CN115246223A - 一种基于网格遍历的3d打印路径优化方法及系统 - Google Patents
一种基于网格遍历的3d打印路径优化方法及系统 Download PDFInfo
- Publication number
- CN115246223A CN115246223A CN202210627738.5A CN202210627738A CN115246223A CN 115246223 A CN115246223 A CN 115246223A CN 202210627738 A CN202210627738 A CN 202210627738A CN 115246223 A CN115246223 A CN 115246223A
- Authority
- CN
- China
- Prior art keywords
- deformation
- printing path
- database
- candidate
- path
- 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 83
- 238000010146 3D printing Methods 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 238000007639 printing Methods 0.000 claims abstract description 246
- 238000012549 training Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000012217 deletion Methods 0.000 claims description 19
- 230000037430 deletion Effects 0.000 claims description 19
- 230000035772 mutation Effects 0.000 claims description 9
- 239000003795 chemical substances by application Substances 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 239000013598 vector Substances 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
-
- 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
-
- 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
本发明公开了一种基于网格遍历的3D打印路径优化方法及系统,涉及3D打印技术领域,该方法包括:对待打印的零件生成随机打印路径;对随机打印路径进行有限元分析得到随机打印路径对应的变形量;以随机打印路径为输入对高斯过程代理模型进行训练;建立数据库;根据随机打印路径生成候选打印路径;将候选打印路径输入训练好的高斯过程代理模型得到候选打印路径对应的真实变形量;当最小真实变形量小于设定变形量时,确定待打印零件的3D打印路径;否则,根据候选打印路径和对应的真实变形量对对数据库进行更新,对高斯过程代理模型再次进行训练并且当更新的次数达到设定更新次数时确定打印零件的3D打印路径。本发明能够提高3D打印的效率。
Description
技术领域
本发明涉及3D打印技术领域,特别是涉及一种基于网格遍历的3D打印路径优化方法及系统。
背景技术
3D打印技术也称为增材制造技术,是指融合了计算机辅助设计、计算机辅助制造、计算机数字控制和材料科学等一系列技术,通过将塑料、金属、粉末等材料层层堆叠形成目标实体。3D打印概念旨在通过对传统制造业的工艺进行改良,3D打印技术的出现彻底改变了工业生产的模式,自动化智能化所带来的新式工业发展上升了一个层次。3D打印技术已经开发了30多年了。随着3D打印的成熟,它已被应用于航空航天、医疗、建筑、美学产品等多个领域。其路径规划在3D打印过程中非常重要,因为不同的路径策略会影响变形量、表面粗糙度、尺寸精度和打印产品的性能(如强度)。
目前,3D打印路径规划仍然是与传统的几种基础路径模式(即Z型路径、螺旋路径、网格路径等)进行简单的对比;这些传统的规划方法需要花费大量的时间和精力,效果也不尽人意。因此如何设计合理3D打印的路径规划从而提高3D打印效率是亟需解决的问题。
发明内容
本发明的目的是提供一种基于网格遍历的3D打印路径优化方法及系统,能够提高3D打印效率。
为实现上述目的,本发明提供了如下方案:
一种基于网格遍历的3D打印路径优化方法,所述方法包括:
对待打印的零件生成随机打印路径;
对所述随机打印路径进行有限元分析,得到所述随机打印路径对应的变形量;
根据所述随机打印路径和所述随机打印路径对应的变形量,建立数据库;所述数据库中的数据包括打印路径和所述打印路径对应的变形量;
以所述数据库中的所述打印路径为输入,以所述数据库中的所述打印路径对应的变形量为输出,对高斯过程代理模型进行训练,得到训练好的高斯过程代理模型;
根据所述数据库中的所述打印路径,利用变异算子和交叉操作,生成候选打印路径;
将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量;
当所述真实变形量中的最小真实变形量小于设定变形量时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径;
当所述真实变形量中的最小真实变形量大于等于设定变形量时,根据所述候选打印路径和所述候选打印路径对应的真实变形量,对所述数据库进行更新,并根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练;
当所述真实变形量中的最小真实变形量大于等于设定变形量且所述数据库更新的次数达到设定更新次数时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径。
可选地,所述对待打印的零件生成随机打印路径,具体包括:
获取待打印零件的3D模型;
对所述待打印零件的3D模型划分网格,并对所述网格进行编号;
