[发明专利]一种基于粒子群优化的3D打印工艺参数优化方法

说明书

一种基于粒子群优化的3D打印工艺参数优化方法。方法包括：根据打印作品的硬度、精度对其效果进行量化评分；根据打印作品的耗材、耗时对其效率进行量化评分；获得二者的评分标准数学模型；基于多元线性回归，生成打印结果效果评价模型，并分别输出打印作品效果函数与打印作品效率函数，根据各个工艺参数的影响系数进行分析；对效果函数进行优化，求出满足效率的最高效果分数，并输出最优工艺参数设置。提高了3D打印的工艺参数优化效率。

技术领域

本发明涉及信息技术领域，尤其涉及人工智能算法、3D打印领域。

背景技术

随着3D打印技术的飞速发展，3D打印产品可用性、耐用性以及实用性越来越高。为了发挥3D打印产品轻巧耐用成品低的优势，需要根据具体需求，对打印中的工艺参数进行不断变更，然而由于尚未有一套对工艺参数设置的成熟体系，操作者需要不断对工艺参数进行调试，或沿用先前的可能并不适用于当前模型的一套参数，耗费了大量人力物力财力，却得不到良好的效果，使3D打印广泛推广与运用遇到困难。

发明内容

本发明为了解决现有问题，提出了一种基于粒子群优化的3D打印工艺参数优化方法。一种基于粒子群优化的3D打印工艺参数优化方法，该方法包括：

生成基于打印作品效果效率评分的评价标准数学模型；

输入打印作品效率效果评分数据；

基于多元线性回归的打印作品评价结果预测模型；

基于粒子群优化算法的3D打印工艺决策；

输出最优工艺参数设置。

还提供了一种基于粒子群优化的3D打印工艺参数优化方法，其特征在于，该方法包括：

S1:对打印作品的效果、效率进行评分,具体为：

效果评分＝50％*硬度+50％*精度

效率评分＝50％*耗材+50％*耗时

S21：对基于专家评分的原始数据集采取交叉验证法，将原始数据集的70％划分为训练集，其余30％划分为测试集；

S22：对训练集数据进行线性回归拟合，得到回归模型；

S23：对回归模型进行均方根误差法检验回归模型的可靠性；

S24：获取3D打印作品效果评分函数与3D打印作品效率函数；

S31：设定最大迭代次数以及种群规模，并于定义域内随机初始化粒子；

S32：将S24中获取的3D打印作品效果评分函数定义为粒子适应值函数；

S33：粒子速度更新公式如下公式1:

V_id(t+1)＝V_id(t)+c₁*r₁*(P_id(t)-X_id(t))+c₂*r₂*(P_gd(t)-X_id(t)) (公式1)

其中，c₁、c₂被称为学子因子，c₁为个体学习因子，c₂为社会学习因子；r₁、r₂表示区间[0,1]上的随机数；V_id表示第i个变量的第d维的速度；P_id表示第i个变量的第d维个体极值，P_gd表示第d维全局最优解。

S34：粒子位置更新公式如下公式2：