工艺与制造英文2025
聚合物复合材料制件浸润工艺参数的神经网络预测方法
Нейросетевое прогнозирование параметров пропитки заготовок деталей из полимерных композиционных материалов
I. D. Shonichev, Константин Валерьевич Михайловский, В С Тынченко, Вячеслав Владимирович Богачёв
摘要整理
大型聚合物复合材料（PCM）结构件采用真空灌注工艺制造具有显著经济优势，无需昂贵的自动化设备（如高压釜、真空热箱等）。为提高PCM大型结构件质量，需严格控制树脂粘度、模具温度、树脂温度、进液点和排液点等关键参数。由于浸润过程复杂，工艺参数选择中存在大量经验性做法，易导致PCM制件工艺缺陷。因此需采用数学建模方法和建立实时质量控制体系。本研究基于参数化建模和机器学习，开发了PCM制件树脂浸润工艺参数预测方法，以提升制件质量。通过参数化模型模拟PCM浸润过程，建立自动化流程并获取机器学习训练数据。确定了预测模型的关键精度指标，提出了基于全连接前向传播人工神经网络的可扩展预测模型。对传感器系统参数和神经网络超参数进行了优化，研究了数据集规模对预测精度的影响。结果表明该预测模型具有实际工程应用价值，可有效指导真空灌注工艺参数的选择，降低工艺缺陷率，提高大型PCM结构件的制造质量和生产效率。
相关论文
A review of recent developments in natural fibre composites and their mechanical performance
Composites Part A Applied Science and Manufacturing · 2015
Non-invasive electrical and magnetic stimulation of the brain, spinal cord, roots and peripheral nerves: Basic principles and procedures for routine clinical and research application. An updated report from an I.F.C.N. Committee
Clinical Neurophysiology · 2015
Lignocellulosic biomass: a sustainable platform for the production of bio-based chemicals and polymers
Polymer Chemistry · 2015
Design for Additive Manufacturing: Trends, opportunities, considerations, and constraints
CIRP Annals · 2016
Nanoimprint Lithography: Methods and Material Requirements
Advanced Materials · 2007
Nanocomposites: synthesis, structure, properties and new application opportunities
Materials Research · 2009
← 返回论文库整理：复材站编辑部