Математическая модель прогнозирования предела прочности сплава AlSi10Mg, изготовленного аддитивным способом, с использованием искусственных нейронных сетей

Внедрение машинного обучения в аддитивное производство для моделирования реальных результатов может значительно снизить его стоимость за счет селективного производства. В настоящее время существует недостаточно исследований, посвященных разработке модели прогнозирования механических свойств материала. Входные переменные предложенной модели включали ключевые параметры процесса селективной лазерной плавки, такие как мощность лазера, толщина слоя, скорость сканирования и шаг штриховки, на выходе получая предел прочности. Математическая модель на основе искусственной нейронной сети сравнивалась с моделью полиномиальной регрессии второй степени. Надежность обеих моделей дополнительно оценивалась с новыми наборами данных, отличных от тех, которые использовались при разработке математической модели на основе искусственной нейронной сети и модели регрессии. Результаты показали, что предложенная математическая модель на основе искусственной нейронной сети обеспечивает превосходную точность: при прогнозировании прочности сплава AlSi10Mg среднее абсолютное процентное отклонение (MAPE) составило 4,74 %, критерий соответствия R²=0,898. Математический метод на основе искусственной нейронной сети также показал высокую производительность на новых данных – значение регрессии достигало 0,68. Таким образом, разработанную модель возможно рассматривать как перспективный вариант для прогнозирования предела прочности материала.