مدلسازی مبتنی بر یادگیری ماشین فرآیندهای ساخت افزایشی فلزی با استفاده از روش‌های داده افزایی و یادگیری گروهی

مهندسی متالورژی و مواد

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 14 مهر 1404   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jmme.2025.91745.1177

نویسندگان

نیما ایوبی¹؛ رضا محبوبی اسفنجانی^{* 2}؛ احمد اکبری الوانق³؛ حبیب بدری قویفکر¹

¹دانشگاه صنعتی سهند تبریز

²دانشکده مهندسی برق. دانشگاه صنعتی سهند

³دانشگاه صنعتی سهند

چکیده

با وجود قابلیت‌های فراوان ساخت افزایشی فلزی، این روش با محدویت‌هایی از جمله قابلیت تکرارپذیری و تضمین کیفیت قطعات مواجه می‌باشد. جهت رفع این محدودیت‌ها به مدلسازی دقیق فرآیند نیاز است. از طرفی، کارایی روش‌های مدلسازی سنتی برای این امر پایین می‌باشد. یکی از روش‌های جدید مدلسازی مبتنی بر داده که امکان کشف الگوهای پنهان در فرآیندهای غیرخطی را فراهم می‌کند، یادگیری ماشین است. با وجود مزایای فراوان، به دلیل تعداد محدود داده در فرایند ساخت افزایشی، پیاده‌سازی یادگیری ماشین با مشکلاتی مواجه است. در این مقاله برای رفع این موارد از ترکیب داده‌افزایی و یادگیری ماشین برای مدلسازی دو روش شناخته شده ساخت افزایشی فلزی استفاده شده است. یادگیری گروهی برای بهبود دقت مدل به کار رفته است. نتایج شبیه‌سازی نشان دهنده کارایی روش پیشنهادی در مدلسازی مناسب فرآیند ساخت افزایشی فلزی می‌باشد. عملکرد مدل‌های پیشنهادی به ترتیب به اندازه 53 و 48 درصدی نسبت به حالت بدون داده افزایی بهبود یافته است.

کلیدواژه‌ها

ساخت افزایشی فلزی؛ یادگیری ماشین؛ داده افزایی؛ یادگیری گروهی؛ مدلسازی

مراجع