CN115091761A - 一种基于ldni的3d打印自适应切片方法 - Google Patents
一种基于ldni的3d打印自适应切片方法 Download PDFInfo
- Publication number
- CN115091761A CN115091761A CN202210589078.6A CN202210589078A CN115091761A CN 115091761 A CN115091761 A CN 115091761A CN 202210589078 A CN202210589078 A CN 202210589078A CN 115091761 A CN115091761 A CN 115091761A
- Authority
- CN
- China
- Prior art keywords
- printing
- layer
- model
- ldni
- sampling
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010146 3D printing Methods 0.000 title claims description 18
- 238000007639 printing Methods 0.000 claims abstract description 60
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 230000003044 adaptive effect Effects 0.000 claims abstract description 21
- 238000009826 distribution Methods 0.000 claims abstract description 5
- 230000000007 visual effect Effects 0.000 claims abstract description 5
- 239000013598 vector Substances 0.000 claims abstract 3
- 238000001125 extrusion Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000005520 cutting process Methods 0.000 description 5
- 238000000465 moulding Methods 0.000 description 4
- 238000005266 casting Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- 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)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
Abstract
本发明公开一种基于LDNI的自适应切片方法,把模型的obj文件在基于VisualC++的LDNI采样平台上打开。设置采样精度,获得储存有模型位置信息和法向量信息的采样点分布,并导出一个储存有采样点几何信息的文件。将得到的采样点的几何信息的文件导入到matlab中的自适应切片程序中。进行自适应切片,并导出G代码。本发明免去了对传统切片方法复杂的三角面片的几何关系分析,能够显著提高打印的精度和打印的效率。
Description
技术领域
本发明涉及3D打印领域,尤其涉及一种3D打印的自适应层厚切片方法
背景技术
3D打印技术,是最近几个年代以来发展起来的一种新型的成型制造方式,3D打印技术也只是众多快速成型方式当中的一个,也是在当前时期快速成型方式当中使用频率最高的一种成型方式。“减材制造”其实就是指通过传统加工工艺中的车钳铣刨磨铸锻焊等加工方式对整块的原始材料进行切削加工,与减材制造相对,减材是一种逐层削减的方式,而增材制造实际是一种逐层累加的方式,增材制造方式完全打破了传统制造方式的概念,是一种全新的制造方式,并且能够打破大多数传统制造方式存在的局限性。该技术是以模型的立体模型图为基础,通过将材料从底往上叠加的制造模式,将材料像一层一层类似“切片”,从下而上直接构建模型。与传统的车钳铣刨磨铸锻焊减材制造方式相比,3D打印技术对于材料的利用率更高,制造的过程也更加简洁。
3D打印过程中一个重要的步骤是模型的切片过程。在切片过程当中,市面上常用的切片方法大都是通过设置一个定切片厚度,对模型进行等厚切片,即每一个打印层的厚度都相等且为定值,这样的好处是操作相对简单方便,分层过程也相对简单,只需要设置一个分层层厚,后续就可以完成对CAD模型的切片分层[。但等厚切片也存在着显著的问题,当每层层厚设置的比较大时,打印的层数此时相对较少,打印的效率相对较高,所需要的打印时间也相对较短,但同时这种切片的厚度也会造成明显的阶梯效应,尤其是在零件表面轮廓变化明显的地方,从而大幅降低模型表面的表面精度,如表面粗糙度等,需要在打印完成之后进行后续的打磨、填补等操作,严重影响打印件的质量;当层厚设置的比较小时,打印精度可以保证,打印件质量也相对较高,但此时分层数较多,打印时间会增长,尤其是当层厚变为原来的一半或者三分之一时,所需的打印时长也会成倍的增加,与快速成型技术的初衷相悖。
