CN105619818B - 基于声发射的熔融沉积成型3d打印监控系统 - Google Patents
基于声发射的熔融沉积成型3d打印监控系统 Download PDFInfo
- Publication number
- CN105619818B CN105619818B CN201511029530.XA CN201511029530A CN105619818B CN 105619818 B CN105619818 B CN 105619818B CN 201511029530 A CN201511029530 A CN 201511029530A CN 105619818 B CN105619818 B CN 105619818B
- Authority
- CN
- China
- Prior art keywords
- acoustic emission
- value
- frequency domain
- printing
- hit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
基于声发射的熔融沉积成型3D打印监控系统,包括声发射传感器、前置放大器、信号采集‑处理模块和PC机;通过声发射传感器采集3D打印过程的声发射原始波形信号;信号采集‑处理模块检测并提取离散声发射波击的时域特征值和频域特征值;构建支持向量机,将声发射波击的频域特征值和时域特征值作为支持向量机的输入参数;在持续地监控过程中,支持向量机对输入参数的突变进行模式识别与分类,每个突变类型对应一种3D打印机的打印状态或故障与失效模式;若支持向量机将输入参数的突变识别为对应的故障与失效模式,则发出警报。本发明具有能够实时检测与识别在熔融沉积成型3D打印过程中出现的典型故障与失效模式并报警的优点。
Description
技术领域
本发明涉及3D打印技术与过程监控领域,特别涉及一种基于声发射传感器的熔融沉积成型3D打印监控系统。
技术背景
3D打印技术又称快速原型(Rapid Prototype)或增材制造(Additivemanufacturing)技术,根据成型方式的不同分为选择性激光烧结(SLS),熔融沉积成型(FDM),光固化成型(SLA),叠层实体成型(LOM)等。FDM与SLA、LOM、SLS的区别在于FDM没有采用激光系统。FDM是将丝状的热熔性材料(热熔丝)加热熔化,并在送丝机构的驱动下,从一个带有微细喷嘴的喷头挤喷出来。FDM打印机的打印喷头受计算机控制,根据水平分层数据做二维平面运动。热熔丝熔化后从喷嘴喷出,沉积在打印机的工作台或者前一层已固化的材料上,在温度低于固化温度后开始固化,每一层截面完成后,通过移动打印喷头或工作台,继续进行下一层的打印,如此重复,通过材料的层层堆积形成最终成品。每层截面的厚度越薄,打印的时间越长,打印的精度越高。
现有熔融沉积成型3D打印机的缺点主要在于:打印过程的稳定性和打印出来产品质量的一致性较差,且不能实现对打印过程的闭环监控,从而在打印过程中,无法检测并识别出例如工件翘离工作台和工件严重收缩变形等典型故障与失效模式并及时采取相应的补救措施。
发明内容
本发明的目的在于提供一种能够实时检测与识别在熔融沉积成型3D打印过程中出现的故障与失效模式,并实现在故障与失效模式出现时进行报警的监控系统。
基于声发射的熔融沉积成型3D打印监控系统,包括声发射传感器、前置放大器、信号采集-处理模块和PC机,声发射传感器紧贴于3D打印机座上的可加热工作台上表面,声发射传感器安装于打印区域外,声发射传感器的输出端与前置放大器的输入端连接,前置放大器的输出端与信号采集-处理模块的输入端连接,信号采集-处理模块的输出端与PC机连接;
通过声发射传感器采集3D打印过程的声发射原始波形信号,信号采集-处理模块检测由声发射原始波形信号所触发的离散声发射波击(AE hits),并利用数值计算和快速傅里叶变换分别提取每个声发射波击的时域特征值和频域特征值;
利用PC机构建支持向量机,将声发射波击的频域特征值和时域特征值作为支持向量机的输入参数;在训练过程中,支持向量机根据输入参数的突变和其对应的打印状态或故障与失效模式进行对比学习、分类和模式识别训练;支持向量机对频域特征值和时域特征值的突变进行模式识别与分类,每个突变类型对应一种3D打印机的打印状态或故障与失效模式;若支持向量机将输入参数的突变识别为对应的故障与失效模式,则发出故障与失效警报。突变类型与打印状态或失效模式的对应在初始化时人工完成。
