Optimization of Flexible Circuit Inkjet Printinges Processes Based on Response Surface Methodology and IGWO Algorithm

doi:10.3969/j.issn.1004-132X.2026.06.011

Abstract

Abstract:

An orthogonal experimental scheme for conductive line inkjet printing was designed， and a regression model of wire resistance and line width were established using RSM. The influences of different printing parameters on resistance and line width were analyzed. A multi-objective optimization model was established with printing speed， substrate temperature， and printing layers as optimization variables， and minimizing resistance and line width as optimization objectives. The IGWO algorithm was used to solve the model and determine the optimal process parameters. The accuracy and printing effectiveness of the regression model were verified through experiments. The results show that under the optimal printing parameters of a printing speed of 39 mm/s， a substrate temperature of 120 ℃， and 8 printing layers， the wire resistance is as 5.8 Ω and the line width is as 128.804 µm. Compared with the average resistance values and the line width values of the verification test line， the resistance and line width of the conductive lines under the optimal parameters are reduced by 66.8% and 61.3%， respectively. The average relative errors between the actual and predicted values of resistance and linewidth are 3.88% and 2.91%， respectively. Finally， three functional components including microstrip antennas， spiral circuits， and RFID tags are designed and printed， verifying the feasibility of the method.

Key words: flexible circuit, response surface methodology（RSM）, improved grey wolf optimizer（IGWO） algorithm, inkjet printing, process optimization

摘要：

设计了导电线路喷墨打印的正交试验方案，通过响应面法建立了导线电阻和线宽的回归模型，分析了不同打印参数对电阻和线宽的影响。建立了以打印速度、基板温度、打印层数为优化变量，以最小化阻值、线宽为优化目标的多目标优化模型，使用改进的灰狼算法对模型进行求解，确定了最优工艺参数。通过实验验证了回归模型精度以及打印效果，结果表明：在打印速度为39 mm/s、基板温度为120 ℃、打印层数为8的最优打印参数下，导线电阻值为5.8 Ω，线宽为128.804 µm。与验证实验线路平均电阻值和线宽值相比，最优参数下的导线电阻值和线宽分别减小了66.8%和61.3%，电阻和线宽的实际值与预测值之间的平均相对误差分别为3.88%和2.91%。最后，设计并打印了微带天线、螺旋电路、RFID标签等3种功能件，验证了所提方法的可行性。

关键词: 柔性电路, 响应面法, 改进灰狼算法, 喷墨打印, 工艺优化

CLC Number:

TH16

GUO Jiongqi, YU Panyu, LIU Qingtao, LYU Jingxiang, ZHANG Yichao. Optimization of Flexible Circuit Inkjet Printinges Processes Based on Response Surface Methodology and IGWO Algorithm[J]. China Mechanical Engineering, 2026, 37(6): 1383-1392.

郭炯棋, 于攀宇, 刘清涛, 吕景祥, 张义超. 基于响应面法与改进灰狼算法的柔性电路喷墨打印工艺优化[J]. 中国机械工程, 2026, 37(6): 1383-1392.

Figures/Tables 20

Fig.1 Printing equipment JD200JET and curing system

Tab.1 Test factors and levels of response surface

水平	因素
水平	打印速度A/（mm∙s $- 1$ ）	基板温度B/℃	打印层数C
$-$ 1	30	120	3
0	35	130	6
1	40	140	9

Tab.1 Test factors and levels of response surface

水平	因素
水平	打印速度A/（mm∙s $- 1$ ）	基板温度B/℃	打印层数C
$-$ 1	30	120	3
0	35	130	6
1	40	140	9

Tab.2 Test design and results of response surface

组号	打印速度/ （mm∙s $- 1$ ）	基板温度/℃	打印层数	电阻/Ω	线宽/µm
1	35	130	6	7.5	261.754
2	35	140	3	17.6	164.743
3	40	130	3	16.3	132.328
4	35	130	6	8.1	251.312
5	35	120	9	4.8	300.431
6	30	130	3	20.2	341.514
7	35	120	3	12.8	234.712
8	35	140	9	6.1	298.341
9	30	140	6	10.2	387.534
10	40	140	6	10.9	211.634
11	40	120	6	7.6	175.421
12	40	130	9	7.9	143.467
13	35	130	6	7.1	275.374
14	35	130	6	6.8	254.674
15	30	120	6	8.6	495.543
16	30	130	9	5.5	521.482
17	35	130	6	7.4	258.754

