分类器辅助多信任域贝叶斯优化用于压电喷墨打印高维波形设计

《Electronics》:Classifier-Assisted Multi-Trust-Region Bayesian Optimization for High-Dimensional Waveform Design in Piezoelectric Inkjet Printing

【字体: 大 中 小 】 时间:2026年08月27日 来源:Electronics 2.9

编辑推荐:

  在先进制造中,为多脉冲复合驱动波形设计压电喷墨(PIJ)打印参数,是一个受约束、高维、物理黑盒优化难题。12维参数空间内可行喷射区域高度稀疏;此外,传统无约束优化算法易触发喷嘴溢流或致动器疲劳损伤。为突破该瓶颈,研究人员提出CA-TuRBO-m,一种基于分类器

  
在先进制造中,为多脉冲复合驱动波形设计压电喷墨(PIJ)打印参数,是一个受约束、高维、物理黑盒优化难题。12维参数空间内可行喷射区域高度稀疏;此外,传统无约束优化算法易触发喷嘴溢流或致动器疲劳损伤。为突破该瓶颈,研究人员提出CA-TuRBO-m,一种基于分类器辅助多信任域贝叶斯优化的闭环协同架构。该架构将基材上的沉积形貌特征重构为隐含流体动力学信息的复合视觉反馈源;进而将随机森林(RF)分类器改造为动态迭代的物理安全拓扑门控机制,主动拦截高风险参数组合;同时引入多信任域并行探索机制,平衡全局探索与局部利用。实验表明,在200次在线物理打印迭代中,所提架构将导致系统失效的无效打印次数降至平均3.8次,有效采样率达98.1%。在不依赖复杂流体动力学模型的前提下,该方法实现对不同尺寸液滴的精确形貌控制并抑制打印缺陷,在单一物理平台有限预算内成功达成多目标自适应调节。
研究背景方面,压电喷墨(PIJ)打印依托逆压电效应,通过电脉冲驱动压电致动器微变形激发微腔内声压波实现微滴按需喷射,已拓展至柔性电子、3D微纳集成与生物医学芯片等前沿领域。随着精细结构与功能材料应用深化,传统单脉冲梯形波形在液滴体积控制与卫星滴抑制上遭遇瓶颈,多脉冲复合波形设计随之成为趋势。然而该问题在12维时空参数空间(电压幅值、脉宽、相位延迟等)中呈现可行域稀疏非线性、盲试易致喷嘴溢流与压电陶瓷疲劳、且实际打印环境难以被等效电路或计算流体动力学(CFD)完全刻画等特征。现有迭代学习控制依赖理想参考轨迹,监督学习需数十万离线样本,强化学习常退化为降维代理或离线数据,标准贝叶斯优化(BO)在高维下方差爆炸,信任域贝叶斯优化(TuRBO)虽缓解维度诅咒却仍过度依赖飞行液滴观测而忽略撞击基材后的复杂动力学。因此研究人员开展本研究,旨在物理约束与有限评价预算下自主搜索最优复合波形。
研究人员提出CA-TuRBO-m(双信任域实例化为CA-TuRBO-2)闭环架构,核心结论为:以随机森林分类器作动态安全门控、各向异性高斯过程(GP)作代理模型、K-means初始化双信任域、汤普森采样(TS)作获取函数,结合基材沉积形貌提取的复合打印质量指数(CPQI)反馈,在Ricoh GEN6物理平台上以标准测试墨水实现4000–6500 μm2溅射面积连续调控;200次物理交互中无效打印平均3.8次、有效采样率98.1%,CPQI收敛至0.024±0.001,较Random Search、Standard BO、SCBO、单信任域CA-TuRBO及TuRBO-2均具统计显著优势(BCa Bootstrap 95% CI严格大于0)。该研究为智能打印装备提供了不依赖CFD、绕过人工调参的数据驱动新范式。论文发表于《Electronics》。
