HEAL DSpace

Πρόβλεψη της μετρούμενης καμπυλότητας τρισδιάστατα εκτυπωμένων δοκιμίων με χρήση τεχνητών νευρωνικών δικτύων (ΑΝΝ) σε Matlab και βελτιστοποίηση του σημείου έναρξης της εκτύπωσης στην πλατφόρμα

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Καρνά, Μαρία el
dc.contributor.author Karna, Maria en
dc.date.accessioned 2020-03-30T19:42:28Z
dc.date.available 2020-03-30T19:42:28Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/49985
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.17683
dc.description Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Τεχνο-Οικονομικά Συστήματα (ΜΒΑ)” el
dc.rights Default License
dc.subject Τρισδιάστατη εκτύπωση el
dc.subject Καμπυλότητα el
dc.subject Μηχανική μάθηση el
dc.subject Τεχνητά νευρωνικά δίκτυα el
dc.subject Curvature en
dc.subject Mechanical learning en
dc.subject Artificial neural networks en
dc.subject 3D printing en
dc.title Πρόβλεψη της μετρούμενης καμπυλότητας τρισδιάστατα εκτυπωμένων δοκιμίων με χρήση τεχνητών νευρωνικών δικτύων (ΑΝΝ) σε Matlab και βελτιστοποίηση του σημείου έναρξης της εκτύπωσης στην πλατφόρμα el
heal.type masterThesis
heal.classification Manufacturing Engineering en
heal.language el
heal.access campus
heal.recordProvider ntua el
heal.publicationDate 2019-10-14
heal.abstract Επίκεντρο της παρούσας διπλωματικής εργασίας αποτελεί η πρόβλεψη και η ανάλυση των αποτελεσμάτων της καμπυλότητας 16 παραλληλεπίπεδων δοκιμίων, που δημιουργήθηκαν έπειτα από τρισδιάστατη εκτύπωση με διαφορετικό τρόπο πάνω στην πλατφόρμα. Η ανάλυση έγινε σε Matlab και περιλαμβάνει τη δημιουργία τεχνητού νευρωνικού δικτύου (ΑΝΝ) για την πρόβλεψη της καμπυλότητας, με βάση τα πειραματικά δεδομένα που συλλέχθηκαν, τη δημιουργία σχετικών διαγραμμάτων, καθώς και την εύρεση των βέλτιστων θέσεων εκτύπωσης πάνω στην πλατφόρμα. Τα μοντέλα που δημιουργήθηκαν και συγκρίθηκαν ήταν δύο διαφορετικά, ενώ εξάγονται συμπεράσματα τόσο για τη βελτιστοποίηση της εκτύπωσης όσο και για την καλύτερη προσέγγιση της πρόβλεψης. Το πρώτο μοντέλο, λόγω των περιορισμένων δεδομένων και των διαφορών στο εύρος της καμπυλότητας, παρουσίαζε έντονα τα φαινόμενα της μεροληψίας και της γενίκευσης, ενώ το δεύτερο ήταν πιο αντικειμενικό και καταλληλότερο στην περίπτωση που δεν γνωρίζουμε τον τρόπο εκτύπωσης. Ακόμη, η παράμετρος του spread φαίνεται να είναι πολύ βασική και καθοριστική και για τα δύο μοντέλα, ενώ όσο πιο χαμηλά είναι τα όρια και οι διακυμάνσεις της καμπυλότητας, τόσο πιο δύσκολο είναι να γίνει καλή πρόβλεψη. Οι ακραίες τιμές ήταν εκείνες που παρουσίασαν μεγαλύτερη δυσκολία στο να προβλεφθούν και εκτός από το σφάλμα, πρέπει να εξετάζεται και η διακύμανση των μετρήσεων, δηλαδή η αβεβαιότητά τους. Όσον αφορά τη βέλτιστη θέση έναρξης της εκτύπωσης πάνω στην πλατφόρμα, με κριτήριο την ελάχιστη καμπυλότητα, προβλέφθηκε κοντά στο κέντρο της πλατφόρμας, περίπου στις θέσεις 3-4 mm στον άξονα Χ. el
heal.advisorName Καραλέκας, Δημήτριος el
heal.committeeMemberName Χατζηνταή, Νικολλέτα el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών el
heal.academicPublisherID ntua
heal.numberOfPages 116 σ. el
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής