FDM工艺参数对聚乳酸/石墨烯复合材料制件弯曲性能的影响

为了提高聚乳酸(PLA)复合材料3D打印制件的性能,采用三因素三水平正交试验设计,研究了用熔融沉积成型(FDM)工艺3D打印PLA/石墨烯复合材料制件过程中,打印层高、填充密度以及构建取向对制件弯曲性能的影响。结果表明,石墨烯对PLA/石墨烯复合材料制件有较好增强效果,各试验参数对3D打印PLA/石墨烯复合材料制件弯曲强度的影响大小顺序为：构建取向>填充密度>层高,且当构建取向为侧立方式,填充密度为80%,层高为0.2 mm时,制件具有最佳的弯曲强度;对复合材料制件弯曲弹性模量的影响大小依次为：填充密度>层高>构建取向,且当构建取向为侧立,填充密度为80%,层高为0.1 mm时,制件具有最佳的弯曲弹性模量。     

GA-BP神经网络的钛合金微弧氧化膜层厚度预测模型的建立

利用正交试验法获得的TC4钛合金微弧氧化实验数据建立了基于4-11-1(即4个输入神经元,11个隐含层节点,1个输出神经元)结构的BP神经网络预测膜层厚度的模型,并引入遗传算法(GA)对其权值和阈值进行优化。以微弧氧化工艺参数中的电流密度、脉冲频率、占空比和氧化时间作为网络的输入向量,氧化膜层厚度作为网络的输出向量,对比和分析了BP与GA-BP模型的预测结果。与BP网络模型相比,GA-BP网络模型稳定性能较好,并能高精度预测膜层的厚度,GA-BP网络模型预测值的平均误差为0.015,最大误差仅为0.036,而BP模型预测结果的平均误差为0.064,最大误差为0.099。     

FDM 3D打印工艺参数对PLA制件力学性能的影响

采用五因素四水平正交试验设计,对16组不同工艺参数(打印层厚、填充密度、打印温度、填充速度、外壳厚度)的FDM 3D打印聚乳酸(PLA)制件力学性能进行了测试和结果分析,确定了影响PLA制件力学性能的主要因素,其中,外壳厚度对制件力学性能影响最为明显,打印温度影响最小,同时分析得到了在打印层厚0.15 mm,填充密度40%,打印温度210℃,填充速度60 mm/s,外壳厚度1.6 mm条件下可获得力学性能最佳的制件。最后对试验数据进行回归分析,拟合得到了FDM打印工艺参数与PLA制件力学性能指标的数学模型;通过对不同打印工艺参数的试样进行试验验证,表明该模型拟合误差小(5%以内),可靠性高,可用来对FDM 3D打印制件的加工提供参考。     

基于优化神经网络的高拱坝力学参数反演

高拱坝力学性能参数变化规律复杂,使用人工智能算法进行预测已经成为反演参数的重要手段。使用遗传算法对神经网络进行优化来检验优化后算法的性能,并比较不同算法应用于参数反演中预测结果的精度。根据某高拱坝运行期变形监测数据,分别使用RBF神经网络和遗传算法优化的BP(GA-BP)神经网络对不同水位工况下的坝段分区混凝土弹性模量进行反演。基于反演结果进行有限元正分析计算,将所得结果与实测数据进行对比,检验反演精度和效率。结果表明:GA-BP网络的最大预测误差为1.8%,相比于RBF网络预测精度提高了约50%。使用神经网络进行拱坝力学参数反演实用性好,优化后的神经网络比传统BP神经网络在计算精度和效率两方面均有明显改进,且GA-BP神经网络反演比RBF神经网络反演精度更高。     

