技术摘要：
一种基于粒子群优化的3D打印工艺参数优化方法。方法包括：根据打印作品的硬度、精度对其效果进行量化评分；根据打印作品的耗材、耗时对其效率进行量化评分；获得二者的评分标准数学模型；基于多元线性回归，生成打印结果效果评价模型，并分别输出打印作品效果函数与打  全部
背景技术：
随着3D打印技术的飞速发展，3D打印产品可用性、耐用性以及实用性越来越高。为 了发挥3D打印产品轻巧耐用成品低的优势，需要根据具体需求，对打印中的工艺参数进行 不断变更，然而由于尚未有一套对工艺参数设置的成熟体系，操作者需要不断对工艺参数 进行调试，或沿用先前的可能并不适用于当前模型的一套参数，耗费了大量人力物力财力， 却得不到良好的效果，使3D打印广泛推广与运用遇到困难。
技术实现要素：
本发明为了解决现有问题，提出了一种基于粒子群优化的3D打印工艺参数优化方 法。一种基于粒子群优化的3D打印工艺参数优化方法，该方法包括： 生成基于打印作品效果效率评分的评价标准数学模型； 输入打印作品效率效果评分数据； 基于多元线性回归的打印作品评价结果预测模型； 基于粒子群优化算法的3D打印工艺决策； 输出最优工艺参数设置。 还提供了一种基于粒子群优化的3D打印工艺参数优化方法，其特征在于，该方法 包括： S1:对打印作品的效果、效率进行评分,具体为： 效果评分＝50％*硬度 50％*精度 效率评分＝50％*耗材 50％*耗时 S21：对基于专家评分的原始数据集采取交叉验证法，将原始数据集的70％划分为 训练集，其余30％划分为测试集； S22：对训练集数据进行线性回归拟合，得到回归模型； S23：对回归模型进行均方根误差法检验回归模型的可靠性； S24：获取3D打印作品效果评分函数与3D打印作品效率函数； S31：设定最大迭代次数以及种群规模，并于定义域内随机初始化粒子； S32：将S24中获取的3D打印作品效果评分函数定义为粒子适应值函数； S33：粒子速度更新公式如下公式1: Vid(t 1)＝Vid(t) c1*r1*(Pid(t)-Xid(t)) c2*r2*(Pgd(t)-Xid(t))    (公式1) 其中，c1、c2被称为学子因子，c1为个体学习因子，c2为社会学习因子；r1、r2表示区 间[0,1]上的随机数；Vid表示第i个变量的第d维的速度；Pid表示第i个变量的第d维个体极 值，Pgd表示第d维全局最优解。 3 CN 111590900 A 说　明　书 2/4 页 S34：粒子位置更新公式如下公式2： Xid(t 1)＝Xid(t) Vid(t 1)    (公式2) S35：对每个粒子的位置根据公式2与公式1进行更新，当新位置代入效果评分函数 得到的适应值大于当前粒子最优适应值，且代入效率评分函数得到的值大于设定的最低要 求时，将此位置替换为粒子最优位置； S36：达到迭代次数后，综合所有个体最优位置得出种群最优粒子，输出此粒子位 置，得到最优工艺参数设置。 第二方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程 序，所述计算机程序用于：所述计算机程序被处理器执行时实现如本申请实施例描述的方 法。 附图说明 图1是本发明中基于粒子群优化算法的3D打印工艺参数优化总流程图；