对所述编号进行随机排列,得到随机打印路径。
可选地,所述将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量,具体包括:
将所述候选打印路径输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的预测变形量;
对所述预测变形量对应的候选打印路径进行有限元分析,得到真实变形量。
可选地,所述对所述数据库进行更新,具体包括:
获取所述候选打印路径的个数;
将所述数据库中的所述打印路径对应的变形量和所述候选打印路径对应的真实变形量按大小排序,得到排序后的变形量;
按照从大到小从所述排序后的变形量中选取与所述个数相同的变形量,得到待删除变形量;
根据所述待删除变形量,得到所述候选打印路径对应的真实变形量中的更新变形量和所述数据库中的所述打印路径对应的变形量中的删除变形量;
将所述删除变形量和所述删除变形量对应的所述数据库中的所述打印路径从所述数据库中删除,得到删除后的数据库;
将所述更新变形量和所述更新变形量对应的候选打印路径加入所述删除后的数据库,得到更新后的数据库。
可选地,所述根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练,具体包括:
当所述真实变形量中的最小真实变形量大于等于设定变形量时,以更新后的所述数据库中的所述打印路径为输入,以更新后的所述数据库中的所述打印路径对应的变形量为输出,对所述高斯过程代理模型进行训练,得到更新后的训练好的高斯过程代理模型。
一种基于网格遍历的3D打印路径优化系统,所述系统包括:
随机打印路径生成模块,用于对待打印的零件生成随机打印路径;
变形量确定模块,用于对所述随机打印路径进行有限元分析,得到所述随机打印路径对应的变形量;
数据库建立模块,用于根据所述随机打印路径和所述随机打印路径对应的变形量,建立数据库;所述数据库中的数据包括打印路径和所述打印路径对应的变形量;
训练模块,用于以所述数据库中的所述打印路径为输入,以所述数据库中的所述打印路径对应的变形量为输出,对高斯过程代理模型进行训练,得到训练好的高斯过程代理模型;
候选打印路径生成模块,用于根据所述数据库中的所述打印路径,利用变异算子和交叉操作,生成候选打印路径;
真实变形量确定模块,用于将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量;
第一打印路径确定模块,用于当所述真实变形量中的最小真实变形量小于设定变形量时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径;
更新模块,用于当所述真实变形量中的最小真实变形量大于等于设定变形量时,根据所述候选打印路径和所述候选打印路径对应的真实变形量,对所述数据库进行更新,并根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练;
第二打印路径确定模块,用于当所述真实变形量中的最小真实变形量大于等于设定变形量且所述数据库更新的次数达到设定更新次数时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径。
可选地,所述随机打印路径生成模块包括:
获取子模块,用于获取待打印零件的3D模型;
编号子模块,用于对所述待打印零件的3D模型划分网格,并对所述网格进行编号;
随机排列子模块,用于对所述编号进行随机排列,得到随机打印路径。
可选地,所述真实变形量确定模块包括:
预测变形量确定子模块,用于将所述候选打印路径输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的预测变形量;
分析子模块,用于对所述预测变形量对应的候选打印路径进行有限元分析,得到真实变形量。
可选地,所述更新模块包括:
个数获取子模块,用于获取所述候选打印路径的个数;
排序后的变形量确定子模块,用于将所述数据库中的所述打印路径对应的变形量和所述候选打印路径对应的真实变形量按大小排序,得到排序后的变形量;
待删除变形量确定子模块,用于按照从大到小从所述排序后的变形量中选取与所述个数相同的变形量,得到待删除变形量;
删除变形量确定子模块,用于根据所述待删除变形量,得到所述候选打印路径对应的真实变形量中的更新变形量和所述数据库中的所述打印路径对应的变形量中的删除变形量;
删除后的数据库确定子模块,用于将所述删除变形量和所述删除变形量对应的所述数据库中的所述打印路径从所述数据库中删除,得到删除后的数据库;
更新后的数据库确定子模块,用于将所述更新变形量和所述更新变形量对应的候选打印路径加入所述删除后的数据库,得到更新后的数据库。
可选地,所述更新模块还包括:
训练子模块,用于当所述真实变形量中的最小真实变形量大于等于设定变形量时,以更新后的所述数据库中的所述打印路径为输入,以更新后的所述数据库中的所述打印路径对应的变形量为输出,对所述高斯过程代理模型进行训练,得到更新后的训练好的高斯过程代理模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的一种基于网格遍历的3D打印路径优化方法,包括:对待打印的零件生成随机打印路径;对随机打印路径进行有限元分析,得到随机打印路径对应的变形量;根据所述随机打印路径和所述随机打印路径对应的变形量,建立数据库;所述数据库包括打印路径和所述打印路径对应的变形量;以数据库中的打印路径为输入,以数据库中的打印路径对应的变形量为输出,对高斯过程代理模型进行训练,得到训练好的高斯过程代理模型;根据数据库中的打印路径,利用变异算子和交叉操作,生成候选打印路径;将候选打印路径,输入训练好的高斯过程代理模型,得到候选打印路径对应的真实变形量;当真实变形量中的最小真实变形量小于设定变形量时,最小真实变形量对应的候选打印路径为待打印零件的3D打印路径;当真实变形量中的最小真实变形量大于等于设定变形量时,根据候选打印路径和候选打印路径对应的真实变形量,对数据库进行更新,并根据更新后的数据库中的数据对高斯过程代理模型进行训练;当真实变形量中的最小真实变形量大于等于设定变形量且数据库更新的次数达到设定更新次数时,最小真实变形量对应的候选打印路径为待打印零件的3D打印路径。本发明通过参考打印零件变形量来对3D打印路径进行规划,使得3D打印路径具有更高精度,高精度的打印路径提高了3D打印的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于网格遍历的3D打印路径优化方法流程图;
