Алгоритмы искусственных нейронных сетей для 3D-печати

Аддитивное производство с акцентом на 3D-печать в последнее время приобрело популярность благодаря своим преимуществам по сравнению с традиционными процессами производства. Тем не менее оптимизация параметров процесса 3D-печати затруднена, поскольку они влияют на свойства и срок службы напечатанных деталей. Поэтому установление корреляции между параметрами процесса и свойствами напечатанных деталей с помощью традиционных методов оптимизации является сложной задачей. Техники машинного обучения показали свою пригодность для выявления сложных закономерностей и построения детерминированных связей, устраняя необходимость вывода и решения физических моделей. В области машинного обучения искусственные нейронные сети (ИНС) являются наиболее широко используемой моделью благодаря способности работать с большими наборами данных и высоким вычислительным возможностям. В настоящей работе собраны достижения применения ИНС в различных аспектах 3D-печати, указаны проблемы при использовании ИНС в 3D-печати и возможные решения, а также намечены перспективные направления применения ИНС в 3D-печати.