CN108247058A - 一种3d打印智能送粉系统 - Google Patents

Abstract

本发明属于3D打印技术领域，公开了一种3D打印智能送粉系统，设置有：铺粉器、收粉罐、机械手、第一感测器、第一控制器、第三感测器、第三控制器、第四控制器、第四感测器、第二控制器、第二感测器、盛粉罐、电子束偏转扫描器；铺粉器电性连接于第一感测器；粉罐电性连接与第三感测器、第四感测器等。本发明通过电子束偏转扫描器对待铺粉进行电子束偏转扫描预热处理，可以有效降低“吹粉”现象的发生，通过处理器控制机械手以及铺粉器进行铺粉工作，控制机械手将铺粉完毕的成品收集到收粉罐中进行收集，操作简单，铺粉精度高，机械系统化程度高，非常值得推广使用。

Description

一种3D打印智能送粉系统

技术领域

本发明属于3D打印技术领域，尤其涉及一种3D打印智能送粉系统。

背景技术

目前，3D打印技术是一个市场需求增长迅速的新型行业，而电子束3D打印技术亦是如此，己经应用于汽车、家居、航空航天、船舶工业、医疗机械等领域。艺术、兵器工业等领域也开始使用电子束3D打印技术。随着电子束3D打印技术越来越成熟，设备空间从起初SOL的电子束焊机真空室到10000L的真空车间，打印样件由刚开始的厘米级小试样到米级的工艺成品。而随着电子束3D打印设备与技术的完善和发展，其应用领域将不断拓宽。然而现有3D打印送粉系统机械化程度不高，而且由于对金属粉的预热部分不成熟，造成铺粉过程中产生“吹粉”现象的产生。目前大多数公司生产的温度测试仪，都采用“光电三极管或光电池+信号放大电路+A/D转换电路”设计结构，这些测试仪虽然能测量温度，但这些测试仪具有系统设计复杂，精度不高，调试困难，产品价格比较昂贵等缺点。

综上所述，现有技术存在的问题是：现有3D打印送粉系统机械化程度不高，而且由于对金属粉的预热部分不成熟，造成铺粉过程中产生“吹粉”现象的产生，无法满足使用者的需要。

发明内容

针对现有技术存在的问题，本发明提供了一种3D打印智能送粉系统。

本发明是这样实现的，一种3D打印智能送粉系统设置有：

铺粉器、收粉罐、机械手、第一感测器、第一控制器、第三感测器、第三控制器、第四控制器、第四感测器、第二控制器、第二感测器、盛粉罐、电子束偏转扫描器。

所述铺粉器电性连接于所述第一感测器；所述收粉罐电性连接与所述第三感测器、第四感测器；所述收粉罐电性连接于所述机械手；

所述机械手电性连接于所述第三控制器、第四控制器；所述盛粉罐电性连接于所述机械手、第二感测器；所述电子束偏转扫描器电性连接于所述铺粉器。

所述第一感测器在可编程逻辑器件门列阵中，内嵌32位的Nios II软核CPU，SDRAM控制器与外围的SDRAM存储器芯片，构成本系统的SDRAM存储系统，用于存放NiosII软核CPU运行时的程序和在运行时所产生的重要的数据，JTAG UART控制器通过JTAG线与上位PC机相连，实现程序的下载和在线调试功能；EPSC控制器及其外围的EPSC存储芯片，构成一个串行的电可擦除的存储系统，主要用于存储FPGA配制文件与NiosII软核CPU执行程序代码；LCD控制器及其LCD显示器用于显示光强度值；BH1750铺粉温度度传感器模块通过I2C数据总路线与FPGA中的NiosII进行通信，PIO1口为BH1750光强度传感器模块提供SCL时钟信号，而POI2提供SDA信号；

所述BH1750的应用电路结构具体为：由数字型光强度传感器集成电路BH1750、外围的两个电阻R1、R2和外围两个电容C1、C2组成，集成电路BH1750的第2引脚ADD和第3引脚GND接地0电位；集成电路BH1750的第1引脚VCC和第5引脚DVI接供电电源；集成电路BH1750的第1引脚VCC和第5引脚DVI分别接上滤波电容C1和C2，集成电路BH1750的第4引脚SDA和第6引脚SCL分别接上拉电阻R1和R2，FPGA芯片通过4引脚SDA和第6引脚SCL读取铺粉温度数据；

