پیش بینی خواص مکانیکی در ساخت افزایشی با استفاده از هوش مصنوعی

فناوری چاپ سه بعدی با فرآیند ذوب انتخابی لیزری (SLM) در سالهای اخیر پیشرفت چشمگیری در تولید قطعات با دقت و خواص مکانیکی مطلوب فراهم کرده است. با این حال، پیشبینی رفتار مکانیکی این قطعات همچنان چالشی اساسی است. این پژوهش بررسی و پیشبینی رفتار مکانیکی قطعات ساخته شده از استیل ضدزنگ ۶۱۳ با استفاده از روش های یادگیری ماشین پرداخته است. داده ها شامل ۳۶ (نمونه از مقالات پژوهشی بودند که به دو بخش آموزشی ۰۸% و آزمایشی ۰۸%.) تقسیم شدند. الگوریتم های متعدد یادگیری ماشین شامل شبکه عصبی، رگرسیون بردار پشتیبان، رگرسیون خطی و درخت تصمیم مقایسه شدند. نتایج نشان داد که مدل شبکه عصبی با دقت ۶۳.۶۶%، R²=۰.۹ و خطاهای کم (MSE=۱۳۴.۷۵ و MAE=۸.۲۵) بهترین عملکرد را دارد، در حالی که درخت تصمیم با دقت ۱۶.۶۳% ضعیفترین بود. این مطالعه نشان می دهد که یادگیری ماشین ابزاری قدرتمند برای پیشبینی رفتار مکانیکی قطعات SLM است و پیشنهاداتی برای بهبود دقت ارائه می دهد.

کلیدواژه ها:

چاپ سه بعدی ، یادگیری ماشین ، خواص مکانیکی ، پارامترهای فرایند SLM