基于FDM制造的聚合物复合结构力学行为的混合实验-机器学习研究

发布时间:2025-07-23 | 来源:Semantic Scholar | 分类:ABS | 作者:O. Ulkir; S. Ersoy

本研究探讨了采用熔融沉积建模(FDM)制造的聚合物及复合材料试样的力学行为,重点关注三种材料配置:丙烯腈-丁二烯-苯乙烯(ABS)、碳纤维增强聚邻苯二甲酰胺(PPA/Cf)以及一种夹层结构复合材料。利用Box–Behnken设计(BBD)制定了系统的实验方案,以研究材料类型(MT)、填充图案(IP)和打印方向(PD)对

本研究探讨了采用熔融沉积建模(FDM)制造的聚合物及复合材料试样的力学行为,重点关注三种材料配置:丙烯腈-丁二烯-苯乙烯(ABS)、碳纤维增强聚邻苯二甲酰胺(PPA/Cf)以及一种夹层结构复合材料。利用Box–Behnken设计(BBD)制定了系统的实验方案,以研究材料类型(MT)、填充图案(IP)和打印方向(PD)对拉伸强度和弯曲强度的影响。实验结果显示,采用“交叉”填充图案并以“平放”方向打印的PPA/Cf材料表现出最高的力学性能,其拉伸强度达到75.8 MPa,弯曲强度达到102.3 MPa。相比之下,采用“网格”图案和“直立”方向的ABS部件性能最低,拉伸强度为37.8 MPa,弯曲强度为49.5 MPa。方差分析(ANOVA)结果证实,所有三个因素均对两种输出结果产生显著影响(p < 0.001),其中材料类型(MT)是最主要的因素。采用机器学习(ML)算法,包括贝叶斯线性回归(BLR)和高斯过程回归(GPR),对力学性能进行预测。GPR在整体精度上表现最佳,拉伸强度的R² = 0.9935,MAPE = 11.14%;弯曲强度的R² = 0.9925,MAPE = 12.96%。相比之下,传统BBD方法的性能略低,拉伸强度的MAPE = 13.02%,R² = 0.9895。针对三种未见配置的验证测试清楚展示了模型的泛化能力。基于实际值与预测值的对比,GPR的平均预测误差最低,拉伸强度的MAPE为0.54%,弯曲强度的MAPE为0.45%。相比之下,BLR的误差分别为0.79%和0.60%,而BBD的误差显著更高,分别为1.76%和1.32%。

返回资讯频道