进一步,信号采集-处理模块的输出信号输入PC机的采集模块中,采集模块持续记录每个声发射波击的频域特征值和时域特征值,并判断频域特征值和时域特征值是否有突变;若频域特征值突变,则记录该频域特征值所处的频带和该频域特征值所对应声发射波击的产生时刻;若时域特征值突变,则记录该时域特征值的数值大小和该时域特征值所对应声发射波击的产生时刻,得到突变产生的时间信息。
进一步,支持向量机的输入参数是每个时间段内的时域特征值的均值和标准差以及频域特征值的均值和标准差;每个时间段的时长可根据监控的实时性要求由操作者自行设选定。
进一步,声发射波击的时域特征值包括幅值(A)、均方根(RMS)、击数(Counts)、绝对能量(Absolute Energy);频域特征值包括幅值频率(Peak Frequency)、频率矩心(Frequency Centroid)。
进一步,声发射传感器采用宽频带型差分输入声发射传感器,声发射传感器的响应频率范围为100KHz至1000KHz。
本发明的优点在于:基于声发射波击中的时域特征值和频域特征值作为本发明监控系统的故障与失效模式检测与识别的输入参数,大大降低了数据对存储空间的占用,减轻了监控系统的计算负担,提升监控的实时性,能够实时检测与识别在熔融沉积成型3D打印过程中出现的典型故障与失效模式并报警。
附图说明
图1为本发明的结构示意图。
图2为可加热工作台上的俯视图。
图3为本发明在3D打印过程中基于声发射波击提取的时域特征值和频域特征值示意图。
1、信号采集-处理模块;2、PC机;3、前置放大器;4、打印喷头;5、可加热工作台;6、3D打印机座;7、打印区域;8、声发射传感器。
具体实施方式
3D打印是一种增材制造加工方式,与传统机械加工中减材制造的基本原理不同,相应的故障与失效模式也不同。因此,为了达到满意的监控效果,需在经过较多理论分析,实验实践,传感器安装与调试后,才能得到合适的硬件设备选型,安装方案及相应传感器系统中的参数优化。
在本实施例中,如图1所示,可加热工作台5水平安装在3D打印机座6的中部;打印喷头4垂直安装在3D打印机座6的上端;可加热工作台5可在水平二维平面上运动,打印喷头4 可在垂直方向上下往复运动,通过加热工作台5和打印喷头4的共同运动实现对工件的3D打印。声发射传感器8安装在可加热工作台5上的3D打印区域7外围,如图2所示。从而保证在3D打印的过程中,打印喷头4不会与声发射传感器8发生碰撞;声发射传感器8与可加热工作台5上表面紧密接触,在声发射传感器8与可加热工作台5的接触面间涂有真空脂,以保证接触面间的密封性及信号传输的完整性,进而使声发射传感器8可完整且准确地采集到由可加热工作台5传递来的3D打印过程信号,并在一定程度上减少了3D打印机其它运动部件的噪声干扰。
在本实施例中,信号采集-处理模块1选用美国Mistras Group公司生产的PCI-2型高速声发射信号采集卡,该信号采集卡带有板载数字信号处理(DSP)模块。声发射传感器8选用WD型宽频带型差分输入声发射传感器,可在一定程度上降噪;声发射传感器8的响应频率范围为100KHz至1000KHz,可保证所采集打印过程信号信息的完整性。同时,所选声发射传感器8能正常运行在-66摄氏度到177摄氏度的温度范围内,从而保证声发射传感器8在可加热工作台5上正常的工作并采集3D打印过程信号。
前置放大器3选用美国Mistras Group公司生产的PAC 2/4/6型前置放大器,带有差分输入端口;声发射传感器8的输出端与前置放大器3的差分输入端相连,将前置放大器3的增益调至60dB档。
信号采集-处理模块1的输入端接前置放大器3的输出端,信号采集-处理模块1的输出端与PC机2相连。该信号采集-处理模块1的最高采样频率为40MHz,具有18位模/数转换精度,并带有板载集成的DSP模块。在本实施例中,信号采集-处理模块1的信号采样阈值设为35dB,采样频率设为10MHz。信号采集-处理模块1的信号采样阈值可根据所在具体监控应用场合的背景噪音强度而进行调整;采样频率的选定原则为在保证通过所选定型号的声发射传感器8采集的声发射信号信息完整性的同时,不使信号采集-处理模块1的计算负担过重。在本实施例中将采样阈值设为35dB,采样频率设为10MHz为优选方案,但本发明的实现并不局限于本实施例的举例。
