مدلسازی مبتنی بر یادگیری ماشین فرآیندهای ساخت افزایشی فلزی با استفاده از روش های داده افزایی و یادگیری گروهی

با وجود قابلیت های فراوان ساخت افزایشی فلزی، این روش با محدویت هایی از جمله قابلیت تکرارپذیری و تضمین کیفیت قطعات مواجه می باشد. جهت رفع این محدودیت ها به مدلسازی دقیق فرآیند نیاز است. از طرفی، کارایی روش های مدلسازی سنتی برای این امر پایین می باشد. یکی از روش های جدید مدلسازی مبتنی بر داده که امکان کشف الگوهای پنهان در فرآیندهای غیرخطی را فراهم می کند، یادگیری ماشین است. با وجود مزایای فراوان، به دلیل تعداد محدود داده در فرایند ساخت افزایشی، پیاده سازی یادگیری ماشین با مشکلاتی مواجه است. در این مقاله برای رفع این موارد از ترکیب داده افزایی و یادگیری ماشین برای مدلسازی دو روش شناخته شده ساخت افزایشی فلزی استفاده شده است. یادگیری گروهی برای بهبود دقت مدل به کار رفته است. نتایج شبیه سازی نشان دهنده کارایی روش پیشنهادی در مدلسازی مناسب فرآیند ساخت افزایشی فلزی می باشد. عملکرد مدل های پیشنهادی به ترتیب به اندازه ۵۳ و ۴۸ درصدی نسبت به حالت بدون داده افزایی بهبود یافته است.

کلیدواژه ها:

ساخت افزایشی فلزی ، یادگیری ماشین ، داده افزایی ، یادگیری گروهی ، مدلسازی