图2为本发明提供的3D打印工作流程图;
图3为本发明提供的圆盘网格及编号图;
图4为本发明提供的基于网格遍历的3D打印路径优化系统模块图。
符号说明:
随机打印路径生成模块—1,变形量确定模块—2,数据库建立模块—3,训练模块—4,候选打印路径生成模块—5,真实变形量确定模块—6,第一打印路径确定模块—7,更新模块—8,第二打印路径确定模块—9。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于网格遍历的3D打印路径优化方法及系统,能够提高3D打印效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和图2所示,本发明提供的一种基于网格遍历的3D打印路径优化方法,所述方法包括:
步骤S1:对待打印的零件生成随机打印路径;如图3所示,结合ANSYS与python对圆盘零件进行路径规划。
S1具体包括:
步骤S11:获取待打印零件的3D模型。
步骤S12:对所述待打印零件的3D模型划分网格,并对所述网格进行编号;具体的,以圆盘零件为例,将圆盘零件网格单元化并编号。路径规划就被简化为网格单元的组合排序问题。
步骤S13:对所述编号进行随机排列,得到随机打印路径。
具体的,将编号随机排序以生成N条序列从而得到N条初始随机打印路径pi,i=1,…,N。以圆盘零件为例,随机生成10条序列以生成10条初始随机打印路径pi,i=1,…,10。
步骤S2:对所述随机打印路径进行有限元分析,得到所述随机打印路径对应的变形量;具体的,将得到的N条初始打印路径通过有限元仿真获得相应的变形量yi,i=1,…,N。以圆盘零件为例,将初始随机打印路径带入有限元仿真得到相应变形量yi,i=1,…,10。
步骤S3:根据所述随机打印路径和所述随机打印路径对应的变形量,建立数据库;所述数据库中的数据包括打印路径和所述打印路径对应的变形量;具体的,将初始随机打印路径得到的N个pi,yi加入到数据库D={(pi,yi),...,(pN,yN)};其中,pi为第i条随机打印路径,yi为第i随机打印路径对应的变形量,i=1,...,N,pN为第N条随机打印路径,yN为第N条随机打印路径对应的变形量。以圆盘零件为例,将pi,yi加入到数据库D={(p1,y1),...,(p10,y10)}。
步骤S4:以所述数据库中的所述打印路径为输入,以所述数据库中的所述打印路径对应的变形量为输出,对高斯过程代理模型进行训练,得到训练好的高斯过程代理模型;具体的,建立打印路径p到变形量y之间的高斯过程代理模型s。高斯过程是一种回归模型,不仅能根据输入路径p预测输出变形量y,还能获得预测误差σ,其计算式为:
y=K(p,P)K(P,P)-1y(P)。
σ=K(p,p)-K(p,P)K(P,P)-1K(P,p)。
其中,P为已经通过有限元仿真获得真实变形量的打印路径集合P={p1,p2,...},K(·,·)为度量各输入打印路径p之间相关性的核函数,由于本发明中涉及到的输入变量p为整数序列,非实数向量,所以作为本发明的进一步优选,所选核函数为基于汉明距离(Hamming Distance)的径向基核函数:
步骤S5:根据所述数据库中的所述打印路径,利用变异算子和交叉操作,生成候选打印路径;具体的,通过interchange mutation变异算子和order crossover交叉操作产生λ条候选打印序列pj,j=1,…,λ。
其中,interchange mutation变异算子为交换一条序列中任意两个位置的元素:
x=[x1 … xa-1 xa xa+1 … xb-1 xb xb+1 … xl]。
x*=[x1 … xa-1 xb xa+1 … xb-1 xa xb+1 …x1]。
其中order crossover交叉操作为:
(1)首先从父代随机选择两个个体p1,p2和两个点:
(2)将p1,p2两点之间部分提取出来,放在子代o1,o2相同位置:
o1=(× × ×|2 7 1|× ×)
o2=(× × ×|1 6 8|× ×)。
(3)子代中打叉的部分的填入方式是:从另一个父代第二个切点开始,删除已经填入的部分,然后按照顺序填入。例如,o1已经填入部分来自于p1,然后将p2第二个切点排序,得到3,7,4,2,5,1,6,8,此时删除2,7,1三个点,剩余部分为3,4,5,6,8,然后将上面的序列按照顺序填入o1=(568|271|34),同理o2=(427|168|53)。
以圆盘零件为例,产生5条候选打印路径,pj,j=1,…,5。
步骤S6:将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量。
S6具体包括:
步骤S62:对所述预测变形量对应的候选打印路径进行有限元分析,得到真实变形量。
步骤S7:当所述真实变形量中的最小真实变形量小于设定变形量时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径;具体的,根据真实变形量y*从λ条候选打印路径中选择最小真实变形量最小真实变形量所对应的候选打印序列p*,p*∈p1,…,pλ。
此外,值得说明的是,能够不设置设定变形量,而直接通过设置设定更新次数来得到所述待打印零件的3D打印路径。此时,默认所述真实变形量中的最小真实变形量大于等于设定变形量。
步骤S8:当所述真实变形量中的最小真实变形量大于等于设定变形量时,根据所述候选打印路径和所述候选打印路径对应的真实变形量,对所述数据库进行更新,并根据更新后的所述数据库中的数据对所述的高斯过程代理模型进行训练。
其中,所述对所述数据库进行更新,具体包括:
步骤S801:获取所述候选打印路径的个数。
步骤S802:将所述数据库中的所述打印路径对应的变形量和所述候选打印路径对应的真实变形量按大小排序,得到排序后的变形量。
步骤S803:按照从大到小从所述排序后的变形量中选取与所述个数相同的变形量,得到待删除变形量。
步骤S804:根据所述待删除变形量,得到所述候选打印路径对应的真实变形量中的更新变形量和所述数据库中的所述打印路径对应的变形量中的删除变形量。
