3D打印的數學建模需要大量的機器時間,在某些情況下,即使是簡單的結構,制造過程中的計算也要花費一周的時間。為了加速這一過程,彼得大彼德堡理工大學輕質材料和結構實驗室(SPbPU)的研究人員開發了神經網絡。它不僅可以更快地構建結構,還可以使用在學習先前數據時由神經網絡建立的參數來制造新零件,因此無需為每個結構進行完整的建模過程。研究人員使用這種方法來獲得3D打印過程參數并確保過程的穩定性。
神經網絡是用于大型數據集處理的計算系統。該網絡是在MATLAB®環境中構建的,數據集是手動輸入的。“下一步是創建一個基于神經網絡的在線系統,該系統具有自動輸入數據集和輸出參數的功能,因此該系統將不斷學習。我們相信,新系統將改善零件質量,并加快用于進一步制造的參數開發速度,”輕質材料和結構SPbPU實驗室負責人Oleg Panchenko說。
發達的神經網絡已經用于評估制造零件的質量參數,例如,焊接過程是否穩定,金屬是否被正確熔化和轉移。此外,研究人員還使用此網絡來開發用于制造標頭的穩定打印模式。他們已經申請了專利。
將來,使用類似的方法將提供一個機會來創建全自動的自學習系統,該系統能夠在沒有人工監督的情況下不斷提高制造零件的質量。