来源：期刊VIP网 时间：
作者：殷冬年;解乃军;纪有旺;
单位：南京工程学院机械工程学院;南京工程学院工业中心;
摘要：针对当前FDM(Fused Deposition Modeling)式3D打印机故障诊断方式存在精确度低、灵活性不足等缺陷，本研究提出了一种基于改进GA-BP神经网络的FDM式3D打印机故障诊断模型。通过分析影响打印故障的因素，得出故障诊断模型的输入变量，以此构建BP神经网络模型；针对BP学习算法易陷入局部最优解问题，利用遗传算法优化网络的初始权值和阈值，并进一步结合遗传进化原理，改进了遗传算法自适应交叉和变异概率策略。通过实验结果分析，本研究所提的基于改进GA-BP神经网络的3D打印机故障诊断模型的诊断准确率在97%以上，比基于BP神经网络的基础诊断模型的诊断准确率提升了12.9%，迭代次数减少了22次，比传统阈值检测法的诊断准确率提升了24.3%。
关键词：FDM式3D打印机;;故障诊断;;BP神经网络;;遗传算法;;自适应交叉和变异概率
基金资助：江苏省重点研发计划项目(No.3511113218038)
