期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GA-BP神经网络算法的FDM 3D打印制件拉伸性能预测
被引量：
7
1
作者
白鹤
赵明侠
+4 位作者
袁一如
刘亚明
何石磊
庞瑞
郭晓东
《塑料工业》
CAS
CSCD
北大核心
2022年第9期192-197,共6页
为进一步研究熔融沉积成型(FDM)3D打印制件力学性能与工艺参数之间的关系,试验以聚乳酸(PLA)为材料,参考正交试验和神经网络模型设计原则,利用遗传算法(GA)对反向传播(BP)神经网络初始值进行优化,建立GA-BP神经网络模型,以分层厚度、填...
为进一步研究熔融沉积成型(FDM)3D打印制件力学性能与工艺参数之间的关系,试验以聚乳酸(PLA)为材料,参考正交试验和神经网络模型设计原则,利用遗传算法(GA)对反向传播(BP)神经网络初始值进行优化,建立GA-BP神经网络模型,以分层厚度、填充密度、喷嘴温度、填充速度以及外壳厚度为输入层参数,拉伸强度为输出层参数进行训练和预测,并分析其预测精度。通过对GA-BP和BP神经网络模型的预测结果进行对比发现,GA-BP神经网络模型预测值与测试实际值更为接近,误差平均值为2.27%,而BP神经网络模型预测误差平均值为4.10%,且GA-BP神经网络模型评价指标值均优于BP神经网络模型,故GA-BP神经网络模型预测精度更高,可为提升FDM 3D打印制件力学性能,优化成型工艺,指导工业生产提供参考。
展开更多
关键词
遗传算法-反向传播神经网络
熔融沉积成型
拉伸性能
工艺参数
预测
在线阅读
下载PDF
职称材料
题名
基于GA-BP神经网络算法的FDM 3D打印制件拉伸性能预测
被引量：
7
1
作者
白鹤
赵明侠
袁一如
刘亚明
何石磊
庞瑞
郭晓东
机构
宝鸡职业
技术
学院机电信息学院
宝鸡石油钢管
有限
责任
公司
钢管研究院
国家石油天然气管材工程
技术
研究中心
宝鸡石油钢管厂职工子弟学校
西安美呈智能技术有限公司
出处
《塑料工业》
CAS
CSCD
北大核心
2022年第9期192-197,共6页
基金
陕西省教育科学“十四五”规划2021年度课题(SGH21Y0574)
宝鸡职业技术学院2020年度院级课题(2020130Y)。
文摘
为进一步研究熔融沉积成型(FDM)3D打印制件力学性能与工艺参数之间的关系,试验以聚乳酸(PLA)为材料,参考正交试验和神经网络模型设计原则,利用遗传算法(GA)对反向传播(BP)神经网络初始值进行优化,建立GA-BP神经网络模型,以分层厚度、填充密度、喷嘴温度、填充速度以及外壳厚度为输入层参数,拉伸强度为输出层参数进行训练和预测,并分析其预测精度。通过对GA-BP和BP神经网络模型的预测结果进行对比发现,GA-BP神经网络模型预测值与测试实际值更为接近,误差平均值为2.27%,而BP神经网络模型预测误差平均值为4.10%,且GA-BP神经网络模型评价指标值均优于BP神经网络模型,故GA-BP神经网络模型预测精度更高,可为提升FDM 3D打印制件力学性能,优化成型工艺,指导工业生产提供参考。
关键词
遗传算法-反向传播神经网络
熔融沉积成型
拉伸性能
工艺参数
预测
Keywords
GA-BP neural network
Fused Deposition Modeling
Tensile Property
Process Parameters
Prediction
分类号
TQ320.67 [化学工程—合成树脂塑料工业]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GA-BP神经网络算法的FDM 3D打印制件拉伸性能预测
白鹤
赵明侠
袁一如
刘亚明
何石磊
庞瑞
郭晓东
《塑料工业》
CAS
CSCD
北大核心
2022
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
