研究使用融沉积建模 (FDM) 优化了碳纤维增强尼龙复合材料 (PA12-CF),发现填充密度对拉伸强度和层厚度对表面质量至关重要. 人工神经网络 (ANN) 准确地预测了这些特性,证明了它们对先进增材制造的潜力.
科学领域:
- 材料科学与工程 材料科学与工程
- 增材制造 (AM) 是一种增材制造.
- 复合材料 复合材料 复合材料
背景情况:
- 增材制造 (AM) 可使复杂的组件制造,增加对功能复合材料的需求.
- 在复合系统中准确预测机械行为对于AM应用至关重要.
- 碳纤维增强尼龙复合材料 (PA12-CF) 越来越多地用于AM.
研究的目的:
- 通过融合沉积建模 (FDM) 制造的PA12-CF的抗拉强度和表面质量进行实验性调查.
- 使用人工神经网络 (ANN) 建模机械行为和表面特性.
- 确定影响这些属性的关键FDM打印参数.
主要方法:
- 利用Taguchi L27直角阵列来设计不同层厚度,灌装模式,喷嘴温度,打印速度和灌装密度的实验.
- 在制造的PA12-CF样本上进行了拉伸强度和表面粗性测试.
- 开发并比较人工神经网络 (ANN) 与支持向量回归 (SVR),随机森林回归 (RFR) 和XGBoost用于预测建模.
主要成果:
- 填充密度 (53.47%的变化) 显著影响了拉伸强度,更高的密度产生更大的强度.
- 层厚度 (53.84%的变化) 是表面粗度的主要因素,较薄的层产生更光滑的表面.
- 在拉伸强度和表面粗性方面,ANN模型实现了卓越的预测精度 (R2 > 0.9912),超过了其他机器学习算法.
结论:
- 填充密度和层厚度是优化FDM打印PA12-CF复合材料拉伸强度和表面质量的关键参数.
- 人工神经网络 (ANN) 有效地模拟了FDM参数和复合性质之间的复杂关系.
- 整合机器学习和统计分析为优化高性能AM复合材料的设计和制造提供了强大的方法.
