为了解决这一难题,来自厄瓜多尔武装部队大学(Universidad de Las Fuerzas Armadas ESPE)、乌拉圭天主教大学(Universidad Católica del Uruguay)、智利瓦尔帕莱索天主教大学(Pontificia Universidad Católica de Valparaíso)和智利天主教大学(Pontificia Universidad Católica de Chile)的研究人员展开了深入研究。他们的研究成果发表在《Scientific Data》上。
模型验证结果:运用 XGBoost 和随机森林回归器对数据集进行验证,结果表明该数据集可靠,适用于预测建模。其中 XGBoost 回归器拟合效果更好,训练数据的输出可解释性超过 90%,测试数据超过 70%,虽然存在轻微过拟合,但两种模型都能可靠地预测 3D 打印样品的相对密度。
研究结论与讨论部分指出,该研究构建的大型数据集为研究人员提供了宝贵资源。它有助于研究人员对比不同密度样本的结果,深入理解影响 3D 打印合金最终相对密度的关键因素,进而验证现有模型、探索新的机器学习方法。同时,研究人员邀请科研界共同丰富该数据集,希望借此建立该领域未来数据集的标准。这项研究为 L-PBF 技术的发展提供了有力支持,推动了基于数据驱动的相对密度预测研究,对优化 L-PBF 工艺、提高 3D 打印零部件质量具有重要意义。