基于遗传算法优化的BP神经网络气化用煤灰流动温度预测模型

采用遗传算法优化的BP神经网络建立煤灰流动温度预测模型，模型以灰成分及酸碱质量比、硅铝质量比等组合参数作为输入变量，以煤灰流动温度作为输出量，对126组来自中国北部地区的煤灰样数据进行训练与测试，并建立常规BP神经网络模型，研究了各输入变量对网络模型预测精度的影响并对比与常规BP神经网络模型的预测能力。结果表明：不同输入层变量的GA-BP神经网络模型对训练集和测试集样本数据都具有较好的学习和泛化能力，所有预测结果相对平均预测误差均不超过4%。酸碱质量比和硅铝质量比参数作为神经网络输入层的添加，虽略微提高模型对训练样本的拟合程度，但也导致验证时过拟合现象的发生，模型对新样本的拟合优度下降。采用SiO₂,Al₂O₃,Fe₂O₃,CaO,MgO和Na₂O+K₂O的质量分数6个参数作为输入变量的GA-BP模型最为适合，其对测试集数据的预测相对平均误差为3.45%,低于常规BP神经网络模型3.79%的误差。     

基于ASO-BP神经网络的海底油气管道腐蚀速率预测

随着我国海洋油气管网的发展与建设，管道数据采集量随之增大，优秀的预测模型可以应对大量数据，准确预测管道腐蚀速率，对保障管道安全健康运行具有重大意义。将原子搜索优化算法（ASO）思想引入BP （Back propagation）神经网络，构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测。以50组现场数据为例，使用Matlab进行模拟仿真计算，分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比，对海底油气管道腐蚀速率数据进行训练和预测，结果表明ASO-BP模型预测精度较高，其平均绝对百分比误差（MAPE）为3.16%，预测结果优于BP、GA-BP和ACO-BP，验证了其可靠性以及良好的预测性能，为海底管道腐蚀速率预测研究提供了新的方法和思路。     

基于灰色-神经网络组合模型的纤维混凝土腐蚀劣化预测模型研究

将体积掺量为0.3%的聚乙烯醇(PVA)纤维掺入C30混凝土,分别开展不同浓度溶液作用下的全浸泡-烘干试验,从而探究PVA纤维混凝土的抗劣化性能。以劣化试验数据作为原始样本值,分别建立GM(1,1)模型、BP神经网络模型和GM(1,1)-BP神经网络组合模型对样本数据进行拟合精度对比,并对35～50次循环后的相对动弹性模量数值做出预测,分析整体变化趋势。结果表明：混凝土试件在10倍基准浓度溶液下的评价指标变化最稳定,表明PVA体积掺量为0.3%的试件在高浓度溶液下的抗劣化性能较好;GM(1,1)模型对样本的整体趋势变化预测较为准确;BP神经网络模型对样本单一点的变化趋势预测较为准确,整体精度最高;而组合模型克服了两种单一模型的不足之处,预测值与测试值的变化趋势一致,预测效果最好。     

连续与短切CF增强PA6复合材料双喷头3D打印工艺参数优化

为提升连续碳纤维(CF)和短切CF增强尼龙6复合材料3D打印制件的力学性能、优化3D打印基础工艺参数，基于熔融沉积型3D打印工艺，通过自主搭建的双喷头3D打印实验平台制备打印制件，并以此为研究对象，设计4因素3水平正交试验，研究连续CF隔层数、连续CF打印间距、打印温度、打印速度四种工艺参数对打印制件拉伸强度和弯曲强度的影响。采用极差分析法得到最佳工艺参数组合，验证正交试验结果。使用扫描电子显微镜观察拉伸制件和弯曲制件的断裂面微观形貌，进一步探究了打印制件的层间断裂形貌特性和层内丝材分布规律。结果表明，当连续CF隔层数为1、连续CF打印间距为0.5 mm、打印温度为250℃、打印速度为900 mm/s时，打印制件的层内沉积线之间孔隙较少，层间结合效果较好，其拉伸强度和弯曲强度达到最高，分别为109.73 MPa和119.14 MPa，与短切CF增强尼龙6复合材料相比，拉伸强度提升了249%，弯曲强度提升了286%。     

