Resumen

La resistencia a la tracción, el grado de deformación y la rugosidad de la superficie son indicadores importantes para evaluar la calidad de las piezas de modelado por deposición fundida (FDM), y su predicción precisa y estable es útil para el desarrollo de la tecnología FDM. Por lo tanto, se propuso un método de predicción de la calidad de las piezas FDM basado en una red de creencia profunda optimizada. Para determinar la combinación de parámetros de proceso que tienen la mayor influencia en la calidad de las piezas FDM, se utilizó el método de análisis de correlación para filtrar los factores clave de calidad que afectan a la calidad de las piezas FDM. A continuación, utilizamos la validación cruzada de 10 veces y la búsqueda en cuadrícula (GS) para determinar la combinación óptima de hiperparámetros de la red de creencia profunda con restricciones dispersas (SDBN), proponemos un algoritmo de búsqueda de cuco adaptativo (ACS) para optimizar los pesos y los sesgos de la SDBN, y completamos la construcción del modelo de predicción basado en el trabajo anterior. Los resultados muestran que, en comparación con DBN, LSTM, RBFNN y BPNN, el modelo ACS-SDBN diseñado en este artículo puede mapear la compleja relación no lineal entre las características de calidad de la pieza FDM y los parámetros del proceso de forma más efectiva, y la precisión de verificación de CV del modelo puede alcanzar más del 95,92%. La precisión de la predicción puede alcanzar más del 96,67%, y el modelo tiene mayor precisión y estabilidad.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:parte de fdm, calidad de fdm, red de creencias profundas, parámetros de proceso, desarrollo de fdm, combinación de proceso, métodos de análisis de correlación, precisión de verificación de cvs, búsqueda de cuco adaptativa, construcción de predicción
• Keywords:fdm part, quality of fdm, deep believes network, process parameters, development of fdm, combination of process, correlation analysis methods, cvs verification accuracy, adaptive cuckoo search, construction of prediction