第一感测器的铺粉温度测量方法，包括以下步骤：

1)系统对LCD进行初始化操作；

2)设置BH1750的工作模式为加电工作模式；

3)设置BH1750的工作模式为高分辩率工作模式；

4)延时180毫秒；

5)读取BH1750中的BUF数据；

6)合成铺粉温度数据；

7)用LCD显示结果。

所述第四感测器、第三感测器、第二感测器的结构与第一感测器相同。

进一步，所述机械手设置有3个，并且电性连接于第二控制器、第三控制器和第四控制器。

所述第二控制器、第三控制器和第四控制器设置有无线通信模块，所述无线通信模块将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；

构建统一的运维数据模型过程如下：

首先，选取参考告警信息参数向量，建立参考数列X₀，

X₀＝{X₀(k)|k＝1,2,…,n}＝(X₀(1),X₀(2),…,X₀(n))；

其中k表示时刻，X₀表示告警信息，n表示告警信息参数向量特征维数；

其次，假设有m个比较故障告警信息数据，建立比较数列X_i

X_i＝{X_i(k)|k＝1,2,…,n}＝(X_i(1),X_i(2),…,X_i(n))_i＝1,2,…,m；

然后，建立比较数列X_i对参考数列X₀在k时刻的关联系数ζ_i(k)：

其中，w₁为各个参数相应的权重，其根据用户的网络属性进行调整和决定；其中ρ为分辨系数，ρ∈[0,+∞)；ρ越大，分辩率越大；ρ越小，分辩率越小；

最后，计算出比较数列X_i对参考数列X₀的关联度

所述无线通信模块的无线网络参数映射到异构网络中以获取定位的网络故障，在该过程中每一个网络节点均作为一个智能体参与网络故障定位过程中，其具体过程如下：

选择Q学习方法来建立一个参数系统，建立和维护一个二维的Q值表，第一维用来表示所有可能的状态，第二维表示网络节点智能体所可能采取的行动；每一个Q值表的单元q(s,a)都对应着智能体在状态S下采取行动a的Q值；用户选择行动的一般准则为：网络节点智能体基于在给定状态下的每个动作的Q值表，按照一定的概率进行动作选择，一个动作的Q值越大，则被选择的概率就越大；当发生网络故障时，首先，网络节点智能体根据运维数据中的网络告警信息的相关性分析和逻辑回归分析确定将要优化的异构网络无线参数，构建一个新状态S，在构建完状态S后，要计算对应S的各个Q值；

然后，网络节点智能体根据Q值以一定的概率P：

选择优化策略，即动作a；

最后，系统终端根据网络节点智能体回报值和已有的Q值，更新Q值表中状态S和所选动作的值，其中，

上述R(x,α)＝E{r|s,a}，π为所选的策略，α是学习因子。

进一步，所述收粉罐设置有2个，并且电性连接于第三感测器、第四感测器。

所述第三感测器、第四感测器无线定位方法具体包括以下步骤：

待定位节点O通信范围内的锚节点坐标为A_i(x_i,y_i)，其中i＝0,1,…,n(n≥4)；

步骤一：待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0,1,…,N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为A_i(x_i,y_i)；

步骤二：根据采样信号r(n)，计算互相关值E：

步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点A_i之间的距离：

Pr(d_i′)＝Pr(d₀)-10·γlg(d_i′)+X_σ；

其中，Pr(d_i′)表示距离发送端距离为d_i′时获取的互相关值，Pr(d₀)表示距离发送端d₀＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算，X_σ服从均值为0、标准差为σ的高斯分布；

利用上式计算出各个锚节点与待定位节点O之间的距离分别为d_i′，对应的锚节点的坐标分别为A_i(x_i,y_i)，其中i＝0,1,2,…,n；

步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x,y)。

本发明通过电子束偏转扫描器对待铺粉进行电子束偏转扫描预热处理，可以有效降低“吹粉”现象的发生，通过处理器控制机械手以及铺粉器进行铺粉工作，控制机械手将铺粉完毕的成品收集到收粉罐中进行收集，操作简单，铺粉精度高，机械系统化程度高，非常值得推广使用。

