一种3D打印机故障诊断方法、装置、设备及介质与流程

本发明涉及故障诊断，尤其涉及一种3d打印机故障诊断方法、装置、设备及介质。

背景技术：

1、3d打印机的上位机可以收集设备的各项参数，并对收集到的参数进行存储和展示。设备的运行会由于硬件老化、耗材使用等原因，引发异常或故障。在设备出现异常或故障时，用户会联系生产商，要求提供技术支持来修复设备。生产商的售后人员会根据机器故障时的行为、状态以及设备上位机收集到的参数对问题进行分析并设计合理的方案进行修复。

2、常用的分析方式是通过对比设备正常运行时的参数和出现异常时的参数，找出不同点并以此为根据分析出故障原因。尽管这种方式行之有效，但是单纯依靠人力排查的方式，需要耗费较长的检修时间，尤其对于构造复杂的设备，当问题的原因不是单一组件引起时，排查过程需要反复查找问题和调试，因而设备故障诊断的效率低下，且需要额外的人工成本。

技术实现思路

1、本发明提供了一种3d打印机故障诊断方法、装置、设备及介质，能够基于故障诊断模型实现对3d打印机故障的高效准确诊断，有效提高了故障诊断效率，同时降低了人工成本。

2、根据本发明的一方面，提供了一种3d打印机故障诊断方法，所述方法包括：

3、获取候选3d打印机在不同历史检测时刻下预设数据类型的历史运行数据；其中，所述预设数据类型包括材料余量、喷头温度、喷头坐标和已打印层数；

4、按时间倒序对所述历史运行数据进行分组得到候选运行数据矩阵，并对所述候选运行数据矩阵进行归一化处理得到目标运行数据矩阵；其中，每个所述候选运行数据矩阵具有相同的行数和列数；

5、基于所述目标运行数据矩阵对预设卷积神经网络模型进行训练，在所述预设卷积神经网络模型收敛的情况下，将所述预设卷积神经网络模型确定为故障诊断模型，以基于所述故障诊断模型对目标3d打印机进行故障诊断。

6、根据本发明的另一方面，提供了一种3d打印机故障诊断装置，包括：

7、历史运行数据获取模块，用于获取候选3d打印机在不同历史检测时刻下预设数据类型的历史运行数据；其中，所述预设数据类型包括材料余量、喷头温度、喷头坐标和已打印层数；

8、历史运行数据处理模块，用于按时间倒序对所述历史运行数据进行分组得到候选运行数据矩阵，并对所述候选运行数据矩阵进行归一化处理得到目标运行数据矩阵；其中，每个所述候选运行数据矩阵具有相同的行数和列数；

9、网络模型训练模块，用于基于所述目标运行数据矩阵对预设卷积神经网络模型进行训练，在所述预设卷积神经网络模型收敛的情况下，将所述预设卷积神经网络模型确定为故障诊断模型，以基于所述故障诊断模型对目标3d打印机进行故障诊断。

10、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

11、至少一个处理器；以及

12、与所述至少一个处理器通信连接的存储器；其中，

13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的3d打印机故障诊断方法。

14、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的3d打印机故障诊断方法。

15、本发明实施例的技术方案，首先获取候选3d打印机在不同历史检测时刻下预设数据类型的历史运行数据；其中，预设数据类型包括材料余量、喷头温度、喷头坐标和已打印层数；然后按时间倒序对历史运行数据进行分组得到候选运行数据矩阵，并对候选运行数据矩阵进行归一化处理得到目标运行数据矩阵；其中，每个候选运行数据矩阵具有相同的行数和列数；再基于目标运行数据矩阵对预设卷积神经网络模型进行训练，在预设卷积神经网络模型收敛的情况下，将预设卷积神经网络模型确定为故障诊断模型，以基于故障诊断模型对目标3d打印机进行故障诊断。本技术方案，能够基于故障诊断模型对3d打印机故障进行高效准确诊断，有效提高了故障诊断效率，同时降低了人工成本。

16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种3d打印机故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，相邻两个历史检测时刻之间的时间长度相同；

3.根据权利要求2所述的方法，其特征在于，对所述候选运行数据矩阵进行归一化处理得到目标运行数据矩阵，包括：

4.根据权利要求1所述的方法，其特征在于，基于所述目标运行数据矩阵对预设卷积神经网络模型进行训练，包括：

5.根据权利要求4所述的方法，其特征在于，根据所述目标运行数据矩阵以及所述目标运行数据矩阵对应的故障标签对预设卷积神经网络模型进行训练，包括：

6.根据权利要求5所述的方法，其特征在于，在将所述预设卷积神经网络模型确定为故障诊断模型之后，所述方法还包括：

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述预设卷积神经网络模型的训练参数包括连接权重。

8.一种3d打印机故障诊断装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的3d打印机故障诊断方法。

技术总结
本发明实施例公开了一种3D打印机故障诊断方法、装置、设备及介质。其中，该方法包括：获取候选3D打印机在不同历史检测时刻下预设数据类型的历史运行数据；其中，预设数据类型包括材料余量、喷头温度、喷头坐标和已打印层数；按时间倒序对历史运行数据进行分组得到候选运行数据矩阵，并对候选运行数据矩阵进行归一化处理得到目标运行数据矩阵；基于目标运行数据矩阵对预设卷积神经网络模型进行训练，在预设卷积神经网络模型收敛的情况下，将预设卷积神经网络模型确定为故障诊断模型，以基于故障诊断模型对目标3D打印机进行故障诊断。本方案能够基于故障诊断模型对3D打印机故障进行高效准确诊断，有效提高了故障诊断效率，同时降低了人工成本。

技术研发人员：刘硕
受保护的技术使用者：苏州闪铸三维科技有限公司
技术研发日：
技术公布日：2024/10/31