<span lang="FA">اجرای الگوریتم یادگیری ماشین پیش بینی استحکام کششی و مدول یانگ قطعات ساخت افزودنی بر پایه اکستروژن ذوبی مواد

فناوری ساخت افزودنی، هوش مصنوعی و الگوریتم های یادگیری ماشین از زمینه های فنی مهندسی هستند که در سال های اخیر به طور گسترده مورد استفاده قرار گرفته اند. از این رو مقاله حاضر به برقراری ارتباط بین این زمینه های نوین در طراحی و ساخت و تولید قطعات توجه دارد. با توسعه مواد جدید و نیاز روزافزون مهندسین و طراحان به پیش بینی خصوصیات مکانیکی قطعات پرینت شده با فرآیند لایه گذاری، به ایجاد دادگان و گسترش الگوریتم یادگیری ماشین جهت پیش بینی خواص قطعات ساخته شده به روش اکستروژن، پرداخته شده است. با تحلیل و دسته بندی نتایج آزمون کشش روی قطعات چاپ سه بعدی، داده های مناسب جهت پیاده سازی الگوریتم های یادگیری ماشین ایجاد شد. سپس شبکه های مختلف تحت الگوریتم های طبقه بندی کننده مانند درخت تصمیم گیری، دستگاه بردار پشتیبان، و نزدیک ترین همسایه های k برای پیش بینی استحکام کششی و مدول یانگ قطعات تولید شده با ورودی های متفاوت دستگاه چاپگر بر پایه اکستروژن ذوبی و لایه نشانی مواد، ایجاد شده و طبق معیارهای استاندارد، دقت آن اندازه گیری شد. در نهایت مدل تولید شده توسط الگوریتم طبقه بندی کننده درخت تصمیم گیری با به دست آوردن نمرات دقت سنجی بالا (دقت: ۹۰.۹%، سطح زیر منحنی:۰.۹۲، نمرهF۱: ۰.۸۸) دارای قابلیت مناسب برای استفاده در پیش بینی استحکام کششی مواد شناخته شد. از نتایج این پژوهش می توان جهت بهینه سازی طراحی و همچنین تولید پایگاه های داده آزمایشی قابل قبول بهره گرفت چون می توان گفت مسیر آینده طراحی و ساخت دیجیتال با شناخت بهتر علم داده و ابزارهای شبیه سازی خواص نهایی دسته بندی شده قابل تصور است.

کلیدواژه ها:

چاپ سه بعدی ، علم داده ، هوش مصنوعی ، ساخت با رشته ذوب شونده ، خواص مکانیکی