GA-BP神经网络在钛合金微弧氧化膜厚度预测上的应用

采用微弧氧化技术制备钛合金微弧氧化膜。通过正交试验得到了不同电解液组成下的膜层厚度,借助Matlab软件建立4-11-1的BP神经网络模型,利用遗传算法对网络的权值与阈值进行优化。优化后的网络能够较好地反映电解液参数与膜层厚度间的内在规律。与BP神经网络模型相比,GA-BP神经网络模型的预测精度更高。     

FDM工艺制品精度分析及优化方法

在熔融沉积技术(FDM)中,各种变量如机械结构、耗材种类、层高、打印速度、温度、支撑方式等对最终打印制品的外观和尺寸精度有较大影响。文章详细分析了FDM工艺成型方式,利用FDM工艺的3D打印机制作相关实验模型,通过精确测量和理论分析获知误差产生的原因,并提出相关优化方案。对提高FDM工艺的3D打印制品精度有重要意义,有助于推动3D打印技术工业化应用。     

3D打印工艺对木粉/聚乳酸材料性能的影响

采用熔融沉积法(FDM)3D打印工艺制作木粉(WF)与聚乳酸(PLA)质量比为3：100的WF/PLA复合材料,研究了打印工艺参数对WF/PLA复合材料力学性能的影响,确定了最佳打印工艺条件,然后,在最佳条件下,打印WF与PLA质量比为11：100的WF/PLA复合材料,并且,将该材料的性能与FDM 3D打印PLA试样进行了对比。结果表明,当打印层厚度为0.1 mm、打印温度为220℃、打印速度为50 mm/s、填充密度为100%、沉积角度为0时,WF/PLA复合材料的力学性能最佳。在该工艺条件下,WF与PLA质量比为11：100的WF/PLA复合材料的拉伸强度、拉伸模量、弯曲强度、弯曲模量和冲击强度分别为纯PLA的89.61%、97.56%、82.86%、92.40%和95.04%,与纯PLA相比,复合材料的表面润湿性能较好,吸水率显著增大。     

熔融沉积3D打印材料粘接强度及模量预测研究

主要介绍了一种用于预测熔融沉积模型(FDM)层间粘接强度的扩散修复模型。根据流变数据确定温度相关扩散模型,基于一维瞬态热分析预测FDM部件层间的扩散。将温度历史上的扩散系数对时间积分得到界面分子总扩散,进而得到层间粘接强度预测模型。结果表明：不同打印条件下预测结果与测得的粘合强度结果的吻合度较好,且该模型经修正后也适用于FDM部件弹性模量的预测。通过三点弯曲实验与数值模拟的结果对比,验证了粘接强度及模量预测模型的可用性。因此,可以作为FDM打印件承载性能预测的有效模型。     

基于SVR误差补偿技术的神经网络城市污水厂水质预测

城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模。为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法。该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获得BP网络的预测补偿,进行预测数据校正。为了验证补偿模型的性能,还组织了马尔科夫补偿模型的对比试验。试验结果表明,SVR误差补偿模型可有效提高模型预测的精度,且模型性能优于马尔科夫补偿模型。     

基于不同神经网络模型的橡胶减振器性能预测的应用研究

利用BP和GRNN神经网络建立胶料性能和减振器性能之间的预测模型,并对预测结果的误差进行对比分析。结果表明,利用BP神经网络建立的预测模型预测平均相对误差在16%以内,利用GRNN神经网络建立的预测模型预测平均相对误差在5%以内,说明使用GRNN神经网络进行减振器性能预测精度更高、效果更好。     

熔融沉积3D打印材料粘接强度及模量预测研究

主要介绍了一种用于预测熔融沉积模型(FDM)层间粘接强度的扩散修复模型。根据流变数据确定温度相关扩散模型,基于一维瞬态热分析预测FDM部件层间的扩散。将温度历史上的扩散系数对时间积分得到界面分子总扩散,进而得到层间粘接强度预测模型。结果表明:不同打印条件下预测结果与测得的粘合强度结果的吻合度较好,且该模型经修正后也适用于FDM部件弹性模量的预测。通过三点弯曲实验与数值模拟的结果对比,验证了粘接强度及模量预测模型的可用性。因此,可以作为FDM打印件承载性能预测的有效模型。     