步骤S805:将所述删除变形量和所述删除变形量对应的所述数据库中的所述打印路径从所述数据库中删除,得到删除后的数据库。
步骤S806:将所述更新变形量和所述更新变形量对应的候选打印路径加入所述删除后的数据库,得到更新后的数据库。
此外,所述根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练,具体包括:
当所述真实变形量中的最小真实变形量大于等于设定变形量时,以更新后的所述数据库中的所述打印路径为输入,以更新后所述数据库中的所述打印路径对应的变形量为输出,对所述的高斯过程代理模型进行训练,得到更新后的训练好的高斯过程代理模型。
步骤S9:当所述真实变形量中的最小真实变形量大于等于设定变形量且所述数据库更新的次数达到设定更新次数时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径。以圆盘零件为例,未设置设定变形量,设定更新次数为50次,得到的打印路径为:36、38、42、32、31、37、46、44、28、35、26、29、40、2、18、16、43、12、7、27、19、45、14、22、17、20、24、25、33、21、30、13、5、10、34、39、47、15、23、11、8、3、41、1、4、6、9、48。此时的真实变形量为0.284。
如图4所示,本发明提供了一种基于网格遍历的3D打印路径优化系统,所述系统包括:
随机打印路径生成模块1,用于对待打印的零件生成随机打印路径。
变形量确定模块2,用于对所述随机打印路径进行有限元分析,得到所述随机打印路径对应的变形量。
数据库建立模块3,用于根据所述随机打印路径和所述随机打印路径对应的变形量,建立数据库。所述数据库中的数据包括打印路径和所述打印路径对应的变形量。
训练模块4,用于以所述数据库中的所述打印路径为输入,以所述数据库中的所述打印路径对应的变形量为输出,对高斯过程代理模型进行训练,得到训练好的高斯过程代理模型。
候选打印路径生成模块5,用于根据所述数据库中的所述打印路径,利用变异算子和交叉操作,生成候选打印路径。
真实变形量确定模块6,用于将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量。
第一打印路径确定模块7,用于当所述真实变形量中的最小真实变形量小于设定变形量时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径。
更新模块8,用于当所述真实变形量中的最小真实变形量大于等于设定变形量时,根据所述候选打印路径和所述候选打印路径对应的真实变形量,对所述数据库进行更新,并根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练。
第二打印路径确定模块9,用于当所述真实变形量中的最小真实变形量大于等于设定变形量且所述数据库更新的次数达到设定更新次数时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径。
其中,所述随机打印路径生成模块1包括:
获取子模块,用于获取待打印零件的3D模型。
编号子模块,用于对所述待打印零件的3D模型划分网格,并对所述网格进行编号。
随机排列子模块,用于对所述编号进行随机排列,得到随机打印路径。
其中,所述真实变形量确定模块6包括:
预测变形量确定子模块,用于将所述候选打印路径输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的预测变形量。
分析子模块,用于对所述预测变形量对应的候选打印路径进行有限元分析,得到真实变形量。
其中,所述更新模块8还包括:
个数获取子模块,用于获取所述候选打印路径的个数。
排序后的变形量确定子模块,用于将所述数据库中的所述打印路径对应的变形量和所述候选打印路径对应的真实变形量按大小排序,得到排序后的变形量。
待删除变形量确定子模块,用于按照从大到小从所述排序后的变形量中选取与所述个数相同的变形量,得到待删除变形量。
删除变形量确定子模块,用于根据所述待删除变形量,得到所述候选打印路径对应的真实变形量中的更新变形量和所述数据库中的所述打印路径对应的变形量中的删除变形量。
删除后的数据库确定子模块,用于将所述删除变形量和所述删除变形量对应的数据库中的所述打印路径从所述数据库中删除,得到删除后的数据库。
更新后的数据库确定子模块,用于将所述更新变形量和所述更新变形量对应的候选打印路径加入所述删除后的数据库,得到更新后的数据库。
此外,所述更新模块8包括:
训练子模块,用于当所述真实变形量中的最小真实变形量大于等于设定变形量时,以更新后的所述数据库中的所述打印路径为输入,以更新后的所述数据库中的所述打印路径对应的变形量为输出,对所述高斯过程代理模型进行训练,得到更新后的所述训练好的高斯过程代理模型。
本发明通过参考打印零件变形量来对3D打印路径进行规划,使得3D打印路径具有更高精度,高精度的打印路径提高了3D打印的效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于网格遍历的3D打印路径优化方法,其特征在于,所述方法包括:
对待打印的零件生成随机打印路径;
对所述随机打印路径进行有限元分析,得到所述随机打印路径对应的变形量;
根据所述随机打印路径和所述随机打印路径对应的变形量,建立数据库;所述数据库中的数据包括打印路径和所述打印路径对应的变形量;
以所述数据库中的所述打印路径为输入,以所述数据库中的所述打印路径对应的变形量为输出,对高斯过程代理模型进行训练,得到训练好的高斯过程代理模型;
根据所述数据库中的所述打印路径,利用变异算子和交叉操作,生成候选打印路径;
将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量;
当所述真实变形量中的最小真实变形量小于设定变形量时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径;
当所述真实变形量中的最小真实变形量大于等于设定变形量时,根据所述候选打印路径和所述候选打印路径对应的真实变形量,对所述数据库进行更新,并根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练;
