基于GA-BP神经网络算法的FDM 3D打印制件拉伸性能预测

作者：白鹤; 赵明侠; 袁一如; 刘亚明; 何石磊; 庞瑞; 郭晓东

来源：塑料工业, 2022, 50(09): 192-197.

• 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

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。

• 单位
  宝鸡职业技术学院; 宝鸡石油钢管有限责任公司