精密成形工程

作者：刘佳旺, 孙健, 孙岩辉, 吕景祥, 赵云贵, 安占军

单位：1.长安大学 道路施工技术与装备教育部重点实验室,西安 710000; <br>2.西安瑞特三维科技有限公司,西安 710068

关键词：压电阀打印,介电层,响应面法,BP神经网络,改进粒子群算法

基金：国家重点研发计划（2022YFB4602800）; 西安市科技计划重点产业链关键核心技术攻关项目（23LLRH0079）

目的 针对介电层制备过程中厚度控制和均匀性优化的关键问题,建立压电阀喷墨打印工艺参数与介电层打印厚度和均匀性的关系模型,进而完成工艺参数的寻优,实现对介电层厚度和均匀性的调控。方法 运用传统拟合方法（响应面法（RSM））与智能算法（反向传播神经网络（BP）、基于粒子群算法的BP神经网络（PSO-BP）、基于改进粒子群算法的BP神经网络（IPSO-BP）等）,构建了延迟时间、打印速度、线间距、打印层数与介电层厚度及均匀性的定量关系模型,并通过方差分析（ANOVA）探讨各参数的显著性及交互作用机理,比较各模型的预测精度。选择介电层打印的目标厚度为200、400、600、800 &#x003bc;m,以打印厚度的误差最小化及均匀性最优控制为优化目标,通过RSM及IPSO算法对工艺参数进行反函数寻优,并对比2种方法的优化效果。结果 IPSO-BP神经网络的预测能力优于其他模型,该模型预测的介电层厚度和均匀性的均方根误差（10.935 7、2.457 4）和平均绝对误差（4.283 4、1.170 9）最小,决定系数（99.89%、95.49%）最高;采用IPSO算法寻优得到的工艺参数打印的介电层厚度和均匀性的平均相对误差为3.50%和16.75%,优于RSM算法的平均相对误差15.21%和29.06%。结论 相较于SVM、RF、BP、PSO-BP神经网络,IPSO-BP神经网络在处理本研究中复杂非线性问题时适应性更好、全局搜索能力更强、预测精度更高,在压电阀打印介电层的过程中,IPSO-BP-IPSO方法能够通过优化工艺参数实现介电层的厚度控制和均匀性优化。

来源：2026年第1期

《精密成形工程》期刊编辑部

查看精密成形工程杂志2026年第1期