当所述真实变形量中的最小真实变形量大于等于设定变形量且所述数据库更新的次数达到设定更新次数时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径。
2.根据权利要求1所述的基于网格遍历的3D打印路径优化方法,其特征在于,所述对待打印的零件生成随机打印路径,具体包括:
获取待打印零件的3D模型;
对所述待打印零件的3D模型划分网格,并对所述网格进行编号;
对所述编号进行随机排列,得到随机打印路径。
3.根据权利要求1所述的基于网格遍历的3D打印路径优化方法,其特征在于,所述将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量,具体包括:
将所述候选打印路径输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的预测变形量;
对所述预测变形量对应的候选打印路径进行有限元分析,得到真实变形量。
4.根据权利要求1所述的基于网格遍历的3D打印路径优化方法,其特征在于,所述对所述数据库进行更新,具体包括:
获取所述候选打印路径的个数;
将所述数据库中的所述打印路径对应的变形量和所述候选打印路径对应的真实变形量按大小排序,得到排序后的变形量;
按照从大到小从所述排序后的变形量中选取与所述个数相同的变形量,得到待删除变形量;
根据所述待删除变形量,得到所述候选打印路径对应的真实变形量中的更新变形量和所述数据库中的所述打印路径对应的变形量中的删除变形量;
将所述删除变形量和所述删除变形量对应的所述数据库中的所述打印路径从所述数据库中删除,得到删除后的数据库;
将所述更新变形量和所述更新变形量对应的候选打印路径加入所述删除后的数据库,得到更新后的数据库。
5.根据权利要求1所述的基于网格遍历的3D打印路径优化方法,其特征在于,所述根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练,具体包括:
当所述真实变形量中的最小真实变形量大于等于设定变形量时,以更新后的所述数据库中的所述打印路径为输入,以更新后的所述数据库中的所述打印路径对应的变形量为输出,对所述高斯过程代理模型进行训练,得到更新后的训练好的高斯过程代理模型。
6.一种基于网格遍历的3D打印路径优化系统,其特征在于,所述系统包括:
随机打印路径生成模块,用于对待打印的零件生成随机打印路径;
变形量确定模块,用于对所述随机打印路径进行有限元分析,得到所述随机打印路径对应的变形量;
数据库建立模块,用于根据所述随机打印路径和所述随机打印路径对应的变形量,建立数据库;所述数据库中的数据包括打印路径和所述打印路径对应的变形量;
训练模块,用于以所述数据库中的所述打印路径为输入,以所述数据库中的所述打印路径对应的变形量为输出,对高斯过程代理模型进行训练,得到训练好的高斯过程代理模型;
候选打印路径生成模块,用于根据所述数据库中的所述打印路径,利用变异算子和交叉操作,生成候选打印路径;
真实变形量确定模块,用于将所述候选打印路径,输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的真实变形量;
第一打印路径确定模块,用于当所述真实变形量中的最小真实变形量小于设定变形量时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径;
更新模块,用于当所述真实变形量中的最小真实变形量大于等于设定变形量时,根据所述候选打印路径和所述候选打印路径对应的真实变形量,对所述数据库进行更新,并根据更新后的所述数据库中的数据对所述高斯过程代理模型进行训练;
第二打印路径确定模块,用于当所述真实变形量中的最小真实变形量大于等于设定变形量且所述数据库更新的次数达到设定更新次数时,所述最小真实变形量对应的候选打印路径为所述待打印零件的3D打印路径。
7.根据权利要求6所述的基于网格遍历的3D打印路径优化系统,其特征在于,所述随机打印路径生成模块包括:
获取子模块,用于获取待打印零件的3D模型;
编号子模块,用于对所述待打印零件的3D模型划分网格,并对所述网格进行编号;
随机排列子模块,用于对所述编号进行随机排列,得到随机打印路径。
8.根据权利要求6所述的基于网格遍历的3D打印路径优化系统,其特征在于,所述真实变形量确定模块包括:
预测变形量确定子模块,用于将所述候选打印路径输入所述训练好的高斯过程代理模型,得到所述候选打印路径对应的预测变形量;
分析子模块,用于对所述预测变形量对应的候选打印路径进行有限元分析,得到真实变形量。
9.根据权利要求6所述的基于网格遍历的3D打印路径优化系统,其特征在于,所述更新模块包括:
个数获取子模块,用于获取所述候选打印路径的个数;
排序后的变形量确定子模块,用于将所述数据库中的所述打印路径对应的变形量和所述候选打印路径对应的真实变形量按大小排序,得到排序后的变形量;
待删除变形量确定子模块,用于按照从大到小从所述排序后的变形量中选取与所述个数相同的变形量,得到待删除变形量;
删除变形量确定子模块,用于根据所述待删除变形量,得到所述候选打印路径对应的真实变形量中的更新变形量和所述数据库中的所述打印路径对应的变形量中的删除变形量;
删除后的数据库确定子模块,用于将所述删除变形量和所述删除变形量对应的所述数据库中的所述打印路径从所述数据库中删除,得到删除后的数据库;
更新后的数据库确定子模块,用于将所述更新变形量和所述更新变形量对应的候选打印路径加入所述删除后的数据库,得到更新后的数据库。
10.根据权利要求6所述的基于网格遍历的3D打印路径优化系统,其特征在于,所述更新模块还包括:
训练子模块,用于当所述真实变形量中的最小真实变形量大于等于设定变形量时,以更新后的所述数据库中的所述打印路径为输入,以更新后的所述数据库中的所述打印路径对应的变形量为输出,对所述高斯过程代理模型进行训练,得到更新后的训练好的高斯过程代理模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210627738.5A CN115246223A (zh) | 2022-06-06 | 2022-06-06 | 一种基于网格遍历的3d打印路径优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210627738.5A CN115246223A (zh) | 2022-06-06 | 2022-06-06 | 一种基于网格遍历的3d打印路径优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115246223A true CN115246223A (zh) | 2022-10-28 |
