文献类型：期刊文章

作　　者：白鹤[1] 赵明侠[1] 袁一如[1] 刘亚明[2,3] 何石磊[2,3] 庞瑞[4] 郭晓东[5]

BAI He;ZHAO Mingxia;YUAN Yiru;LIU Yaming;HE Shilei;PANG Rui;GUO Xiaodong(College of Mechatronics and Informatics,Baoji Vocational&Technical College,Baoji 721013,China;Welded Pipe Research Institute of Baoji Petroleum Steel Pipe Co.,Ltd.,Baoji 721008,China;National Petroleum and Gas Tubular Goods Engineering Technology Research Center,Baoji 721008,China;Baoji Steel Pipe Factory School,Baoji 721008,China;Xi'an Meicheng Intelligent Technology Co.,Ltd,Xi'an 710077,China)

机构地区：[1]宝鸡职业技术学院机电信息学院,陕西宝鸡721013 [2]宝鸡石油钢管有限责任公司钢管研究院,陕西宝鸡721008 [3]国家石油天然气管材工程技术研究中心,陕西宝鸡721008 [4]宝鸡石油钢管厂职工子弟学校,陕西宝鸡721008 [5]西安美呈智能技术有限公司,陕西西安710077

出　　处：《塑料工业》

基　　金：陕西省教育科学“十四五”规划2021年度课题(SGH21Y0574);宝鸡职业技术学院2020年度院级课题(2020130Y)。

年　　份：2022

卷　　号：50

期　　号：9

起止页码：192-197

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、ZGKJHX、核心刊

摘　　要：为进一步研究熔融沉积成型(FDM)3D打印制件力学性能与工艺参数之间的关系,试验以聚乳酸(PLA)为材料,参考正交试验和神经网络模型设计原则,利用遗传算法(GA)对反向传播(BP)神经网络初始值进行优化,建立GA-BP神经网络模型,以分层厚度、填充密度、喷嘴温度、填充速度以及外壳厚度为输入层参数,拉伸强度为输出层参数进行训练和预测,并分析其预测精度。通过对GA-BP和BP神经网络模型的预测结果进行对比发现,GA-BP神经网络模型预测值与测试实际值更为接近,误差平均值为2.27%,而BP神经网络模型预测误差平均值为4.10%,且GA-BP神经网络模型评价指标值均优于BP神经网络模型,故GA-BP神经网络模型预测精度更高,可为提升FDM 3D打印制件力学性能,优化成型工艺,指导工业生产提供参考。

关 键 词：遗传算法-反向传播神经网络  熔融沉积成型 拉伸性能  工艺参数 预测  

分 类 号：TQ320.67]