基于机器学习的混合高分子材料打印缺陷的研究

作     者：任晓祥 

作者单位：沈阳理工大学 

学位级别：硕士

导师姓名：郑雄飞;王晓云

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：微挤出式3D打印 翘曲变形 机器学习 有限元仿真 

摘      要：本文以科技部重点研发计划“3D打印可降解椎间融合器为依托,在已经完成部分项目基础上进一步深入开展的。本文针对微挤出式3D打印过程中使用混合高分子材料作为打印原料时常见缺陷——翘曲变形为研究对象,通过分析整个打印过程,建立定性物理模型,借助有限元分析微挤出模块热传导探讨翘曲缺陷产生过程以及影响因素。将打印零散数据按照机器学习方法,收集数据、优化数据、特征选取、算法引入、分析原因。本文主要内容有:(1)分析了微挤出式3D打印技术的工作原理及过程,指出打印过程中的可调参数及其作用;分析了加工过程中成型件翘曲变形产生的机理及其影响因素;阐述了加工过程中对成型件翘曲量的测度方法。(2)分析微挤出式3D打印技术传热过程,根据打印设备构建挤出模块有限元仿真模型,并通过实验验证喷嘴温度与温控之间关系。根据翘曲建立物理模型,实验验证模型定性关系,收集实验数据,以及通过实验结果分析减少翘曲措施。将已经合格打印支架进行部分表征实验以及SEM观察成纤维细胞在支架上黏附实验。(3)为符合决策树算法使用模式,对打印实验数据进行预处理,分析决策树、随机森林算法概念与原理,对打印数据中影响较大特征进行决策树分析。最后找到翘曲特征中影响最大的两个变量,对极大缓解翘曲缺陷做出努力。