与直接对声发射原始波形信号进行处理和特征提取的技术手段所不同,本发明监控系统中基于声发射原始波形信号所触发的离散声发射波击,快速提取每个声发射波击中的时域特征值和频域特征值。信号采集-处理模块1从声发射传感器8所采集的声发射原始波形信号中检测离散分布的声发射波击,利用板载DSP模块基于数值计算及快速傅里叶变换分别提取每个声发射波击的时域特征值和频域特征值;声发射波击的时域特征值包括幅值(A)、均方根(RMS)、击数(Counts)、绝对能量(Absolute Energy);频域特征值包括幅值频率(Peak Frequency)、频率矩心(Frequency Centroid)。所提取的时域特征值和频域特征值可同步显示在PC机2的屏幕上;3D打印加工过程状态的突然变化,会反映到所提取声发射波击特征值的数值大小及其分布规律的变化当中。
PC机2中的采集模块持续记录每个声发射波击的频域特征值和时域特征值,并判断频域特征值和时域特征值是否有突变;若频域特征值突变,则记录该频域特征值所处的频带和该频域特征值对应声发射波击产生的时刻;若时域特征值突变,则记录该时域特征值的数值大小和该时域特征值对应声发射波击产生的时刻,从而得到突变产生的时间信息。在本实施例中,PC机2中所使用的采集模块为信号采集-处理模块1配套的AEwin软件。
在本实施例中,利用PC机2构建支持向量机,为了提高抗干扰能力,将按时间划分的每个时间段(0.5S)内的时域特征值的均值和标准差以及频域特征值的均值和标准差作为支持向量机的输入参数。在训练过程中,支持向量机根据输入参数的突变和其对应的打印状态或故障与失效模式进行对比学习、分类和模式识别训练;突变类型与打印状态或故障与失效模式的对应在初始化时人工完成;在持续地监控的过程中,支持向量机对输入参数的突变进行模式识别与分类,每个突变类型对应一种3D打印机的打印状态或故障与失效模式;若支持向量机将一个时段内的输入参数的突变识别为对应的故障与失效模式,则发出警报。当在一些监控应用场合中,所检测到的声发射波击数量较少时,可以直利用每个声发射波击的频域特征值和时域特征值作为本发明监控系统训练和持续监控的输入参数,而不必先进行求均值和标准差的统计运算。
例如,如图3所示,在一次3D打印中,打印状态由于一些故障与失效模式的产生,在第30秒时发生改变。本发明监控系统可立即检测并提取到由打印过程故障与失效模式所激发声发射波击信号及其对应的时域特征值和频域特征值,并记录下此突变产生的时间;同时,从幅值频率特征值中可以看出这些声发射波击的主导频率主要分布在三个频率带附近,分别是100kHz, 250kHz和550kHz;由于不同类型的故障与失效模式将激发出具有不同主导频率的声发射信号,故可知这些声发射波击主要由三类打印过程故障与失效模式激发;在熔融沉积成型3D打印过程中,典型的故障与失效模式包括工件翘离工作台,打印材料大面积收缩卷曲和打印喷头与翘离材料之间的刮擦等。典型故障与失效模式和其对应主导频率带的分布可由操作人员根据特定的3D打印机设备在现场观测及实时对比中事先整理得出,并将该对应关系应用到支持向量机算法的训练和持续地监控过程当中。
相比传统机械加工的减材制造,3D打印通常需要更长的加工时间,意味着在信号的处理手段上必须要有相应的调整和优化,以减轻监控系统的计算负担,提升监控算法的实时性。本发明中所使用的声发射信号处理方法与基于声发射原始波形信号的处理方法相比,仅需检测并提取由特定事件所触发的离散声发射波击特征值,具有一定的自适应性;同时由于需要存储的数据仅为各个离散声发射波击对应的特征值,而并非由采集卡高速采样得来的大量声发射原始波形信号数据,大大降低了数据对系统存储空间的占用。在10MHz的采样频率采样下,每秒将产生约20MB的声发射原始波形信号数据文件,这将导致在监控持续几十分钟甚至几小时的完整3D打印过程中生产巨大的数据量,从而很难对数据进行实时处理并应用于实时监控与故障报警之中。在本发明监控系统中,基于离散声发射波击提取时域特征值和频域特征值,并作为监控算法的输入参数,使得在完整3D打印过程的监控中,所产生的数据文件只有几十MB或甚至更小。
在本实施例中,利用在PC机2中MATLAB平台上的LIBSVM工具箱,构建并训练机器学习中的支持向量机算法;首先初选支持向量机算法中关键参数,本实施例选用径向基RBF作为支持向量机算法中的核函数的,对应的两个关键参数为惩罚系数C和RBF中带有的核参数γ;再将所构建的支持向量机,应用于对正常和产生典型故障与失效模式的的3D打印状态声发射波击特征值的对比学习、分类和模式识别训练中;以检测并提取得到的每个时间段内的时域特征值的均值和标准差以及频域特征值的均值和标准差作为支持向量机的输入参数,逐渐优化算法参数,提升算法对典型故障与失效模式的识别准确率,以完成支持向量机的训练过程;进而,利用训练和优化过的支持向量机,基于监控过程中的输入参数,对3D打印过程进行持续的打印状态和故障与失效模式的监控。