为了降低打印过程当中的几何误差,减少阶梯效应的产生,本发明提出了一种基于LDNI的3D打印自适应切片方法。
发明内容
针对上述技术背景,本发明的目的在于提供一种基于LDNI的3D打印自适应切片方法,该方法旨在解决传统的等厚切片方式当中容易出现的阶梯效应导致的几何误差从而制约打印的精度,同时在模型不同高度上根据打印件的几何形状设定不同的层厚,使得打印时间不会过长从而制约打印的效率。
为达到上述目的,本发明提供如下技术方案:
一种基于LDNI的3D打印自适应切片方法,包括以下步骤:
(1)获取模型的OBJ格式文件;
(2)在基于visual C++的LDNI采样平台上打开模型文件;
(3)输入设定的采样精度ω;
(4)选定打印方向,执行采样,获得采样点的几何信息文件;
(5)在基于Matlab的自适应切片程序中打开采样点几何信息文件;
(6)设定几何误差所占的权重为ω,则打印时间所占的权重为(1-ω)。
则两者的加权函数公式如下:
C(k)=ωE+ωT=ω·Ev(K)+(1-ω)·Tk
其中,C(k)为全局函数,ωE,ωT分别为打印误差,打印时间的函数;Ev(K),Tk分别为几何误差分布度量函数与打印时间函数。
Ev(K)和Tk的计算公式如下所示:
其中,A(z)是随高度z变化的在z高度上的面积变量,是A(z)在高度zk到高度zk+1上的积分,即模型的在第k个打印层的体积。是在高度zk上面积,由于实际打印过程中,每个打印层实际可以看作是一个圆柱体,圆柱体的底面积即为第k个打印层的底面积实际打印件的体积为与高度的乘积。
上述公式可以写成积分形式,即
(7)设定自适应切片的最大层厚tmax和最小层厚tmin。
(8)执行自适应切片算法。
对任意两个平面n1和n2,都满足:
从模型的顶部开始,对于切平面N,其对应的最佳切平面为a{N},因此第一个打印层包含着a{N}个切平面,切片面编号为N到N-a{N}。然后开始计算第二个打印层的厚度,起始切平面编号为K(K=N-a{N}),则k切片平面对应的打印层切片个数为a{N-a{N}},第二个打印层包含的切平面的编号即为N-a{N}到N-a{N}-a{N-a{N}}。
重复上述过程,直到模型的底面为止,将模型的每个打印层包含的切平面个数记录在数列a{n}中,用每个打印层包含的切平面个数与每个切平面厚度的乘积即为每个打印层的厚度。
(9)输出打印层的层厚以及G代码用于3D打印。
本发明产生的有益效果是:本发明提供了一种基于LDNI的3D打印自适应切片方法,该方法综合考虑了3D打印的精度和效率,通过先利用LDNI对模型进行采样,之后利用改进贪婪算法对进行自适应切片,能够有效降低打印时出现的阶梯效应等问题,并且也能够减少打印时间,提高打印的效率。
附图说明
下面将结合附图及实施例对本发明作进一步的说明,附图中:
图1是本发明中LDNI采样的示意图。
图2是本发明中自适应切片确定每层厚度的流程图。
图3是本发明实例LDNI采样的结果图。
图4(a)是本发明实例中均匀切片的结果。
图4(b)是本发明实例中基于LDNI自适应切片的结果。
图5(a)是本发明实例中均匀切片打印的模型。
图5(b)是本发明实例中基于LDNI自适应切片的模型。
具体实施方式
为了使得本发明的目的和技术方案更加清晰,以下将结合附图和具体实施例,对本发明进行进一步的详细说明。
本发明提出了一种基于LDNI的自适应切片方法,该算法利用LDNI对模型进行采样,避免对STL格式模型大量三角面片的拓扑运算和几何关系分析;之后从模型顶端开始,利用改进贪婪算法逐个确定每个打印层的厚度。
算法前的公式准备:
公式1:
对于任意高度k上,在该高度上的几何误差函数为:
Ev(K)=Vmodel-Vprint
模型的体积可以用在高度zk到高度zk+1上面积的积分求得
如果打印层选定,即高度区间[zk,zk+1]确定,和tk都是确定的常量,是第k层底面的面积,tk是第k层的层高,根据定积分的定义,在任意一个打印层上,底面积和层厚tk的乘积可以写成常量在高度区间[zk,zk+1]上的积分,将实际打印模型的体积也写成积分形式:
则在某个打印层的实际体积误差为在高度区间[zk,zk+1]上模型的面积与[zk,zk+1]上圆柱体的底面积之差的积分。
公式2
在任意单位高度上的打印时间可以用该高度上模型的体积与单位时间内挤出头挤出料的体积之比来计算。打印时间函数也是一个与模型高度相关的函数,单位体积对单位高度的微分得到任意高度上需要的时间。
公式3:
C(k)=ωE+ωT=ω·Ev(K)+(1-ω)·Tk
C(k)为几何误差分布度量Ev(K)与打印时间函数T(k)之和。在全局函数C(k)中引入权重ω。ω为几何误差分布度量Ev(K)在全局函数中考虑的所占比重,将Ev(K)和T(k)分别写作加权形式ωE和ωT。C(k)为两者加权之和.