关键技术方法上,研究人员构建12维连续波形搜索空间(双极性/单极性梯形脉冲幅值、保持时间、过渡时间及脉冲间隙),以拉丁超立方采样(LHS)200点冷启动;视觉端通过水平积分投影定位液滴阵列主轴、双边滤波保边平滑、自适应高斯阈值二值化,提取沉积面积Ad、卫星足迹比Rsat、位置偏差σpos(含横向σlat与纵向σlong)、平均圆度Cavg,融合为带非对称死区与反高斯惩罚的CPQI标量反馈;算法端以RF作概率门控(阈值0.5拦截Pfeas<0.5者),以Matérn 5/2核带自动相关性判定(ARD)的各向异性GP回归映射CPQI,K-means将初始成功样本聚为两类信任域,TS在域内采样并经RF过滤,信任域边长按CPQI升降以γexp=1.5扩展或γshrink=0.667收缩,低于最小阈值则剪枝。
研究结果部分,3.1实验装置中研究人员自建微滴喷射系统,核心为Ricoh GEN6压电喷头(600 dpi,5–15 pL),主机Intel Core i7,单帧视觉处理约45 ms,RF门控预测<5 ms,GP+TS更新<200 ms,单次软硬交互<0.5 s,满足在线标定实时性。3.2优化边界定义中经核密度估计(KDE)确认有效溅射面积高密度区间4000–6500 μm2,锚定此窗作目标以防越界诱发卫星滴与飞溅。3.3门控分类器有效性及动态演化中,初始RF于400点独立测试集ROC-AUC 0.898、AP 0.865;闭环迭代后AUC升至0.947、AP 0.926,假阳性由42降至16(降61.9%),精度0.763→0.895,Brier分数0.153→0.111;t-SNE显示采样由弥散转为密集聚集,特征重要性中主脉冲幅值V1始终主导但时序与负向拉回幅值Vpull权重补偿上升,表明模型学会多维协同判稳。3.4收敛分析与基准比对中,针对5500 μm2目标、200次评价(20批×10),CA-TuRBO-2约125次破0.05、终值0.024±0.001,无效打印3.8次、有效率98.1%;PCA轨迹显示双信任域呈漏斗状收敛且全程位于可行域;BCa区间相对TuRBO-2为[0.0107,0.0223]且下限大于0。3.5测试平台多目标适应性中,改Atarget为4000/5500/6500 μm2不改架构,三任务CPQI分别约0.07/<0.05/<0.05;KDE由弥散变单峰,6500 μm2峰值微偏至6300 μm2体现面积-形貌权衡;GP-ARD灵敏度热图显示V1在5500 μm2绝对主导,极值任务下正向挤压幅值V2升至0.250/0.306、Vpull与脉冲间隙Tgap激活;GP响应面呈狭窄非凸盆地解释传统法易陷局部极优;形貌演化图证卫星滴消除、圆度升至>0.85、面积误差<5%,大/小面积任务分别采用延周期宽终端或陡斜坡紧掐断时序。
讨论与结论翻译:为应对压电喷墨高维波形优化中可行域稀疏与物理试错成本高的双重瓶颈,本研究提出并验证分类器辅助与多信任域贝叶斯优化协同架构(CA-TuRBO-2)。在不依赖复杂解析流体模型下,借基材沉积形貌视觉反馈实现12维复合波形黑盒自适应优化。主要结论:(1)以随机森林动态刻画12维非线性可行边界,有效拦截高风险组合,有效采样率98.1%,显著降低设备停机风险;多信任域并行探索缓解复杂非凸空间局部死锁。(2)面对4000–6500 μm2多规格目标,精确锁定面积同时抑制瑞利失稳所致卫星滴;特征敏感性分析显式捕捉多维参数协同补偿关系,自主演化符合腔内声学干涉物理规律的主动阻尼与能量分配策略。(3)将基材印迹重构为优化反馈源,隐含液滴撞击铺展流变动力学;无论目标指令如何,系统智能建立鲁棒高良率工艺窗口,为智能打印装备绕开人工干预提供高效数据驱动范式。局限在于仅单喷头型号、特定流变测试墨水与单一涂布纸基材,未跨设备/高黏弹性墨水/变表面能基材验证,多喷嘴声串扰未纳入闭环;未来引入迁移学习加速跨喷头泛化,并将多喷嘴抗串扰协同优化列为核心方向。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号