一个混合模糊PSO框架用于多目标优化立体石刻工艺参数
Mohanned M H Al-Khafaji1, Abdulkader Ali Abdulkader Kadauw2,3, Mustafa Mohammed Abdulrazaq1
1Collage of Production Engineering and Metallurgy, University of Technology-Iraq, Baghdad 10066, Iraq.
Micromachines
|November 27, 2025
概括
这项研究引入了一种混合智能框架,以优化立体雕刻 (SLA) 3D打印参数,用于烯酸丁 styrene (ABS) 零件. 这种新的方法通过准确地建模和优化关键性能特征来提高零件质量.
科学领域:
- 材料科学与工程 材料科学与工程
- 增材制造 增材制造 增材制造
- 计算智能是一种计算智能.
背景情况:
- 增材制造,特别是立体石材制造 (SLA),越来越多地用于最终部件的生产.
- 优化SLA工艺参数对于实现所需的材料性能和表面表面处理至关重要.
- 烯酸丁 styrene (ABS) 光聚合物是SLA中常见的材料,需要精确的参数控制.
研究的目的:
- 开发一种混合智能框架,用于建模和优化SLA 3D打印参数.
- 调查SLA过程参数和性能特征之间的复杂,非线性关系.
- 为了实现多目标优化,提高ABS零件的机械性能和表面表面.
主要方法:
- 采用塔古奇的实验设计,使用L18直角阵列进行高效的实验设计.
- 开发了一种新的混合模糊逻辑-粒子优化 (PSO) 算法ARGOS,用于自动模糊推理系统 (FIS) 的生成和调整.
- 使用修改的学习从示例 (MLFE) 进行初始FIS创建,然后使用PSO来提高预测准确性.
主要成果:
- 阿尔戈斯模型表现出极高的预测准确度,所有五个输出响应的相关系数 (R2) 超过0.9999.
- 通过使用加权和法进行多目标优化,确定了平衡关键部分品质的最佳参数设置.
- 拟议的混合方法在建模和优化SLA 3D打印过程中被证明是强大的和高度准确的.
结论:
- 混合智能框架有效地模拟和优化ABS部件的SLA 3D打印参数.
- ARGOS算法提供了一个强大的工具,可以从实验数据中生成准确的Mamdani型FIS.
- 这项研究为在现实世界制造应用中实现高质量的3D打印零件提供了有价值的方法.
