Optimization of FDM Printing Parameters for Surface Quality Improvement of Carbon Based Nylon (PA-CF) Composite Material Fabricated Parts Using Evolutionary Algorithm

Abstract

На поверхневі характеристики компонентів, виготовлених методами адитивного виробництва, сильно впливають вхідні параметри. У роботі важливі вхідні коефіцієнти (товщина шару (LT), температура (T), швидкість друку (S), швидкість зовнішньої стінки (OWS), кут растру (RA), орієнтація (Or.), ширина лінії зовнішньої стінки (OWLW), заповнення перекриття (IO), ширина лінії заповнення (ILW) принтера для моделювання методом наплавлення (FDM) змодельовані та оптимізовані для отримання кращої шорсткості поверхні (SR) деталей, виготовлених з нейлонових композиційних матеріалів на основі вуглецю (PA-CF). Для розробки вхідної експериментальної матриці був використаний метод центрального композитного проектування, і на основі цих вхідних параметрів вимірювали шорсткість поверхні кожного прогону за допомогою приладу для вимірювання шорсткості поверхні Mitutoyo Talysurf. Було виготовлено загальну кількість зразків (61) з різними вхідними параметрами та випробувано їх шорсткості поверхні. Мінімальне значення шорсткості поверхні досліджуваних зразків з експериментальною проектною матрицею складало 6,331 мкм. Моделювання та оптимізація експериментальної проектної матриці було проведено з використанням еволюційного алгоритму, тобто штучної нейронної мережі, інтегрованої з генетичним алгоритмом (ANNGA). Мінімальне значення, отримане з використанням ANNGA для шорсткості, становить 5,01788 мкм, що відповідає різним оптимальним вхідним коефіцієнтам, таким як LT = 0,1776 мм, T = 236,0609 ºC, S = 40,7369 мм/с, OWS = 20,0676 мм/с, RA = 43,9177º, OWLW = 0,3445 мм, Or. = 0,0018º, IO = 56,6295 %, ILW = 0,3488 мм. При цих оптимізованих значеннях вхідних коефіцієнтів також виготовляється одна частина кінцевого використання та перевіряється розроблена гібридна модель. ANNGA можна використовувати для передбачення, оптимізації факторів та результатів у будь-яких інженерних застосуваннях.

The surface characteristics of components fabricated by additive manufacturing techniques are greatly affected by the input parameters. In this work, momentous input factors (layer thickness (LT), temperature (T), printing speed (S), outer wall speed (OWS), raster angle (RA), orientation (Or.), outer wall line width (OWLW), infill overlap (IO), infill line width (ILW) of fused deposition modeling (FDM) printer are modeled and optimized for getting the better surface roughness (SR) of carbon based nylon (PA-CF) composite material fabricated parts. To develop input experimental matrix, central composite design method has been utilized and on these input parameters, surface roughness of each run has been measured using Mitutoyo Talysurf surface roughness measuring instrument. A total number of 61 specimens have been fabricated on different input parameters and their surface roughnesses are tested. The minimum surface roughness value of test specimens with experimental design matrix was recorded as 6.331 µm. The modeling and optimization of experimental design matrix has been carried out using evolutionary algorithm i.e. artificial neural network integrated with genetic algorithm (ANNGA). The minimum value obtained using ANNGA for roughness is 5.01788 µm, corresponding to various optimum input factors as LT = 0.1776 mm, T = 236.0609 ºC, S = 40.7369 mm/s, OWS = 20.0676 mm/s, RA = 43.9177º, OWLW = 0.3445 mm, Or. = 0.00180, IO = 56.6295 %, ILW = 0.3488 mm. At these optimized input factors value one end-use part is also fabricated and the developed hybrid model is validated. The artificial neural network integrated with genetic algorithm could be anticipated for better prophecy, factors optimization and outcomes for any engineering application tribulations.