Machine learning-driven multi-objective optimisation of shape-memory programming parameters in 4D-printed PLA

2026-09-29

0

OA

AI

DOI：10.1016/j.matdes.2026.117160

原文求助

摘要

En 中文

• 验证后的代理框架能够实现形状记忆编程条件的系统选择。 • 恢复温度主导恢复速度和最终形状恢复。 • 代理模型能够捕捉非线性响应，尽管存在重复水平变异性。 • 选择的膝盖预测3.14秒恢复时间，99.72%形状固定和91.70%形状恢复。

Keyword:

Additive manufacturing

4D printing

Shape-memory polymer

Multi-objective optimisation

Design of experiments

Machine learning surrogate model