基于混合机器学习方法预测3D打印齿轮磨损性能

摘要

将遗传算法（GA）和人工神经元网络（ANN）相结合，对熔融沉积成型（FDM）工艺制造的碳纤维增强尼龙齿轮磨损性能进行建模，研究喷嘴温度、打印速度、填充密度和平台温度对磨损性能的影响。结果表明：上述4个因素变化时，齿轮磨损寿命在0.03～33.99 h之间波动。ANN模型两个隐含层中神经元数量分别为2和25时，模型预测与实验磨损寿命的均方误差(E_MS)最低，达到0.001 96，最优ANN结构为4-2-25-1。采用GA对ANN模型权重进行优化，随着迭代次数的增加，E_MS最低达到0.001，远优于未经GA优化网络的0.150。GA+ANN混合模型可以准确预测齿轮磨损寿命，相关系数（R）为0.987 1，同样优于未经GA优化ANN模型的0.901 4。基于Garson算法得到4个因素对磨损寿命影响的显著性顺序为：填充密度>打印速度>喷嘴温度>平台温度。填充密度对齿轮磨损寿命的贡献度最高，为56.7%；平台温度的影响最小，贡献度仅为2.3%。

关键词

遗传算法 / 人工神经元网络 / 敏感性分析 / 熔融沉积成型 / 磨损性能