Family
ID=83698133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210627738.5A Pending CN115246223A (zh) | 2022-06-06 | 2022-06-06 | 一种基于网格遍历的3d打印路径优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115246223A (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011071829A (ja) * | 2009-09-28 | 2011-04-07 | Seiko Epson Corp | ディザマトリックス生成方法コンピュータープログラム |
US20160221259A1 (en) * | 2014-02-19 | 2016-08-04 | Makerbot Industries, Llc | Tool path for color three-dimensional printing |
KR101665908B1 (ko) * | 2016-01-29 | 2016-10-12 | 동국대학교 산학협력단 | 3d 프린팅의 사전 시각화 방법 |
US20160354980A1 (en) * | 2015-06-05 | 2016-12-08 | Xyzprinting, Inc. | Three-dimensional printing appratus and method for calibrating printing inaccuracy thereof |
CN107599382A (zh) * | 2017-08-15 | 2018-01-19 | 华中科技大学 | 一种基于模型特征的激光功率调节方法 |
CN110209363A (zh) * | 2019-05-30 | 2019-09-06 | 大连理工大学 | 基于遗传算法的智能3d打印路径规划方法 |
CN110657816A (zh) * | 2019-09-20 | 2020-01-07 | 上海海事大学 | 一种基于烟花算法的带硬时间窗的车辆路径问题规划方法 |
DE102018215983A1 (de) * | 2018-09-19 | 2020-03-19 | Eos Gmbh Electro Optical Systems | Berechnung von Belichtungsbahnen mit geringem Bauteilverzug |
US20200159186A1 (en) * | 2018-11-15 | 2020-05-21 | Lawrence Livermore National Security, Llc | Additive manufacturing system and method having toolpath analysis |
CN112268092A (zh) * | 2020-09-30 | 2021-01-26 | 重庆大学 | 一种点阵流变智能结构及其制作方法 |
CN112677489A (zh) * | 2021-01-25 | 2021-04-20 | 中国科学院空间应用工程与技术中心 | 一种打印路径规划方法、系统和3d打印机 |
CN113119450A (zh) * | 2021-03-26 | 2021-07-16 | 南京航空航天大学 | 面向五轴3d打印行切路径规划的ac转角优化方法 |
CN113778127A (zh) * | 2021-09-18 | 2021-12-10 | 中国人民解放军国防科技大学 | 基于遗传算法的无人机侦察路径规划方法及装置 |
US20210387418A1 (en) * | 2020-06-11 | 2021-12-16 | Palo Alto Research Center Incorporated | Fabricated shape estimation for droplet-based additive manufacturing processes with uncertainty |
WO2021248851A1 (zh) * | 2020-06-10 | 2021-12-16 | 苏州聚复高分子材料有限公司 | 3d打印数据生成方法、路径规划方法、系统及存储介质 |
US20220088881A1 (en) * | 2020-09-23 | 2022-03-24 | Ut-Battelle, Llc | System and method for simulation-assisted additive manufacturing |
CN114347212A (zh) * | 2021-12-17 | 2022-04-15 | 山东大学 | 一种面向3d打印壳体结构的路径生成方法及系统 |
CN114510072A (zh) * | 2022-01-18 | 2022-05-17 | 香港理工大学深圳研究院 | 基于进化迁移优化的多无人机路径规划方法、终端及介质 |
-
2022
- 2022-06-06 CN CN202210627738.5A patent/CN115246223A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011071829A (ja) * | 2009-09-28 | 2011-04-07 | Seiko Epson Corp | ディザマトリックス生成方法コンピュータープログラム |
US20160221259A1 (en) * | 2014-02-19 | 2016-08-04 | Makerbot Industries, Llc | Tool path for color three-dimensional printing |