使用本发明所述的基于声发射的熔融沉积成型3D打印监控系统进行3D打印过程的监控,主要包括以下步骤:
1)在完成声发射传感器8和安装与连接后,开始3D打印过程,声发射传感器8连续采集3D打印过程中的声发射原始波形信号;
2)声发射原始波形信号经前置放大器3放大后,输入信号采集-处理模块1,其板载DSP模块实时检测并提取离散声发射波击的时域和频域特征值,其结果同步显示在PC机2的屏幕上;并将数据写入PC机2的硬盘进行存储,以用于后续的分析与查阅;同时,计算每个时间段内的时域特征值的均值和标准差以及频域特征值的均值和标准差,作为支持向量机的输入参数;
3)构建并训练支持向量机算法,利用在正常和产生典型故障与失效模式的3D打印状态中所检测并提取得到的基于声发射波击特征值的输入参数进行对比学习、分类和模式识别训练,并优化支持向量机中关键参数,提升算法对典型故障与失效模式的识别准确率,以完成支持向量机的训练过程;
4)利用训练过的支持向量机,基于监控过程中的输入参数对3D打印过程进行持续地监控,对典型故障与失效模式进行及时检测与识别,实现3D打印过程信息的闭环反馈与状态监控。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (5)
1.基于声发射的熔融沉积成型3D打印监控系统,其特征在于:包括声发射传感器、前置放大器、信号采集-处理模块和PC机,声发射传感器紧贴于3D打印机座上的可加热工作台上表面,声发射传感器安装于打印区域外,声发射传感器的输出端与前置放大器的输入端连接,前置放大器的输出端与信号采集-处理模块的输入端连接,信号采集-处理模块的输出端与PC机连接;
通过声发射传感器采集3D打印过程的声发射原始波形信号,信号采集-处理模块检测由声发射原始波形信号所触发的离散声发射波击,并利用数值计算和快速傅里叶变换分别提取每个声发射波击的时域特征值和频域特征值;
利用PC机构建支持向量机,将声发射波击的频域特征值和时域特征值作为支持向量机的输入参数;在训练过程中,支持向量机根据输入参数的突变和其对应的打印状态或故障与失效模式进行对比学习、分类和模式识别训练;在持续地监控过程中,支持向量机对输入参数的突变进行模式识别与分类,每个突变类型对应一种3D打印机的打印状态或故障与失效模式;若支持向量机将输入参数的突变识别为对应的故障与失效模式,则发出警报。
2.如权利要求1所述的基于声发射的熔融沉积成型3D打印监控系统,其特征在于:信号采集-处理模块的输出信号输入PC机的采集模块中,采集模块持续记录每个声发射波击的频域特征值和时域特征值,并判断频域特征值和时域特征值是否有突变;若频域特征值突变,则记录该频域特征值所处的频带和该频域特征值所对应声发射波击的产生时刻;若时域特征值突变,则记录该时域特征值的数值大小和该时域特征值所对应声发射波击的产生时刻,得到突变产生的时间信息。
3.如权利要求2所述的基于声发射的熔融沉积成型3D打印监控系统,其特征在于:支持向量机的输入参数是每个时间段内的时域特征值的均值和标准差以及频域特征值的均值和标准差。
4.如权利要求3所述的基于声发射的熔融沉积成型3D打印监控系统,其特征在于:声发射波击的时域特征值包括幅值、均方根、击数、绝对能量;频域特征值包括幅值频率、频率矩心。
5.如权利要求4所述的基于声发射的熔融沉积成型3D打印监控系统,其特征在于:声发射传感器采用宽频带型差分输入声发射传感器,声发射传感器的响应频率范围为100KHz至1000KHz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511029530.XA CN105619818B (zh) | 2015-12-31 | 2015-12-31 | 基于声发射的熔融沉积成型3d打印监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511029530.XA CN105619818B (zh) | 2015-12-31 | 2015-12-31 | 基于声发射的熔融沉积成型3d打印监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105619818A CN105619818A (zh) | 2016-06-01 |
CN105619818B true CN105619818B (zh) | 2018-04-13 |
Family
