通过机器学习优化3D打印生物聚合物复合材料的压力强度
R S Jayaram1, P Saravanamuthukumar2, Ahmad Baharuddin Abdullah2
1Department of Mechanical Engineering, Amrita Vishwa Vidyapeetham, Nagercoil, Tamil Nadu, India.
PloS one
|August 28, 2025
概括
这项研究利用机器学习优化了3D打印的PLA/杏仁复合材料的压力强度. 多项式回归确定了最佳的打印设置,与传统方法相比,实现了更高的机械性能.
科学领域:
- 材料科学
- 添加剂制造
- 机器学习
背景情况:
- 3D打印可以实现复杂的多层设计.
- 功能分级材料 (FGM) 提供了量身定制的性能.
- 优化女性生殖器切割的机械强度对于应用至关重要.
研究的目的:
- 优化PLA/杏仁增强PLAFGM的压力强度 (CS).
- 评估基于FFF过程参数的机器学习 (ML) 模型来预测CS.
- 将ML优化与传统的Taguchi方法进行比较.
主要方法:
- 使用化丝制造 (FFF) 工艺制造FGM.
- 基于打印速度 (PS),层高度 (LH) 和打印温度 (PT) 预测CS的六个ML模型.
- 使用SHAP分析来确定参数影响和多项式回归 (PR) 来进行优化.
主要成果:
- 多项式回归 (PR) 在ML模型中实现了最好的预测准确性 (R2=0.88).
- 打印速度 (PS) 和层高度 (LH) 是最有影响力的参数.
- 优化的参数预测CS为36MPa,实验验证为34.8MPa (3.44%的误差).
结论:
- 基于PR的ML优化显著提高了FGM的准确性和机械性能.
- 经过优化后的女性生殖器切割器显示出适合于各种消费应用.
- 机器学习优化超过了Taguchi等传统方法, 提供了更强的预测能力和材料性能.
