"RETI NEURALI PER L'OTTIMIZZAZIONE DI UN ATTUATORE MORBIDO PRODOTTO PER FUSED FILAMENT FABRICATION"

L’Additive Manufacturing (AM), comunemente nota anche come stampa 3D, ha rivoluzionato il settore manifatturiero grazie alla sua maggiore accessibilità, alla riduzione dei costi e alla disponibilità di materiali sempre più avanzati. Questa tecnologia permette la costruzione di oggetti strato dopo strato, consentendo design complessi e personalizzati, tempi di sviluppo ridotti e minore spreco di materiale. La Fused Filament Fabrication (FFF) è una delle tecniche di AM più promettenti, che ha reso possibile lo sviluppo di attuatori pneumatici morbidi (Pneunet), rivoluzionando anche il settore della Soft Robotica. In questa tesi, si è condotta un'analisi approfondita volta ad ottimizzare il design delle camere interne di dispositivi soft-robotici attuati pneumaticamente, focalizzandosi sulla massimizzazione dell’allungamento. L'utilizzo del Machine Learning, ed in particolare delle reti neurali artificiali (Artificial Neural Network, ANN), si è rivelato cruciale per affrontare questa sfida. Le ANN, grazie alla loro capacità di analizzare grandi quantità di dati e identificare relazioni complesse, hanno permesso di sviluppare, in seguito ad un addestramento adeguato, un modello predittivo in grado di ottimizzare il Pneunet, giungendo a previsioni con basso grado di variabilità. Le analisi condotte hanno portato alla conclusione che la configurazione ottimale della rete neurale, che prevede due strati nascosti con 8 neuroni nel primo strato e 4 nel secondo, permette di massimizzare l'elongazione del Pneunet. Questo risultato mostra un’evidente efficienza nell'applicazione congiunta dell'AM, della Soft Robotica e del ML, e apre la strada a nuove applicazioni e sviluppi in vari settori industriali.