基于机器学习的按需式电流体喷射打印微滴直径预测

简介

为节省按需式电流体微滴喷射打印技术的微滴直径预测时间及解决众多工艺参数的合理选择问题,实现更高打印质量和效率,提出了数值仿真与机器学习算法相结合的方法。基于线性回归、支持向量回归、神经网络和随机森林算法建立8种参数与微滴直径的关系模型。算法结果表明支持向量回归算法准确率最高、误差较小,随机森林算法和线性回归算法次之,神经网络算法准确率较低且误差较大。机器学习可以对按需式电流体微滴喷射打印微滴直径进行有效预测,此方法可以有效地提高设计效率。