摘要
在基于熔融沉积建模的制造过程中，工艺参数会影响打印产品的机械及物理性能。因此，准确预测打印质量至关重要。这时，用于三维打印质量预测的机器学习模型便显得尤为重要。在本研究中，我们依据严格的操作测量标准构建了数据集——采用四分位数范围法对数据进行净化处理——该数据集涵盖了10种材料、2种打印机以及4种打印参数。根据ISO 527-2 Type 4标准尺寸，共准备了500组不同的样本，并以三份一组的形式进行打印。随后对这些样本进行了拉伸强度、硬度以及表面粗糙度测试。基于这一经过验证的数据集，我们提出了一种混合多材料质量-集成系统-堆叠-梯度提升回归器（HMQ-ES-Stack-GBR）架构，作为多输出质量预测的诊断框架。该框架不仅能用于预测拉伸强度、硬度、表面粗糙度等质量指标，还能定量分析材料类型对打印质量的影响。此外，我们还设计了多目标优化流程，结合了非支配排序遗传算法II、粒子群优化算法以及灰狼优化算法三种元启发式算法，以此系统地确定针对不同材料的最佳工艺参数配置。研究还发现，开放式系统的打印机相比封闭式系统打印机的预测误差更大，这反映出的是系统带来的差异性，而非完全的硬件独立性。尽管本研究仅限于当前实验设计下的内部验证，且存在不同丝材组之间的材料不平衡问题，但这些结果表明，所提出的框架可作为在研究数据集中预判打印质量的有效诊断决策工具。通过准确反映而非消除制造过程中的不确定性，该框架可为预打印质量评估提供支持，从而帮助采取主动措施，减少原材料、时间和能源的浪费。