实现步骤:
(1)获取模型的OBJ格式文件;
(2)在基于visual C++的LDNI采样平台上打开模型文件;
(3)输入设定的采样精度ω;
(4)选定打印方向,执行采样,获得采样点的几何信息文件;
(5)在基于Matlab的自适应切片程序中打开采样点几何信息文件;
(6)设定几何误差所占的权重为ω,则打印时间所占的权重为(1-ω)。
(7)设定自适应切片的最大层厚tmax和最小层厚tmin。
(8)执行自适应切片算法。
如图2所示,依据此法确定第一个打印层的厚度,之后以第一个打印层的底端作为起始平面确定第二个打印层的厚度,之后不断重复此过程,直到得到所有打印层的厚度。
如图4所示,在实例手部位置,左边自适应切片方法产生的体积误差明显低于右边的等厚切片方法的体积误差,尤其是在模型轮廓单位长度急剧变化的地方,效果尤其明显。这是因为自适应切片算法在这些区域的每个打印层会分配到更少的切片数个数,也就是这些区域的打印层厚度更薄,使得在表面坡度大的区域具有更加良好的打印精度,使得阶梯效应明显减弱;同时也可以看到在一些区域左边的体积误差会高于等厚切片的误差,这是因为这些区域上轮廓无变化或变化较为不明显,在这些区域上自适应切片算法分配了更多的切片数,也就是说在这些区域上打印层层厚更厚,虽然这样可能相对于等厚切片造成了更大了的打印误差,但是在这些位置打印误差对于打印模型的精度影响并不明显甚至可以完全忽略,同时可以大幅减少打印时间。
左边等厚切片方式所打印的模型中,在许多地方存在着明显的阶梯效应。在实例模型的以手部位置为代表的多处表面变化明显的区域上,右边自适应切片方式的模型打印厚度更小,因此打印的效果也更加精细;而在模型变化相对缓和的地方,两模型的打印精度并没有明显差异。并且,右边自适应切片方式打印的模型都要以肉眼可见的明显优于左边等厚切片。
Claims (4)
1.一种基于LDNI的3D打印自适应切片方法,其特征在于,包括以下步骤:
步骤一:把模型的obj文件在基于Visual C++的LDNI采样平台上打开;
步骤二:设置采样精度ω,用(ω*ω)的采样阵列对模型进行采样,获得储存有模型位置信息和法向量信息的采样点分布,并导出一个储存有采样点几何信息的文件;
步骤三:将步骤二得到的采样点的几何信息的文件导入到matlab中的自适应切片程序中;
步骤四:设定自适应切片的最大层厚tmax和最小层厚tmin,并且根据打印设备设定3D打印机的挤出头宽度d,挤出头的移动速度v(mm/s),打印件填充率ρ;
步骤五:进行自适应切片,自上而下得到每个打印层的厚度,并导出G代码。
2.根据权利要求1所述的一种基于LDNI的3D打印自适应切片方法,其特征在于,步骤二中对模型进行采样,在z轴方向(构建方向)上把模型以5微米为单位对模型进行分层,之后以ω为精度用射线阵列对模型进行采样,射线穿过构建方向的层时得到采样点,记录每一个采样点的位置坐标和法向量。
4.根据权利要求1所述的一种基于LDNI的3D打印自适应切片方法,其特征在于,步骤五中确定每个打印层的厚度,从零件顶端开始,以改良贪婪算法进行依次迭代;再把第一个打印层的底面作为第二次迭代的开始,确定第二个打印层的厚度;之后重复此过程,直到得到每一个打印层的厚度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210589078.6A CN115091761A (zh) | 2022-05-26 | 2022-05-26 | 一种基于ldni的3d打印自适应切片方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210589078.6A CN115091761A (zh) | 2022-05-26 | 2022-05-26 | 一种基于ldni的3d打印自适应切片方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115091761A true CN115091761A (zh) | 2022-09-23 |
Family
ID=83288646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210589078.6A Pending CN115091761A (zh) | 2022-05-26 | 2022-05-26 | 一种基于ldni的3d打印自适应切片方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115091761A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117301527A (zh) * | 2023-10-30 | 2023-12-29 | 科路睿(天津)生物技术有限公司 | 四轴3d打印片状模型的单路切片方法及打印方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5596504A (en) * | 1995-04-10 | 1997-01-21 | Clemson University | Apparatus and method for layered modeling of intended objects represented in STL format and adaptive slicing thereof |
CN108312548A (zh) * | 2018-02-13 | 2018-07-24 | 上海大学 | 基于模型表面特征混合自适应切片的五轴联动3d打印方法 |
CN114030181A (zh) * | 2021-09-26 | 2022-02-11 | 江苏乾度智造高科技有限公司 | 一种变层厚3d打印切片方法 |
CN114043726A (zh) * | 2021-11-11 | 2022-02-15 | 深圳拓竹科技有限公司 | 用于3d打印的方法及装置、存储介质和程序产品 |
-
2022