近临界区CO2物性预测模型对比与修正

超临界二氧化碳(SCO_2)布雷顿循环系统是未来极具潜力的发电能量转换系统,CO_2物性表征模型对布雷顿循环系统中动力设备转轴密封和轴承性能的预测精度影响显著。在总结权威文献中不同温度和压力下CO_2物性实验测试数据的基础上,对比分析了经典物性查询软件REFPROP软件中CO_2密度、黏度和热导率预测模型的预测精度,获得了预测精度最高的物性预测模型及对应临界点附近误差较大的区域,采用人工神经网络算法获得了近临界区预测精度更高的CO_2物性预测模型。结果表明:REFPROP软件中的FEK模型、VS1模型和TC1模型分别对CO_2的密度、黏度和热导率具有最高的预测精度,不过其在近临界区的物性预测最大和平均误差仍分别达到40%和8%以上,利用神经网络算法所获得的CO_2物性预测模型可使近临界点区的物性预测最大和平均误差分别降至30%和4%以下。     

熔融沉积成型(FDM)工艺参数优化设计研究

成型精度一直是熔融沉积成型(FDM)打印的关键问题,在分析了FDM成型原理、实践经验和硬件条件的基础上,对层高、打印速度、打印温度三个参数进行了优化设计。根据FDM成型原理建立理论模型,运用Matlab软件仿真分析了打印速度、打印温度、层高三个参数对制件表面质量的影响机理,设计三因素三水平正交试验方案来探究各参数对各方向尺寸精度的影响程度,确定了使得各方向成型精度较高的优方案,进而实现了FDM工艺参数优化。而试验结果也验证了理论与试验的一致,为实际操作提出理论指导。     

GA-BP神经网络在钢铁加热炉建模中的应用

基于现场采集的大量的数据,采用BP神经网络建立现场加热炉炉温的非线性模型,并提出利用遗传算法优化BP神经网络的参数与阈值,有效避免了BP神经网络易陷入局部最小值、收敛速度慢的不足。仿真结果表明:在同样的数据集下,GA-BP神经网络的稳定性更好,预测精度更高。     

FDM 3D打印翘曲变形成因分析及解决对策

针对熔融沉积成型(FDM) 3D打印过程中制件常见的翘曲变形问题,从工艺参数、工件参数以及其他因素三个方面逐条对其成因进行了归纳总结和具体分析,并给出了在一般情况下可有效降低制件翘曲变形所推荐选用的扫描速度、喷嘴温度、热床温度、环境温度以及切片厚度等参数的具体数据,同时在填充率、打印材料选择、制件尺寸形状以及首层打印时喷嘴与热床距离和热床表面处理方面给出了消除翘曲变形的合理建议。为FDM 3D打印制件质量的提高和工艺优化提供参考。     

改性油茶壳粉增强聚乳酸3D打印材料性能研究

以废弃油茶壳（COS）为原料,经过碱和硅烷偶联剂处理后,制得改性COS。将改性COS与聚乳酸（PLA）经熔融共混挤出、拉丝,制备适用于熔融沉积成型（FDM）的改性COS/聚乳酸（PLA）3D打印材料,对其力学性能、热学性能、打印性能等进行探讨。结果表明：采用碱和硅烷偶联剂改性COS,可以显著提高COS的初始热分解温度,也提高改性COS/PLA 3D打印材料的热稳定性。当改性COS的质量分数为3%,改性COS/PLA 3D打印材料的弯曲强度和拉伸强度最大分别为66.97 MPa和53.57 MPa,相比纯PLA分别提高15.19%和12.05%,而且聚合物的结晶度提高15.6%。通过FDM 3D打印技术成功制备了个性化艺术品,打印效果良好。