US20160354980A1 (en) * | 2015-06-05 | 2016-12-08 | Xyzprinting, Inc. | Three-dimensional printing appratus and method for calibrating printing inaccuracy thereof |
KR101665908B1 (ko) * | 2016-01-29 | 2016-10-12 | 동국대학교 산학협력단 | 3d 프린팅의 사전 시각화 방법 |
CN107599382A (zh) * | 2017-08-15 | 2018-01-19 | 华中科技大学 | 一种基于模型特征的激光功率调节方法 |
DE102018215983A1 (de) * | 2018-09-19 | 2020-03-19 | Eos Gmbh Electro Optical Systems | Berechnung von Belichtungsbahnen mit geringem Bauteilverzug |
US20200159186A1 (en) * | 2018-11-15 | 2020-05-21 | Lawrence Livermore National Security, Llc | Additive manufacturing system and method having toolpath analysis |
CN110209363A (zh) * | 2019-05-30 | 2019-09-06 | 大连理工大学 | 基于遗传算法的智能3d打印路径规划方法 |
CN110657816A (zh) * | 2019-09-20 | 2020-01-07 | 上海海事大学 | 一种基于烟花算法的带硬时间窗的车辆路径问题规划方法 |
WO2021248851A1 (zh) * | 2020-06-10 | 2021-12-16 | 苏州聚复高分子材料有限公司 | 3d打印数据生成方法、路径规划方法、系统及存储介质 |
US20210387418A1 (en) * | 2020-06-11 | 2021-12-16 | Palo Alto Research Center Incorporated | Fabricated shape estimation for droplet-based additive manufacturing processes with uncertainty |
US20220088881A1 (en) * | 2020-09-23 | 2022-03-24 | Ut-Battelle, Llc | System and method for simulation-assisted additive manufacturing |
CN112268092A (zh) * | 2020-09-30 | 2021-01-26 | 重庆大学 | 一种点阵流变智能结构及其制作方法 |
CN112677489A (zh) * | 2021-01-25 | 2021-04-20 | 中国科学院空间应用工程与技术中心 | 一种打印路径规划方法、系统和3d打印机 |
CN113119450A (zh) * | 2021-03-26 | 2021-07-16 | 南京航空航天大学 | 面向五轴3d打印行切路径规划的ac转角优化方法 |
CN113778127A (zh) * | 2021-09-18 | 2021-12-10 | 中国人民解放军国防科技大学 | 基于遗传算法的无人机侦察路径规划方法及装置 |
CN114347212A (zh) * | 2021-12-17 | 2022-04-15 | 山东大学 | 一种面向3d打印壳体结构的路径生成方法及系统 |
CN114510072A (zh) * | 2022-01-18 | 2022-05-17 | 香港理工大学深圳研究院 | 基于进化迁移优化的多无人机路径规划方法、终端及介质 |
Non-Patent Citations (14)
Title |
---|
PENG YAN: "Three Dimensional Path Planning of Autonomous Underwater Vehicles", APPLIED MECHANICS AND MATERIALS, vol. 328, 30 June 2013 (2013-06-30) * |
XIONG, Y: "Process planning for adaptive contour parallel toolpath in additive manufacturing with variable bead width", INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY, vol. 105, no. 10, 11 June 2019 (2019-06-11), XP036964696, DOI: 10.1007/s00170-019-03954-1 * |
任东改;: "基于Bayazit算法的3D打印路径规划研究", 数字印刷, no. 06, 10 December 2019 (2019-12-10) * |
周伟;李军;: "自动驾驶车辆避障路径规划研究综述", 汽车工程师, no. 05, 25 May 2018 (2018-05-25) * |
宋袁曾;刘立君;武梦瑶;李亚萍;: "仿生条纹制备顺序对襟翼滑轨表面WC/TC4熔覆仿生耐磨层的残余应力与变形影响的模拟分析", 焊接, no. 04, 25 April 2019 (2019-04-25) * |
宫新勇;由伟;高士友;咸士玉;李学哲;: "基于不同扫描路径的激光熔覆温度场数值模拟研究", 华北科技学院学报, no. 05, 15 October 2016 (2016-10-15) * |
崔凤英;李晓微;: "3D打印路径规划研究", 青岛科技大学学报(自然科学版), no. 02, 14 April 2020 (2020-04-14) * |
李发忠;赵德安;张超;姬伟;: "基于CAD的喷涂机器人轨迹优化", 农业机械学报, no. 05, 25 May 2010 (2010-05-25) * |
