.png){kind=icon}
返回
Neural field-based shape optimization for manufacturability-aware support structure minimisation
.png){kind=icon}
OA
AI
DOI：10.1016/j.addma.2026.105177.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
悬垂区域的支撑结构要求或许是材料挤出式增材制造（AM）中最关键的限制因素，这会增加材料浪费和打印时间，导致生产成本高。直接形状优化消除了为满足可制造性要求而手动细化或重新设计复杂几何形状的必要性，包括最小化支撑结构。然而，基于网格的直接形状操作（例如刚性旋转）方法不仅限于零件复杂度和网格分辨率，而且固有地存在较大偏差和表面特征失真。
Keyword:
AI-driven design
Geometric optimization
Support-free 3D printing
Design for additive manufacturing (DfAM)
AI-driven 3D printing
Neural shape editing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
11.1
论文数:
4.7K
被引数:
4.9W
机构
引用论文
Neural Co-Optimization of Structural Topology, Manufacturable Layers, and Path Orientations for Fiber-Reinforced Composites纤维增强复合材料结构拓扑、可制造层和路径方向的三重神经协同优化
.png){kind=icon}
PREAI
分享收藏分享收藏
查看更多内容