Tab.2 Test design and results of response surface

组号	打印速度/ （mm∙s $- 1$ ）	基板温度/℃	打印层数	电阻/Ω	线宽/µm
1	35	130	6	7.5	261.754
2	35	140	3	17.6	164.743
3	40	130	3	16.3	132.328
4	35	130	6	8.1	251.312
5	35	120	9	4.8	300.431
6	30	130	3	20.2	341.514
7	35	120	3	12.8	234.712
8	35	140	9	6.1	298.341
9	30	140	6	10.2	387.534
10	40	140	6	10.9	211.634
11	40	120	6	7.6	175.421
12	40	130	9	7.9	143.467
13	35	130	6	7.1	275.374
14	35	130	6	6.8	254.674
15	30	120	6	8.6	495.543
16	30	130	9	5.5	521.482
17	35	130	6	7.4	258.754

Tab.3 Analysis of variance table of the resistance regression model

来源	均方差	F值	P值
模型	35.10	83.92	<0.0001
A	0.4050	0.9682	0.3579
B	15.13	36.16	0.0005
C	226.84	542.32	<0.0001
AB	0.7225	1.73	0.2302
AC	9.92	23.72	0.0018
BC	3.06	7.32	0.0304
A²	17.65	42.20	0.0003
B²	0.0442	0.1058	0.7545
C²	39.10	93.49	<0.0001
失拟项	0.6600	2.78	0.1738

Tab.4 Analysis of variance table of the linear width regression model

来源	均方差	F值	P值
模型	21 443.70	107.85	<0.0001
A	146 700	737.69	<0.0001
B	2586.78	13.01	0.0087
C	19 053.86	95.83	<0.0001
AB	5200.00	26.15	0.0014
AC	7125.81	35.84	0.0005
BC	1151.89	5.79	0.0470
A²	8967.75	45.10	0.0003
B²	510.33	2.57	0.1532
C²	2005.80	10.09	0.0156
失拟项	349.21	4.06	0.1047

Tab.5 Error statistical analysis table of resistance and line width regression model

因素	R²	R $a d j 2$	R $p r e 2$
电阻	0.9908	0.9790	0.8960
线宽	0.9928	0.9836	0.9110

Tab.5 Error statistical analysis table of resistance and line width regression model

因素	R²	R $a d j 2$	R $p r e 2$
电阻	0.9908	0.9790	0.8960
线宽	0.9928	0.9836	0.9110

Fig.2 RSM model fitting effect

Fig.3 Response surface of resistance

Fig.4 Response surface of line width

Fig.5 Comparison between LHS sampling and random sampling

Fig.6 Comparison of two convergence factors

Fig.7 Process parameter optimization model solving process based on IGWO algorithm

Fig.8 Convergence curves of different algorithm optimization process parameters

Tab.6 Comparison of optimization results of 30 independent runs of different algorithms

算法	Ave	Std	t	t-test（IGWO.vs其他）
算法	Ave	Std	t	P值	95%置信区间	Cohen's d	稳定性排名
SMA	0.132	0.0148	1.102	<10 $- 6$ （极其显著）	［ $-$ 0.086， $-$ 0.074］	$-$ 4.08（极大效应）	2
ZOA	0.078	0.0233	0.776	3×10 $- 6$ （极其显著）	［ $-$ 0.036， $-$ 0.016］	$-$ 1.42（大效应）	4
IGWO	0.052	0.0145	0.587				1
GWO	0.062	0.0194	0.954	<10 $- 6$ （极其显著）	［ $-$ 0.018， $-$ 0.002］	$-$ 0.56（中等效应）	3

Tab.6 Comparison of optimization results of 30 independent runs of different algorithms

算法	Ave	Std	t	t-test（IGWO.vs其他）
算法	Ave	Std	t	P值	95%置信区间	Cohen's d	稳定性排名
SMA	0.132	0.0148	1.102	<10 $- 6$ （极其显著）	［ $-$ 0.086， $-$ 0.074］	$-$ 4.08（极大效应）	2
ZOA	0.078	0.0233	0.776	3×10 $- 6$ （极其显著）	［ $-$ 0.036， $-$ 0.016］	$-$ 1.42（大效应）	4
IGWO	0.052	0.0145	0.587				1
GWO	0.062	0.0194	0.954	<10 $- 6$ （极其显著）	［ $-$ 0.018， $-$ 0.002］	$-$ 0.56（中等效应）	3

Fig.9 Stability analysis of different algorithms

Table.7 Measurement of resistance and linewidth

组号	打印速度/（mm∙s $- 1$ ）	基板温度/℃	打印层数	电阻			线宽
组号	打印速度/（mm∙s $- 1$ ）	基板温度/℃	打印层数	实验值/Ω	预测值/Ω	误差/%	实验值/µm	预测值/µm	误差/%
1	25	120	3	27.2	26.1	4.22	701.345	678.809	3.32
2	25	125	3	26.5	26.9	1.53	599.744	617.021	2.8
3	25	130	3	29.2	27.6	5.92	574.868	560.737	2.52
4	25	135	3	27.5	28.3	2.83	500.065	509.958	1.94
5	25	140	3	30.0	28.9	3.74	482.435	464.684	3.82
6	30	120	3	17.4	17.7	1.6	408.953	411.108	0.53
7	30	125	3	18.3	18.7	1.7	364.997	367.347	0.64
8	30	135	3	20.1	20.5	1.84	274.798	296.34	7.84
9	30	140	3	19.6	21.3	8.89	259.727	269.094	3.61
10	32.5	120	3	14.1	15	6.26	310.775	311.87	0.35
11	32.5	125	3	15.7	16.1	2.97	267.397	277.123	3.64
12	32.5	130	3	16.4	17.2	4.69	246.835	247.881	0.42
13	32.5	135	3	16.5	18.2	9.84	223.401	224.144	0.33
14	32.5	140	3	18.6	19.1	2.94	200.045	205.911	2.93
15	35	125	3	14.2	14.6	2.79	199.217	209.974	5.4
16	35	130	3	15.2	15.8	3.95	178.204	189.746	6.48
17	35	135	3	15.7	16.9	7.59	161.073	175.023	8.66
18	37.5	120	6	5.9	6.1	3.94	204.06	215.175	5.45
19	37.5	125	6	6.4	7	8.53	202.41	206.941	2.24
20	37.5	130	6	7.6	7.8	2.03	199.607	204.211	2.31
21	37.5	135	6	8.1	8.5	5.45	202.95	206.986	1.99
22	37.5	140	6	9.2	9.3	1.27	213.926	215.266	1.63
23	40	120	9	7.4	7.5	1.5	168.148	170.747	1.55
24	40	125	9	7.8	8	3.25	138.583	141.123	1.83
25	40	135	9	8.7	8.9	2.84	173.258	176.166	1.68
26	40	140	9	9.1	9.3	2.46	197.315	201.944	2.35
27	45	120	9	27.2	14.6	4.22	701.345	678.809	3.32
28	45	125	9	26.5	15.3	1.53	599.744	617.021	2.8
29	45	130	9	29.2	15.9	5.92	574.868	560.737	2.52
30	45	135	9	27.5	16.6	2.83	500.065	509.958	1.94
31	45	140	9	30.0	17.2	3.74	482.435	464.684	3.82
32	39	120	8	5.8	5.9	1.45	128.804	131.858	2.37
				电阻平均误差/%		3.88	线宽平均误差/%		2.91

Table.7 Measurement of resistance and linewidth

组号	打印速度/（mm∙s $- 1$ ）	基板温度/℃	打印层数	电阻			线宽
组号	打印速度/（mm∙s $- 1$ ）	基板温度/℃	打印层数	实验值/Ω	预测值/Ω	误差/%	实验值/µm	预测值/µm	误差/%
1	25	120	3	27.2	26.1	4.22	701.345	678.809	3.32
2	25	125	3	26.5	26.9	1.53	599.744	617.021	2.8
3	25	130	3	29.2	27.6	5.92	574.868	560.737	2.52
4	25	135	3	27.5	28.3	2.83	500.065	509.958	1.94
5	25	140	3	30.0	28.9	3.74	482.435	464.684	3.82
6	30	120	3	17.4	17.7	1.6	408.953	411.108	0.53
7	30	125	3	18.3	18.7	1.7	364.997	367.347	0.64
8	30	135	3	20.1	20.5	1.84	274.798	296.34	7.84
9	30	140	3	19.6	21.3	8.89	259.727	269.094	3.61
10	32.5	120	3	14.1	15	6.26	310.775	311.87	0.35
11	32.5	125	3	15.7	16.1	2.97	267.397	277.123	3.64
12	32.5	130	3	16.4	17.2	4.69	246.835	247.881	0.42
13	32.5	135	3	16.5	18.2	9.84	223.401	224.144	0.33
14	32.5	140	3	18.6	19.1	2.94	200.045	205.911	2.93
15	35	125	3	14.2	14.6	2.79	199.217	209.974	5.4
16	35	130	3	15.2	15.8	3.95	178.204	189.746	6.48
17	35	135	3	15.7	16.9	7.59	161.073	175.023	8.66
18	37.5	120	6	5.9	6.1	3.94	204.06	215.175	5.45
19	37.5	125	6	6.4	7	8.53	202.41	206.941	2.24
20	37.5	130	6	7.6	7.8	2.03	199.607	204.211	2.31
21	37.5	135	6	8.1	8.5	5.45	202.95	206.986	1.99
22	37.5	140	6	9.2	9.3	1.27	213.926	215.266	1.63
23	40	120	9	7.4	7.5	1.5	168.148	170.747	1.55
24	40	125	9	7.8	8	3.25	138.583	141.123	1.83
25	40	135	9	8.7	8.9	2.84	173.258	176.166	1.68
26	40	140	9	9.1	9.3	2.46	197.315	201.944	2.35
27	45	120	9	27.2	14.6	4.22	701.345	678.809	3.32
28	45	125	9	26.5	15.3	1.53	599.744	617.021	2.8
29	45	130	9	29.2	15.9	5.92	574.868	560.737	2.52
30	45	135	9	27.5	16.6	2.83	500.065	509.958	1.94
31	45	140	9	30.0	17.2	3.74	482.435	464.684	3.82
32	39	120	8	5.8	5.9	1.45	128.804	131.858	2.37
				电阻平均误差/%		3.88	线宽平均误差/%		2.91

Fig.10 Some experimental results of line width measurement

Fig.11 Relative proximity ranking of each group

Fig.12 Three kinds of circuit structure patterns

Fig.13 Print renderings of 3 kinds of circuits

References 21

[1]	ABU-KHALAF J， AL-GHUSSAIN L， NADI A， et al. Optimization of Geometry Parameters of Inkjet-printed Silver Nanoparticle Traces on PDMS Substrates Using Response Surface Methodology［J］. Materials， 2019， 12（20）： 3329.
[2]	HUANG Yongan， WU Hao， ZHU Chen， et al. Programmable Robotized ‘Transfer-and-jet’ Printing for Large， 3D Curved Electronics on Complex Surfaces［J］. International Journal of Extreme Manufacturing， 2021， 3（4）： 045101.
[3]	YUAN Xiaoting， Zifeng MAI， LI Zhanmiao， et al. A 3D-printing Approach Toward Flexible Piezoelectronics with Function Diversity［J］. Materials Today， 2023， 69： 160-192.
[4]	ZHANG Chi， ZHANG Lei， PU Zhihua， et al. Fabricating 1D Stretchable Fiber-shaped Electronics Based on Inkjet Printing Technology for Wearable Applications［J］. Nano Energy， 2023， 113： 108574.
[5]	TANG Shiyan， YANG Li， LI Guanjin， et al. 3D Printing of Highly-loaded Slurries via Layered Extrusion Forming： Parameters Optimization and Control［J］. Additive Manufacturing， 2019， 28： 546-553.
[6]	CHEN Weiping， CHEN Zhiping， CHEN Ling， et al. Optimization of Printing Parameters to Achieve High-density 316L Stainless Steel Manufactured by Binder Jet 3D Printing［J］. Journal of Materials Engineering and Performance， 2023， 32（8）： 3602-3616.
[7]	FAIZAAN M， SHENOY BALOOR S， NUNNA S， et al. A Study on the Overall Variance and Void Architecture on MEX-PLA Tensile Properties through Printing Parameter Optimisation［J］. Scientific Reports， 2025， 15： 3103.
[8]	陈玉田，吴重军，魏馨怡，等. 微纳增材制造微圆柱结构的形貌分析与工艺优化研究［J］. 机械工程学报， 2023，59（1）： 286-297.
	CHEN Yutian， WU Chongjun， WEI Xinyi， et al. Morphology Analysis and Process Optimization of Micro-cylinder Structure in Micro-nano Additive Manufacturing［J］. Journal of Mechanical Engineering， 2023，59（1）： 286-297.
[9]	张继坤，乌日开西·艾依提，阿依古丽·喀斯木，等. 3D打印聚醚醚酮复合材料人工骨的成型参数优化［J］. 西安交通大学学报， 2022， 56（8）： 22-31.
	ZHANG Jikun， AIYITI Wurikaixi， KASIMU Ayiguli， et al. Optimization of Printing Parameters of 3D Printed Polyetheretherketone Composite Artificial Bone［J］. Journal of Xi'an Jiaotong University， 2022， 56（8）： 22-31.
[10]	CHEN Ruoyu， BRATTEN A， RITTENHOUSE J， et al. Additive Manufacturing of Complexly Shaped SiC with High Density via Extrusion-based Technique—effects of Slurry Thixotropic Behavior and 3D Printing Parameters［J］. Ceramics International， 2022， 48（19）： 28444-28454.
[11]	EQUBAL A， EQUBAL M I， SOOD A K. PCA-based Desirability Method for Dimensional Improvement of Part Extruded by Fused Deposition Modelling Technology［J］. Progress in Additive Manufacturing， 2019， 4（3）： 269-280.
[12]	赵欣，黄金杰. 基于RSM-RVEA的FDM增材制造工艺参数优化方法［J］. 机械工程学报， 2024， 60（19）： 277-297.
	ZHAO Xin， HUANG Jinjie. Optimization Methodology for Additive Manufacturing Parameter by Fused Deposition Modeling（FDM）Based on RSM-RVEA［J］. Journal of Mechanical Engineering， 2024， 60（19）： 277-297.
[13]	JAWAD H H， KORDANI N， BAGHERI A， et al. Optimization of 3D Printing Parameters for Enhanced Mechanical Strength： Effects of Glass Fiber Reinforcement and Fill Ratio Using RSM and ANOVA［J］. Journal of Composites Science， 2025， 9（2）： 63.
[14]	翟翠红，汪建均，马义中，等. 考虑熔融沉积成型工艺稳定性的参数优化设计［J］. 机械工程学报， 2023， 59（23）： 331-342.
	ZHAI Cuihong， WANG Jianjun， MA Yizhong， et al. Parameter Optimization Design Considering the Stability of the Fused Deposition Modeling Process［J］. Journal of Mechanical Engineering， 2023， 59（23）： 331-342.
[15]	XIA C， PAN Z， POLDEN J， et al. Modelling and Prediction of Surface Roughness in Wire Arc Additive Manufacturing Using Machine Learning［J］. Journal of Intelligent Manufacturing， 2022， 33（5）： 1467-1482.
[16]	QIAN Yuhang， LUO Xia， WEI Qianlong， et al. Printing Parameters Optimization Assisted by Machine Learning and Sintering Behavior of Binder Jetting 3D Printed 2024Al Alloy［J］. Journal of Materials Research and Technology， 2025， 35： 5796-5808.
[17]	SALGOTRA R， SINGH U， SHARMA S. On the Improvement in Grey Wolf Optimization［J］. Neural Computing and Applications， 2020， 32（8）： 3709-3748.
[18]	刘义艳，刘兴，刘方方，等. 基于改进ELM-Markov Model的建筑结构稳定性监测算法［J］. 吉林大学学报（工学版）， 2024， 54（11）： 3351-3357.
	LIU Yiyan， LIU Xing， LIU Fangfang， et al. Building Structure Stability Monitoring Algorithm Based on Improved ELM-Markov Model［J］. Journal of Jilin University （Engineering and Technology Edition）， 2024， 54（11）： 3351-3357.
[19]	任娟娟，张琦，邓世杰，等. 基于随机场理论的无砟轨道荷载效应分析研究［J］. 华中科技大学学报（自然科学版）， 2025， 53（2）： 47-52.
	REN Juanjuan， ZHANG Qi， DENG Shijie， et al. Research on Load Effect Analysis of Slab Track Based on Random Field Theory［J］. Journal of Huazhong University of Science and Technology （Nature Science Edition）， 2025， 53（2）： 47-52.
[20]	KAMAAL M， ANAS M， RASTOGI H， et al. Effect of FDM Process Parameters on Mechanical Properties of 3D-printed Carbon Fibre-PLA Composite［J］. Progress in Additive Manufacturing， 2021， 6（1）： 63-69.
[21]	易茜，柳淳，李聪波，等. 基于小样本数据驱动的滚齿工艺参数低碳优化决策方法［J］. 中国机械工程， 2022， 33（13）： 1604-1612.
	YI Qian， LIU Chun， LI Congbo， et al. A Low Carbon Optimization Decision Method for Gear Hobbing Process Parameters Driven by Small Sample Data［J］. China Mechanical Engineering， 2022， 33（13）： 1604-1612.