美國布法羅大學（UB）機械與航空航天工程系的Jun Wang, Sonjoy Das等人提出了一種基于數據驅動方案的快速計算方法來預測自自底向上立體光刻（SLA）工藝中的分離應力分布，取得了初步進展。

粘聚區(qū)有限元模擬是一種基于力學的計算方法，可用于模擬自底向上立體光刻（SLA）系統(tǒng)中的上拉過程（如圖1所示），以顯著增v加這種SLA工藝的可靠性和吞吐量。有限元仿真基于上拉速度和在上拉過程中分離部件的形狀和面積。然而，有限元（FE）模擬單個部件的上拉過程在計算上非常耗時，所以不適合在線監(jiān)控。 

圖1自底向上立體光刻（SLA）在上拉過程中固化部分和樹脂槽之間的分離過程

該研究描述了一種快速計算的數據驅動方案來預測自自底向上立體光刻（SLA）工藝中的分離應力分布。所用的方案依賴于2D形狀上下文描述符，神經網絡（NN）和有限數量的離線FE模擬。有限元模型和n倍對稱形狀橫截面的結果構成了最終的數據庫。該2D形狀上下文描述符通過數據庫中的對數極坐標直方圖表示不同的形狀。一個使用幾何形狀的對數極坐標直方圖訓練反向傳播（BP）神經網絡作為輸入，F(xiàn)E模擬應力分布作為輸出。然后可以使用訓練的NN進行預測新形狀的分離應力分布，如圖2所示。

圖2數據驅動方法利用n次對稱形狀，2D形狀上下文形狀描述符以及有限元模擬和神經網絡來構建預測模型

圖3 （a）基于有限元模的von-Mises應力

（b）基于NN的預測的示例，這個預測使用了數據庫128個形狀和大小為100×100的正方形網格上的輸出。

結果表明（圖3）所提出的數據驅動方法可以大大降低計算成本并適用于任何通用數據庫。在新形狀下比較數據驅動方法的預測結果和模擬FE結果驗證了所提出方法的有效性。

基于n重對稱形狀的預測模型顯示了良好的學習能力，取得了相當好的準確性，甚至可用于預測形狀復雜并且與目前數據庫形狀不同的情況。該方法不僅限于對稱形狀。未來研究的一個方向是創(chuàng)建一個適用于復雜一般形狀的數據驅動計算過程。復雜性一般形狀的數據庫創(chuàng)建預計會很難，因為它將涉及手動從Thingiverse.com等存儲庫在線下載3D模型。在模型有限元模擬之前需要對其進一步處理（如切片和有限元模型）。

來源：中國3D打印網