A Nonlinear Error Compensator for FDM ۳D Printed Part Dimensions Using a Hybrid Algorithm Based on GMDH Neural Network
محل انتشار: مجله مکانیک کاربردی محاسباتی، دوره: 52، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 302
فایل این مقاله در 27 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JCAM-52-3_006
تاریخ نمایه سازی: 25 مهر 1400
چکیده مقاله:
Following the advances in Computer-Aided Design (CAD) and Additive Manufacturing (AM), with regards to the numerous benefits of the Fused Deposition Modeling (FDM) as a popular AM process, resolving its weaknesses has become increasingly important. A serious problem of the FDM is the dimensional error or size difference between the CAD model and the actual ۳D printed part.In this study, the approach is compensating the error regardless of its source. At First, all parameters affecting the dimensional accuracy of FDM are comprehensively identified. Then, multi-input–single-output (MISO) data is prepared by designing experiments using the Taguchi method and obtaining the results from ۳D printed samples. Next, a GMDH neural network is applied, which uses a simple nonlinear regression formula in each neuron but can create very complex neuron combinations. So, it is possible to analyze small or even noisy data. Regulatory parameters of the Neural Net have been optimized to increase efficiency. The case study shows a decrease in the RSME for the Nominal CAD Model from ۰.۳۷۷ to ۰.۰۳۳, displaying the compensator's efficiency.
کلیدواژه ها:
نویسندگان
Hamid Haghshenas Gorgani
Engineering Graphics Center, Sharif University of Technology, Tehran, Iran
Hossein Korani
School of Mechanical Engineering, College of Engineering, University of Tehran, Tehran, Iran
Reihaneh Jahedan
Mechanical Science & Engineering, Grainger College of Engineering, University of Illinois at Urbana Champaign, USA
Sharif Shabani
Mechanical Engineering Department, Sharif University of Technology, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :