基于人工智能的3D打印在线监测及闭环控制方法和系统

本发明属于3d打印，具体涉及一种基于人工智能的3d打印在线监测及闭环控制方法和系统。

背景技术：

1、近年来，3d打印技术已经广泛应用于多个领域，具有一体化制造、个性化定制、快速原型验证等优点，随着3d打印的快速发展，工业界对打印零件的质量可靠性要求越来越苛刻。传统的3d打印质量控制主要是通过人工监测及手动修正的方法，不仅效率低下，且难以实现远程控制。因此，亟需对3d打印技术的在线监测及修正技术。

2、3d打印过程中存在诸多工艺参数的调控问题，包括：温度、挤出量、能量等参数的变化，会导致打印质量和结构的不稳定性。以温度分布为例，由于打印平台温度加热不均匀导致的粉末受热差异，往往会给零件引入缺陷，造成3d打印件的质量及性能下降；熔融沉积(fdm)打印过程中由于挤出量的不均匀也会导致成形件质量下降。因此，为提高打印精度并保障打印件的综合性能，确保打印质量和结构的一致性，针对3d打印的过程监测技术显得尤为重要。

3、目前已有的3d打印在线监测技术主要有摄像头监测法和声波监测法。摄像头监测法(中国专利：202211170763.1，名称为：基于人工智能图像识别的连续纤维3d打印过程监测方法)通过在打印过程中使用高速摄像头对打印过程进行实时监测，可观察打印物体的形态变化、熔融池的状况等。声波监测法(中国专利：cn109187755b，名称为：一种基于3d打印的在线超声无损检测方法)则通过声波信号来评估打印过程中材料的质量和粘合度，可以发现打印过程中的空洞、松散等问题。然而，摄像头监测和声波监测只能发现可能会出现的结构形态问题，如空洞、裂纹、结构变形等，无法实现对监测状态进行反馈调节及实时控制。

4、综上，目前缺乏适用于多种3d打印工艺技术的在线监测及缺陷识别方法，以及闭环反馈控制技术，导致3d打印件往往面临着成型温度分布不均，引起零件内部缺陷等质量问题，限制了3d打印制件在工业界的广泛应用。

技术实现思路

1、为了克服上述现有技术的缺点，本发明的目的在于提供了一种基于人工智能的3d打印在线监测及闭环控制方法和系统，一方面可以实现多种不同3d打印过程中对打印质量的自动监测，另一方面可以实现反馈控制及补偿修复，进而实现3d打印件质量的智能可控，提高3d打印产品的合格率，减少材料浪费，缩短制造时间。

2、为了实现上述目的，本发明采取的技术方案为：

3、一种基于人工智能的3d打印在线监测及闭环控制方法，选择基于计算机视觉与模式识别的过程监测技术对3d打印过程进行监测，通过包括高速随动相机、热成像仪的数据采集设备，实时采集打印件的表面图像及温度分布热像图，结合神经网络分类模型实现图像识别分类功能，进而实现对打印过程的自动监测及闭环控制。

4、所述计算机视觉与模式识别的过程监测技术，将采集到的图数据输入前期完成训练的人工智能算法，实现实时的人工智能图像识别，不仅实现打印表面的监控，还能够对打印过程中各层的温度分布做出判断；神经网络分类器实现输出针对不同3d打印过程中的缺陷监测，并反馈给3d打印控制系统，对3d打印机的参数调整模块进行相应矫正，实现温度的均匀分布。

5、所述人工智能算法包括二分类神经网络模型、多分类卷积神经网络、k值临近算法等。

6、一种基于人工智能的3d打印在线监测及闭环控制方法，包括以下步骤：

7、1)根据所需要监测的3d打印平台结构，确定用于采集的数据类型，例如温度分布、打印表面质量等，确定数据采集设备(例如高速随动相机、热成像仪等)开展图像数据库的打印件的制备过程；

8、2)设计及搭建数据采集设备与打印喷头随动的3d打印平台，实现多个自由度打印过程中打印数据的采集；

9、3)将步骤1)用于构建图像数据库的打印件结构的三维模型文件导入3d打印机，重复不同工艺参数的打印过程以采集3d打印数据；

10、4)通过前期采集打印喷头附近图像，针对不同打印工艺参数发生的具体情况，对图像数据进行分类、整理，构建图像数据库；

11、5)使用步骤4)中的图像数据库对初始神经网络模型进行训练以提高精度，实现针对不同打印状况的自动诊断；

12、6)由训练完成的神经网络模型输出针对不同3d打印过程中打印状态的实时监测结果，并反馈给3d打印机进行反馈调整，实现打印质量的实时矫正。

13、实现一种基于人工智能的3d打印在线监测及闭环控制方法的系统，包括打印机1，打印机1集成有随动摄像头2、热成像仪3；经过机器学习的初始神经网络模型5实现对随动摄像头2和热成像仪3所采集到的未标记图像通过拾取特征，最终实现对3d打印过程中打印件4状态的分类。

14、与现有技术相比，本发明具有以下有益效果：

15、(1)本发明将人工智能图像识别技术与3d打印工艺结合，设计基于随动数据采集设备(高速相机、热成像仪等)的3d打印实时监测及闭环控制方法，可以用于不同的3d打印工艺过程中针对温度分布是否均匀、是否达到良好表面质量等进行判断，进而改善温度不均或挤出量问题等工艺参数所引起的多工艺3d打印件质量问题。

16、(2)本发明创新的提出适用于多种3d打印工艺的在线监测及闭环控制方法，目前国际上暂无适用于不同3d打印过程的自动监控及闭环控制技术，已有研究中检测的打印缺陷多为打印件的形态缺陷，缺乏如热像仪等其他监测设备随动的增材制造过程控制；已有研究监测的对象多为普通相机随动的打印过程检测，通过分析每一层的视频画面，判断打印的形态缺陷，而非本发明不仅可以对打印过程中喷头处附近的图像进行采集，还可以加入热像仪随动的设计，本发明可改善打印温度分布不均等问题，可有效对不同工艺的3d打印平台打印质量问题进行改善。

技术特征：

1.一种基于人工智能的3d打印在线监测及闭环控制方法，其特征在于：选择基于计算机视觉与模式识别的过程监测技术对3d打印过程进行监测，通过包括高速随动相机、热成像仪的数据采集设备，实时采集打印件的表面图像及温度分布热像图，结合神经网络分类模型实现图像识别分类功能，进而实现对打印过程的自动监测及闭环控制。

2.根据权利要求1所述的方法，其特征在于：所述计算机视觉与模式识别的过程监测技术，将采集到的图数据输入前期完成训练的人工智能算法，实现实时的人工智能图像识别，不仅实现打印表面的监控，还能够对打印过程中各层的温度分布做出判断；神经网络分类器实现输出针对不同3d打印过程中的缺陷监测，并反馈给3d打印控制系统，对3d打印机的参数调整模块进行相应矫正，实现温度的均匀分布。

3.根据权利要求2所述的方法，其特征在于：所述人工智能算法包括二分类神经网络模型、多分类卷积神经网络、k值临近算法。

4.根据权利要求1-3所述的方法，其特征在于，包括以下步骤：

5.实现权利要求4所述的一种基于人工智能的3d打印在线监测及闭环控制方法的系统，包括打印机(1)，其特征在于：打印机(1)集成有随动摄像头(2)、热成像仪(3)；经过机器学习的初始神经网络模型(5)实现对随动摄像头(2)和热成像仪(3)所采集到的未标记图像通过拾取特征，最终实现对3d打印过程中打印件(4)状态的分类。

技术总结
一种基于人工智能的3D打印过程监测及闭环控制方法和系统，选择基于计算机视觉与模式识别的过程监测技术对3D打印过程进行监测，通过包括高速随动相机、热成像仪的数据采集设备，实时采集打印件的表面图像及温度分布热像图，结合神经网络分类模型实现图像识别分类功能，进而实现对打印过程的自动监测及闭环控制；本发明一方面可以实现3D打印区域的实时自动监测，另一方面可以实现闭环在线控制及打印矫正，进而实现3D打印质量的智能可控，提高3D打印产品的合格率，减少材料浪费，缩短制造时间。

技术研发人员：薛嘉诚,吴玲玲,田小永,刘腾飞,池欣芸
受保护的技术使用者：西安交通大学
技术研发日：
技术公布日：2024/1/13