一种用于FDM打印ASA力学性能预测的异构多输出堆叠学习框架:实验验证

发布时间:2026-08-29 | 来源:MDPI Polymers | 分类:ASA | 作者:Afnan Haider Khan, Farheen Umar, Umar Ayoub, Mushaf Ur Rehman Khan, Shahbaz Haneef, Muhammad Siddiqu

由于熔融沉积建模(FDM)制造的聚合物部件的力学性能预测,因工艺参数与材料性能之间复杂的非线性关系而仍具挑战性,这限制了可靠的工艺规划及聚合物增材制造在更广泛工业领域的应用。本研究开发并实验验证了一种异构多输出堆叠集成学习框架,用于同时预测丙烯腈-苯乙烯-丙烯酸酯(ASA)的拉伸强度、弯曲强度、压缩强度、洛氏硬度和夏比

由于熔融沉积建模(FDM)制造的聚合物部件的力学性能预测,因工艺参数与材料性能之间复杂的非线性关系而仍具挑战性,这限制了可靠的工艺规划及聚合物增材制造在更广泛工业领域的应用。本研究开发并实验验证了一种异构多输出堆叠集成学习框架,用于同时预测丙烯腈-苯乙烯-丙烯酸酯(ASA)的拉伸强度、弯曲强度、压缩强度、洛氏硬度和夏比冲击强度。ASA是一种高性能工程热塑性塑料,具有优异的耐候性和抗紫外线性能,但在数据驱动的FDM研究中相对未被充分探索。采用确定性筛选设计(DSD)研究了八个关键工艺参数:挤出温度(ET)、热床温度(BT)、填充密度(ID)、层高(LH)、打印速度(PS)、光栅角度(RA)、构建方向(BO)和冷却风扇转速(CFS)。系统性地对多种监督学习算法进行了基准测试,并将性能最优的互补模型集成到异构堆叠集成框架中,以实现同步多输出预测。所提出的框架总体R²达到0.9943,总体均方根误差(RMSE)为0.9758,而各单独预测模型的R²值介于0.9898至0.9967之间。除提升预测精度外,

返回资讯频道