硬件系统采用的可编程逻辑门列阵(FPGA)EP1C6Q240C8进行设计，软件系统采用QuartusII12.0软件进行开发。测试结果，在测试过程中，对铺粉温度进行测量，第隔0.01秒钟记录一次测量结果。测试结果表明，本不仅工作稳定，而且测量精度高，因此有一定的实用价值。

附图说明

图1是本发明实施例提供的3D打印智能送粉系统结构示意图；

图中：1、铺粉器；2、收粉罐；3、机械手；4、第一感测器；5、第一控制器；6、第三感测器；7、第三控制器；8、第四控制器；9、第四感测器；10、第二控制器；11、第二感测器；12、盛粉罐；13、电子束偏转扫描器。

图2是本发明实施例提供的第一感测器的铺粉温度度传感器原理图。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例所述的3D打印智能送粉系统包括：铺粉器1、收粉罐2、机械手3、第一感测器4、第一控制器5、第三感测器6、第三控制器7、第四控制器8、第四感测器9、第二控制器10、第二感测器11、盛粉罐12、电子束偏转扫描器13。

所述铺粉器1电性连接于所述第一感测器4；所述收粉罐2电性连接与所述第三感测器6、第四感测器9；所述收粉罐2电性连接于所述机械手3；

所述机械手3电性连接于所述第三控制器7、第四控制器8；所述盛粉罐12电性连接于所述机械手3、第二感测器11；所述电子束偏转扫描器13电性连接于所述铺粉器1。

如图2，所述第一感测器在可编程逻辑器件门列阵中，内嵌32位的Nios II软核CPU，SDRAM控制器与外围的SDRAM存储器芯片，构成本系统的SDRAM存储系统，用于存放NiosII软核CPU运行时的程序和在运行时所产生的重要的数据，JTAG UART控制器通过JTAG线与上位PC机相连，实现程序的下载和在线调试功能；EPSC控制器及其外围的EPSC存储芯片，构成一个串行的电可擦除的存储系统，主要用于存储FPGA配制文件与NiosII软核CPU执行程序代码；LCD控制器及其LCD显示器用于显示光强度值；BH1750铺粉温度度传感器模块通过I2C数据总路线与FPGA中的NiosII进行通信，PIO1口为BH1750光强度传感器模块提供SCL时钟信号，而POI2提供SDA信号；

所述BH1750的应用电路结构具体为：由数字型光强度传感器集成电路BH1750、外围的两个电阻R1、R2和外围两个电容C1、C2组成，集成电路BH1750的第2引脚ADD和第3引脚GND接地0电位；集成电路BH1750的第1引脚VCC和第5引脚DVI接供电电源；集成电路BH1750的第1引脚VCC和第5引脚DVI分别接上滤波电容C1和C2，集成电路BH1750的第4引脚SDA和第6引脚SCL分别接上拉电阻R1和R2，FPGA芯片通过4引脚SDA和第6引脚SCL读取铺粉温度数据；

第一感测器的铺粉温度测量方法，包括以下步骤：

1)系统对LCD进行初始化操作；

2)设置BH1750的工作模式为加电工作模式；

3)设置BH1750的工作模式为高分辩率工作模式；

4)延时180毫秒；

5)读取BH1750中的BUF数据；

6)合成铺粉温度数据；

7)用LCD显示结果。

所述第四感测器、第三感测器、第二感测器的结构与第一感测器相同。

进一步，所述机械手3设置有3个，并且电性连接于第二控制器10、第三控制器7和第四控制器8。

进一步，所述收粉罐2设置有2个，并且电性连接于第三感测器6、第四感测器9。

所述第二控制器、第三控制器和第四控制器设置有无线通信模块，所述无线通信模块将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；

