混合实验机器学习研究通过FDM制造的聚合物复合结构的机械行为
Osman Ulkir1, Sezgin Ersoy2,3
1Department of Electric and Energy, Mus Alparslan University, Mus 49210, Türkiye.
Polymers
|August 14, 2025
概括
沉积建模 (FDM) 标本显示基于材料,填充和打印方向的不同机械强度. 与ABS相比,碳纤维增强聚胺 (PPA/Cf) 平版印刷具有更高的拉伸和曲强度.
科学领域:
- 材料科学 材料科学 材料科学
- 添加剂制造 添加剂制造 添加剂制造
- 机械工程 机械工程
背景情况:
- 沉积建模 (FDM) 是一种广泛用于聚合物和复合材料的增材制造技术.
- 优化FDM工艺参数对于实现印刷零件所需的机械性能至关重要.
- 了解材料类型,填充模式和打印方向的影响是材料性能的关键.
研究的目的:
- 为了研究FDM打印样品的机械行为 (拉力和屈曲强度).
- 评估材料类型,填充图案和打印方向对机械性能的影响.
- 开发和比较用于预测机械性能的机器学习模型.
主要方法:
- 使用FDM制造了烯酸丁乙烯 (ABS),PPA/Cf和三明治复合物的样本.
- 使用盒式设计 (BBD) 系统地研究材料类型 (MT),灌装模式 (IP) 和打印方向 (PD) 的影响.
- 贝叶斯线性回归 (BLR) 和高斯过程回归 (GPR) 用于预测建模,结果与BBD相比较.
主要成果:
- 印有"平面"和"十字"填充图案的PPA/Cf材料表现出最高的机械强度 (75.8MPa拉力,102.3MPa曲).
- 印有"直立"和"网格"图案的ABS显示了最低的强度 (37.8MPa拉力,49.5MPa曲).
- 与BBD和BLR相比,高斯过程回归 (GPR) 显示出更高的预测准确性 (R2 > 0.99) 和更低的误差 (MAPE < 13%).
结论:
- 材料类型,填充图案和打印方向对FDM零件的机械性能产生重大影响.
- 与ABS相比,PPA/Cf在FDM中提供了优越的机械性能.
- 机器学习模型,特别是GPR,提供了机械行为的高度准确的预测,超过了传统的实验设计方法.
