3D打印陶瓷烧结过程中收缩预测方法研究

　　摘要：采用了Skorohod-Olevsky黏性烧结（SOVS）与极限学习机(ELM)神经网络相结合的方式构建了陶瓷3D打印收缩预测模型。首先，建立了烧结模型并使用最小化误差的方法对SOVS模型的烧结参数进行校正，并验证了烧结模型的准确性。其次，根据有限元模型进行仿真计算获取了所需的数据集。最后，使用ELM神经网络对数据集进行训练，得到了收缩预测模型。经验证，该模型预测的结果与有限元数值模拟结果具有很好的吻合度。这些结果表明，有限元与机器学习相结合的方法对精密陶瓷制造方面具有巨大的潜力。