构建统一的运维数据模型过程如下：

首先，选取参考告警信息参数向量，建立参考数列X₀，

X₀＝{X₀(k)|k＝1,2,…,n}＝(X₀(1),X₀(2),…,X₀(n))；

其中k表示时刻，X₀表示告警信息，n表示告警信息参数向量特征维数；

其次，假设有m个比较故障告警信息数据，建立比较数列X_i

X_i＝{X_i(k)|k＝1,2,…,n}＝(X_i(1),X_i(2),…,X_i(n))_i＝1,2,…,m；

然后，建立比较数列X_i对参考数列X₀在k时刻的关联系数ζ_i(k)：

其中，w₁为各个参数相应的权重，其根据用户的网络属性进行调整和决定；其中ρ为分辨系数，ρ∈[0,+∞)；ρ越大，分辩率越大；ρ越小，分辩率越小；

最后，计算出比较数列X_i对参考数列X₀的关联度

所述无线通信模块的无线网络参数映射到异构网络中以获取定位的网络故障，在该过程中每一个网络节点均作为一个智能体参与网络故障定位过程中，其具体过程如下：

选择Q学习方法来建立一个参数系统，建立和维护一个二维的Q值表，第一维用来表示所有可能的状态，第二维表示网络节点智能体所可能采取的行动；每一个Q值表的单元q(s,a)都对应着智能体在状态S下采取行动a的Q值；用户选择行动的一般准则为：网络节点智能体基于在给定状态下的每个动作的Q值表，按照一定的概率进行动作选择，一个动作的Q值越大，则被选择的概率就越大；当发生网络故障时，首先，网络节点智能体根据运维数据中的网络告警信息的相关性分析和逻辑回归分析确定将要优化的异构网络无线参数，构建一个新状态S，在构建完状态S后，要计算对应S的各个Q值；

然后，网络节点智能体根据Q值以一定的概率P：

选择优化策略，即动作a；

最后，系统终端根据网络节点智能体回报值和已有的Q值，更新Q值表中状态S和所选动作的值，其中，

上述R(x,α)＝E{r|s,a}，π为所选的策略，α是学习因子。

所述第三感测器、第四感测器无线定位方法具体包括以下步骤：

待定位节点O通信范围内的锚节点坐标为A_i(x_i,y_i)，其中i＝0,1,…,n(n≥4)；

步骤一：待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0,1,…,N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为A_i(x_i,y_i)；

步骤二：根据采样信号r(n)，计算互相关值E：

步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点A_i之间的距离：

Pr(d_i′)＝Pr(d₀)-10·γlg(d_i′)+X_σ；

其中，Pr(d_i′)表示距离发送端距离为d_i′时获取的互相关值，Pr(d₀)表示距离发送端d₀＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算，X_σ服从均值为0、标准差为σ的高斯分布；

利用上式计算出各个锚节点与待定位节点O之间的距离分别为d_i′，对应的锚节点的坐标分别为A_i(x_i,y_i)，其中i＝0,1,2,…,n；

步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x,y)。

本发明通过电子束偏转扫描器1对待铺粉进行电子束偏转扫描预热处理，可以有效降低“吹粉”现象的发生，通过处理器控制机械手3以及铺粉器1进行铺粉工作，控制机械手3将铺粉完毕的成品收集到收粉罐2中进行收集，操作简单，铺粉精度高，机械系统化程度高，非常值得推广使用。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (3)

1.一种3D打印智能送粉系统，其特征在于，所述3D打印智能送粉系统设置有：铺粉器、收粉罐、机械手、第一感测器、第一控制器、第三感测器、第三控制器、第四控制器、第四感测器、第二控制器、第二感测器、盛粉罐、电子束偏转扫描器；

所述铺粉器电性连接于所述第一感测器；所述收粉罐电性连接与所述第三感测器、第四感测器；所述收粉罐电性连接于所述机械手；

所述机械手电性连接于所述第三控制器、第四控制器；所述盛粉罐电性连接于所述机械手、第二感测器；所述电子束偏转扫描器电性连接于所述铺粉器；

所述第一感测器在可编程逻辑器件门列阵中，内嵌32位的Nios II软核CPU，SDRAM控制器与外围的SDRAM存储器芯片，构成本系统的SDRAM存储系统，用于存放NiosII软核CPU运行时的程序和在运行时所产生的重要的数据，JTAG UART控制器通过JTAG线与上位PC机相连，实现程序的下载和在线调试功能；EPSC控制器及其外围的EPSC存储芯片，构成一个串行的电可擦除的存储系统，主要用于存储FPGA配制文件与NiosII软核CPU执行程序代码；LCD控制器及其LCD显示器用于显示光强度值；BH1750铺粉温度度传感器模块通过I2C数据总路线与FPGA中的NiosII进行通信，PIO1口为BH1750光强度传感器模块提供SCL时钟信号，而POI2提供SDA信号；