ID=56035334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511029530.XA Expired - Fee Related CN105619818B (zh) | 2015-12-31 | 2015-12-31 | 基于声发射的熔融沉积成型3d打印监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105619818B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10295502B2 (en) * | 2015-08-05 | 2019-05-21 | Delavan Inc. | Systems for quality monitoring of additive manufacturing |
EP3258219A1 (en) * | 2016-06-15 | 2017-12-20 | Eidgenössische Materialprüfungs- und Forschungsanstalt EMPA | In-situ and real time quality control in additive manufacturing process |
CN106182765B (zh) * | 2016-07-05 | 2019-05-24 | 上海交通大学 | 基于支持向量机的3d打印模型尺寸误差预测方法 |
CN107521108B (zh) * | 2017-06-27 | 2019-10-29 | 江苏威宝仕科技有限公司 | 一种3d打印机系统故障的智能诊断方法 |
EP3459714A1 (en) * | 2017-09-26 | 2019-03-27 | Siemens Aktiengesellschaft | Method and apparatus for monitoring a quality of an object of a 3d-print-job series of identical objects |
CN108115941A (zh) * | 2018-02-05 | 2018-06-05 | 广东水利电力职业技术学院(广东省水利电力技工学校) | 一种3d打印机系统 |
US11009863B2 (en) | 2018-06-14 | 2021-05-18 | Honeywell International Inc. | System and method for additive manufacturing process monitoring |
CN110370649B (zh) * | 2019-07-11 | 2021-05-11 | 中国科学院自动化研究所 | 3d打印设备的在线监测装置、系统 |
CN111175659B (zh) * | 2020-01-21 | 2022-04-29 | 湖南大学 | 基于连续声发射信号的锂离子电池状态检测系统和方法 |
CN111898443B (zh) * | 2020-06-30 | 2023-07-21 | 江苏科技大学 | 一种fdm型3d打印机送丝机构流量监测方法 |
TWI761892B (zh) * | 2020-07-22 | 2022-04-21 | 國立中興大學 | 金屬積層製造的缺陷檢測機構與缺陷辨識方法 |
CN112371995A (zh) * | 2020-10-12 | 2021-02-19 | 华南理工大学 | 选择性激光熔化3d打印裂纹检测方法、装置及存储介质 |
CN112477136A (zh) * | 2020-10-12 | 2021-03-12 | 华南理工大学 | 一种熔融沉积3d打印故障无损检测方法和检测装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975825A (zh) * | 2010-09-10 | 2011-02-16 | 江苏大学 | 一种提取拉深件裂纹声发射信号特征参数的方法 |
CN103149862A (zh) * | 2013-02-05 | 2013-06-12 | 中国矿业大学 | 声发射自动监测方法及装置 |
CN104647756A (zh) * | 2014-12-18 | 2015-05-27 | 时间环(北京)科技有限公司 | 3d打印机的控制系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006010595A (ja) * | 2004-06-29 | 2006-01-12 | Railway Technical Res Inst | 交通荷重による2次起因のae音による構造物損傷度判定方法 |
