2023/11/16
Machine Learning Study of the Effect of Process Parameters on Tensile Strength of FFF PLA and PLA-CF
Ziadia, A.; Habibi, M.; Kelouwani, S. (2023). Machine Learning Study of the Effect of Process Parameters on Tensile Strength of FFF PLA and PLA-CF. Eng 2023, 4(4), 2741-2763.
L’extrusion de matériaux est une technologie de fabrication additive populaire en raison de son faible coût, de sa disponibilité sur le marché, de sa capacité à fabriquer des pièces de géométrie complexe, de son aspect sécuritaire et de sa propreté. Cependant, l’optimisation des paramètres du procédé pour obtenir les meilleures propriétés mécaniques possibles n’a pas été étudiée de manière approfondie. Cet article vise à développer des modèles basés sur l’apprentissage machine pour prédire la résistance à la traction ultime, le module d’Young et la déformation à la rupture des pièces en PLA et PLA-CF imprimées en 3D, en utilisant la température d’impression, la vitesse d’impression et l’épaisseur de la couche comme paramètres de processus. De plus, l’étude étudie l’impact des paramètres de processus et de la sélection des matériaux sur les propriétés mécaniques des pièces imprimées et utilise des algorithmes génétiques pour une optimisation selon les spécifications de l’utilisateur. Les résultats indiquent que les paramètres du processus et la sélection des matériaux influencent de manière significative les propriétés mécaniques des pièces imprimées. Les modèles prédictifs d’apprentissage machine ont donné une valeur R 2 de 91,75 % pour la résistance ultime à la traction, de 94,08 % pour le module d’Young et de 88,54 % pour la déformation à la rupture. L’algorithme génétique a réussi à identifier les valeurs optimales des paramètres pour les propriétés mécaniques souhaitées. Pour une résistance à la traction ultime optimale, le PLA-CF a été utilisé à 222,28 °C, couche de 0,261 mm, vitesse de 40,30 mm/s, ce qui donne 41,129 MPa. Pour le module de Young : 4423,63 MPa, PLA-CF, 200,01 °C, couche de 0,388 mm, 40,38 mm/s. Pour déformation à la rupture : 2,249 %, PLA, 200,34 °C, couche de 0,390 mm, 45,30 mm/s. De plus, ce travail est le premier à modéliser les relations propriétés processus-structure pour un processus de fabrication additive et à utiliser une approche d’optimisation multi-objectifs pour plusieurs propriétés mécaniques, en utilisant des algorithmes basés sur l’apprentissage machine et des algorithmes génétiques.