李荣帅;: "基于DE算法的建筑3D打印完全遍历路径规划研究", 江西科学, no. 03, 22 June 2016 (2016-06-22) * |
林泓延;姚屏;李道良;梁道赞;周亢;: "机器人电弧增材制造技术研究现状与趋势", 自动化与信息工程, no. 06, 15 December 2019 (2019-12-15) * |
王廷银;林明贵;陈达;吴允平;: "基于北斗RDSS的核辐射监测应急通讯方法", 计算机系统应用, no. 12, 15 December 2019 (2019-12-15) * |
董雪;江鹏;陈晓波;习俊通;: "改进支持向量机在SLA 3D打印模型尺寸误差预测的应用", 组合机床与自动化加工技术, no. 09, 20 September 2017 (2017-09-20) * |
谢佩军: "一种基于膜计算的遗传算法图像分割方法", 软件, vol. 35, no. 9, 31 December 2014 (2014-12-31) * |
陈春朝, 李恒宇, 罗均: "基于混合蛙跳算法优化人工势场的路径规划方法研究", 河南理工大学学报( 自然科学版), vol. 37, no. 5, 30 September 2018 (2018-09-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | On novel grey forecasting model based on non-homogeneous index sequence | |
US8392160B2 (en) | Energy usage in injection molding simulations | |
US11755807B2 (en) | Method for predicting delay at multiple corners for digital integrated circuit | |
Golmohammadi et al. | A framework for multi-objective optimisation of 3D part-build orientation with a desired angular resolution in additive manufacturing processes | |
CN103077288B (zh) | 面向小样本试验数据的多元合金材料的软测量及其配方决策方法 | |
CN112668227A (zh) | 一种薄壁件让刀变形误差预测模型建立方法及其应用 | |
CN104536877B (zh) | 一种基于混合策略的测试数据生成方法 | |
Yang et al. | Multiobjective Optimization for Fixture Locating Layout of Sheet Metal Part Using SVR and NSGA‐II | |
Surleraux et al. | Machine learning-based reverse modeling approach for rapid tool shape optimization in die-sinking micro electro discharge machining | |
Won et al. | Adoption of three-dimensional printing technology in public housing in Singapore: Drivers, challenges, and strategies | |
Zhang et al. | Data envelopment analysis based efficiency measurement of engineering change controlling for infrastructure construction under integrated project delivery mode | |
Huang et al. | Experimental and Numerical Study Determining the Warpage Phenomenon of Thin‐Wall Injection Molding | |
Sharma et al. | Predicting the dimensional variation of geometries produced through FDM 3D printing employing supervised machine learning | |
CN117150925A (zh) | 一种水电工程高陡边坡岩体力学参数反分析方法 | |
CN105677995A (zh) | 一种基于全网格配点理论的模糊稳态热传导问题数值求解方法 | |
JP2011134168A (ja) | 構造物の建設データ管理方法、建設データ管理装置および建設データ管理システム | |
CN115246223A (zh) | 一种基于网格遍历的3d打印路径优化方法及系统 | |
CN117334271A (zh) | 一种基于指定属性生成分子的方法 | |
Cao et al. | The strategy of datum reference frame selection based on statistical learning | |
CN115600492A (zh) | 一种激光切割工艺设计方法及系统 | |
CN109101759A (zh) | 一种基于正逆响应面法的参数识别方法 | |
CN114707460A (zh) | 一种基于神经网络和序列对的布图规划面积最优方法 | |
Zaheer et al. | A review on developing optimization techniques in civil engineering | |
CN110110209A (zh) | 一种基于局部加权线性回归模型的交叉推荐方法及系统 | |
Fujimoto et al. | A new sequence evolution approach to assembly planning |
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 |