-
2015
- 2015-12-31 CN CN201511029530.XA patent/CN105619818B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975825A (zh) * | 2010-09-10 | 2011-02-16 | 江苏大学 | 一种提取拉深件裂纹声发射信号特征参数的方法 |
CN103149862A (zh) * | 2013-02-05 | 2013-06-12 | 中国矿业大学 | 声发射自动监测方法及装置 |
CN104647756A (zh) * | 2014-12-18 | 2015-05-27 | 时间环(北京)科技有限公司 | 3d打印机的控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105619818A (zh) | 2016-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105619818B (zh) | 基于声发射的熔融沉积成型3d打印监控系统 | |
Wu et al. | Experimental study of the process failure diagnosis in additive manufacturing based on acoustic emission | |
CN105184896B (zh) | 碰撞检测装置、包含其的行车记录仪及碰撞检测处理方法 | |
KR20180016582A (ko) | 컴퓨터 저장 매체, 컴퓨터 프로그램 제품, 및 풍력 발전기 세트의 장애를 모니터링하기 위한 방법, 및 장치 | |
CN110006672A (zh) | 基于声成像技术的轨道车辆故障监测方法 | |
CN110824006B (zh) | 一种基于智能声信息识别的焊后焊缝冲击质量判别方法 | |
CN111354366A (zh) | 一种异常声音检测方法及异常声音检测装置 | |
CN105834835A (zh) | 一种基于多尺度主元分析的刀具磨损在线监测方法 | |
CN106840381A (zh) | 一种爆破振动衰减效应的测试方法 | |
CN103376145B (zh) | 用于确定介质的填充深度的方法和对应的装置 | |
CN107526329A (zh) | 基于人工智能设计的机器人管理系统 | |
CN106500754A (zh) | 传感器的检测方法和传感器的检测装置 | |
JP2016530630A5 (zh) | ||
CN106872509A (zh) | 一种基于红外成像的注塑制品质量在线检测装置与方法 | |
CN109657737A (zh) | 一种基于低成本红外热视技术的机柜内小动物入侵检测方法及系统 | |
US20190213338A1 (en) | Method for verifying the integrity of an additive manufacturing process | |
CN105973583A (zh) | 一种动态报警方法 | |
CN106919164A (zh) | 基于堆栈自动编码器的水利机组故障分析方法 | |
CN109558041B (zh) | 基于gpu加速的叶尖间隙信号采集、处理和传输方法 | |
CN108287197A (zh) | 声发射塔吊安全检测系统的信号处理方法 | |
CN114517471B (zh) | 高铁路基有效硬层检测方法、装置、设备及可读存储介质 | |
CN104690407A (zh) | 一种锚链用闪光焊机的自动记录系统及自动记录方法 | |
CN104808670B (zh) | 一种智能互动机器人 | |
CN106990849A (zh) | 一种基于虚拟现实的小型实验室 | |
TWI636276B (zh) | 人工智能地震判斷方法及地震偵測系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180413 Termination date: 20201231 |
|
CF01 | Termination of patent right due to non-payment of annual fee |