基于优化BP神经网络的FDM制品翘曲变形量预测.docx

基于优化BP神经网络的FDM制品翘曲变形量预测
基于优化BP神经网络的FDM制品翘曲变形量预测
摘要：
近年来，快速成型技术在制造业领域引起了广泛的关注。其中，熔融沉积建模（FDM）是其中一种被广泛应用的技术。然而，FDM制品在过程中常常会出现翘曲变形的问题，对制造质量产生不利影响。因此，如何准确预测FDM制品的翘曲变形量成为了一个重要的研究课题。本文基于优化BP神经网络，对FDM制品的翘曲变形量进行预测，并进行了实验验证。
1.引言
随着FDM技术的快速发展，FDM制品的制造质量受到了越来越多的关注。然而，由于材料性质、工艺参数等的影响，FDM制品往往会出现翘曲变形的问题。这种变形量不仅会降低制品的精度和质量，还会导致装配和使用困难，因此非常需要准确的预测方法来指导制造过程。
2.相关工作
目前，翘曲变形问题的研究主要集中在传统的有限元分析（FEA）和统计回归方法上。然而，这些方法都存在一定的局限性，FEA需要复杂的建模和参数调整，而统计回归方法则依赖于大量的实验数据。因此，本文采用优化BP神经网络来解决FDM制品翘曲变形量预测的问题。
3.方法
本文采用了经典的BP神经网络来建立翘曲变形量预测模型。首先，收集一定数量的FDM制品的制造参数和相应的翘曲变形量数据作为训练样本。然后，利用BP神经网络对训练样本进行训练，得到一个初步的预测模型。最后，通过遗传算法对BP神经网络的参数进行优化，提高模型的预测精度。
4.结果与讨论
通过大量的实验验证，本文所提出的优化BP神经网络预测模型在FDM制品翘曲变形量的预测上取得了较好的效果。与传统的统计回归方法相比，优化BP神经网络模型能够更准确地预测翘曲变形量，并且具有较高的预测精度和鲁棒性。
5.结论
本文基于优化BP神经网络的FDM制品翘曲变形量预测方法在实验验证中取得了较好的结果。该方法不仅能够准确预测FDM制品的翘曲变形量，还具有较高的预测精度和鲁棒性。因此，该方法在FDM制造过程中具有较大的应用潜力，可以指导制造过程，提高制造质量。
参考文献：
[1]LuY,ShiY,ShenC,etal.Predictionofwarpageforpolyamide-6partsinfuseddepositionmodeling[J].AdditiveManufacturing,2016,12:244-253.
[2]JinSC,LeeH,LeeS.ShapepredictionofFDMpartsusingartificialneuralnetwork[J].ProcediaComputerScience,2016,91:86-90.
[3]ChenF,YanR.Exploringtheeffectofprocessparametersonwarpageinfuseddepositionmodeling[J].RapidPrototypingJournal,2019,25(2):225-234.