所述BH1750的应用电路结构具体为：由数字型光强度传感器集成电路BH1750、外围的两个电阻R1、R2和外围两个电容C1、C2组成，集成电路BH1750的第2引脚ADD和第3引脚GND接地0电位；集成电路BH1750的第1引脚VCC和第5引脚DVI接供电电源；集成电路BH1750的第1引脚VCC和第5引脚DVI分别接上滤波电容C1和C2，集成电路BH1750的第4引脚SDA和第6引脚SCL分别接上拉电阻R1和R2，FPGA芯片通过4引脚SDA和第6引脚SCL读取铺粉温度数据；

第一感测器的铺粉温度测量方法，包括以下步骤：

1)系统对LCD进行初始化操作；

2)设置BH1750的工作模式为加电工作模式；

3)设置BH1750的工作模式为高分辩率工作模式；

4)延时180毫秒；

5)读取BH1750中的BUF数据；

6)合成铺粉温度数据；

7)用LCD显示结果。

2.如权利要求1所述的3D打印智能送粉系统，其特征在于，所述机械手设置有3个，并且电性连接于第二控制器、第三控制器和第四控制器；

所述第二控制器、第三控制器和第四控制器设置有无线通信模块，所述无线通信模块将获得的异构网络运维数据进行统一处理，构建统一的运维数据模型；

构建统一的运维数据模型过程如下：

首先，选取参考告警信息参数向量，建立参考数列X₀，

X₀＝{X₀(k)|k＝1,2,…,n}＝(X₀(1),X₀(2),…,X₀(n))；

其中k表示时刻，X₀表示告警信息，n表示告警信息参数向量特征维数；

其次，假设有m个比较故障告警信息数据，建立比较数列X_i

X_i＝{X_i(k)|k＝1,2,…,n}＝(X_i(1),X_i(2),…,X_i(n))_i＝1,2,…,m；

然后，建立比较数列X_i对参考数列X₀在k时刻的关联系数ζ_i(k)：

其中，w₁为各个参数相应的权重，其根据用户的网络属性进行调整和决定；

其中ρ为分辨系数，ρ∈[0,+∞)；ρ越大，分辩率越大；ρ越小，分辩率越小；

最后，计算出比较数列X_i对参考数列X₀的关联度

所述无线通信模块的无线网络参数映射到异构网络中以获取定位的网络故障，在该过程中每一个网络节点均作为一个智能体参与网络故障定位过程中，其具体过程如下：

选择Q学习方法来建立一个参数系统，建立和维护一个二维的Q值表，第一维用来表示所有可能的状态，第二维表示网络节点智能体所可能采取的行动；每一个Q值表的单元q(s,a)都对应着智能体在状态S下采取行动a的Q值；用户选择行动的一般准则为：网络节点智能体基于在给定状态下的每个动作的Q值表，按照一定的概率进行动作选择，一个动作的Q值越大，则被选择的概率就越大；当发生网络故障时，首先，网络节点智能体根据运维数据中的网络告警信息的相关性分析和逻辑回归分析确定将要优化的异构网络无线参数，构建一个新状态S，在构建完状态S后，要计算对应S的各个Q值；

然后，网络节点智能体根据Q值以一定的概率P：

选择优化策略，即动作a；

最后，系统终端根据网络节点智能体回报值和已有的Q值，更新Q值表中状态S和所选动作的值，其中，

上述R(x,α)＝E{r|s,a}，π为所选的策略，α是学习因子。

3.如权利要求1所述的3D打印智能送粉系统，其特征在于，所述收粉罐设置有2个，并且电性连接于第三感测器、第四感测器；

所述第三感测器、第四感测器无线定位方法具体包括以下步骤：

待定位节点O通信范围内的锚节点坐标为A_i(x_i,y_i)，其中i＝0,1,…,n(n≥4)；

步骤一：待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0,1,…,N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为A_i(x_i,y_i)；

步骤二：根据采样信号r(n)，计算互相关值E：

步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点A_i之间的距离：

Pr(d_i′)＝Pr(d₀)-10·γlg(d_i′)+X_s；

其中，Pr(d_i′)表示距离发送端距离为d_i′时获取的互相关值，Pr(d₀)表示距离发送端d₀＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算，X_σ服从均值为0、标准差为σ的高斯分布；

利用上式计算出各个锚节点与待定位节点O之间的距离分别为d_i′，对应的锚节点的坐标分别为A_i(x_i,y_i)，其中i＝0,1,2,…,n；

步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x,y)。