- 2022-05-26 CN CN202210589078.6A patent/CN115091761A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5596504A (en) * | 1995-04-10 | 1997-01-21 | Clemson University | Apparatus and method for layered modeling of intended objects represented in STL format and adaptive slicing thereof |
CN108312548A (zh) * | 2018-02-13 | 2018-07-24 | 上海大学 | 基于模型表面特征混合自适应切片的五轴联动3d打印方法 |
CN114030181A (zh) * | 2021-09-26 | 2022-02-11 | 江苏乾度智造高科技有限公司 | 一种变层厚3d打印切片方法 |
CN114043726A (zh) * | 2021-11-11 | 2022-02-15 | 深圳拓竹科技有限公司 | 用于3d打印的方法及装置、存储介质和程序产品 |
Non-Patent Citations (1)
Title |
---|
HUACHAO MAO: "Minimizing printing time and volumetric error by GPU-accelerated adaptive slicing", 《MANUFACTUING LETTERS》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117301527A (zh) * | 2023-10-30 | 2023-12-29 | 科路睿(天津)生物技术有限公司 | 四轴3d打印片状模型的单路切片方法及打印方法 |
CN117301527B (zh) * | 2023-10-30 | 2024-04-05 | 科路睿(天津)生物技术有限公司 | 四轴3d打印片状模型的单路切片方法及打印方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110126279B (zh) | 一种面向曲面3d打印的随形切层及路径规划方法 | |
Alexander et al. | Part orientation and build cost determination in layered manufacturing | |
Mao et al. | Adaptive slicing based on efficient profile analysis | |
Byun et al. | Determination of the optimal build direction for different rapid prototyping processes using multi-criterion decision making | |
Reddy et al. | Study on surface texture of Fused Deposition Modeling | |
Cheng et al. | Multi‐objective optimization of part‐building orientation in stereolithography | |
Zhang et al. | Generic build time estimation model for parts produced by SLS | |
CN108312548B (zh) | 基于模型表面特征混合自适应切片的五轴联动3d打印方法 | |
Boschetto et al. | Modelling micro geometrical profiles in fused deposition process | |
JP5703396B2 (ja) | 減数された測定点による公差評価 | |
JP4346021B2 (ja) | V−cadデータを用いたラピッドプロトタイピング方法と装置 | |
CN109532021B (zh) | 基于结构光线性异常点的3d打印熔积缺陷逐层检测方法 | |
CN112036041B (zh) | 一种3dp工艺中stl模型渗透误差综合补偿方法 | |
CN109532006B (zh) | 一种自适应层厚切片方法及打印系统 | |
CN115091761A (zh) | 一种基于ldni的3d打印自适应切片方法 | |
CN107464223B (zh) | 一种基于切片的点云孔洞修补方法 | |
CN110533770B (zh) | 一种面向隐式表达医学模型的3d打印切片方法 | |
CN112132943B (zh) | 一种面向3d打印的过程纹理合成系统及方法 | |
CN112380716B (zh) | 一种基于学习算法的sla 3d打印时间预估方法及系统 | |
JP2022529865A (ja) | 積層造形のための3dモデルの層厚を決定する方法 | |
CN110465658B (zh) | 提高激光选区熔化成形复杂结构零件尺寸精度的方法 | |
Vahabli et al. | Hybrid estimation of surface roughness distribution in FDM parts using analytical modeling and empirical investigation | |
CN112265265A (zh) | 一种基于切片的三维打印数据z轴补偿方法 | |
Armillotta et al. | A tool for computer-aided orientation selection in additive manufacturing processes | |
Giannatsis et al. | Decision support tool for selecting fabrication parameters in stereolithography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220923 |