CN115310343A - 样本数据库系统、训练及检验打印参数的方法、计算机 - Google Patents
样本数据库系统、训练及检验打印参数的方法、计算机 Download PDFInfo
- Publication number
- CN115310343A CN115310343A CN202110493526.8A CN202110493526A CN115310343A CN 115310343 A CN115310343 A CN 115310343A CN 202110493526 A CN202110493526 A CN 202110493526A CN 115310343 A CN115310343 A CN 115310343A
- Authority
- CN
- China
- Prior art keywords
- printing
- model
- data
- parameters
- printing parameters
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/10—Additive manufacturing, e.g. 3D printing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
Abstract
本申请公开一种样本数据库系统、训练及检验打印参数的方法、计算机设备、计算机可读存储介质。其中,样本数据库系统包括:存储模块存储有对应随机3D模型的样本数据;其中,样本数据包括打印参数及对应于打印参数的打印材料信息和仿真数据;其中,打印参数用于描述3D打印设备制造随机3D模型的控制方式;仿真数据用于描述3D打印设备按照打印参数执行打印过程中相应打印材料的成型特性;数据写入模块用于将样本数据写入存储模块;数据读取模块用于将样本数据从存储模块读出,以供作为训练机器学习的预测计算模型使用。本申请通过生成随机3D模型并利用随机3D模型生成样本数据,为预测计算模型的训练提供具有多样化模型特征的样本数据。
Description
技术领域
本申请涉及3D打印技术领域,尤其涉及一种样本数据库系统、训练及检验打印参数的方法、计算机设备、计算机可读存储介质。
背景技术
3D打印设备通常采用逐层加工的方式制造3D物品,其利用经预先处理的打印文件中所提供的每一层打印数据执行相应的控制操作。
随着3D打印设备在个性化产品、异形产品、定制类产品等方面发挥了越来越多的作用,利用3D打印设备来批量打印上述物品,对于3D打印设备在工业化场景下使用,是相应领域的使用者所期望的。然而,一些包含温度敏感的材料在制造环境中容易引起固化层发生形变,这使得难以保证所制造的3D物体整体品质。为减少形变,一些3D打印设备以较低的打印速度执行打印操作,这又降低了打印设备的打印效率。
发明内容
鉴于以上所述相关技术的缺点,本申请的目的在于提供一种样本数据库系统、训练及检验打印参数的方法、计算机设备、计算机可读存储介质,用于为了提高所制造的3D物体的整体品质,在对3D模型的打印文件进行检验、甚至优化的过程中,如何提高效率等问题。
为实现上述目的及其他相关目的,本申请第一方面提供一种样本数据库系统,包括:存储模块,存储有对应随机3D模型的样本数据;其中,所述样本数据包括:打印参数,以及对应于所述打印参数的打印材料信息和仿真数据;其中,打印参数用于描述3D打印设备制造所述随机3D模型的控制方式;仿真数据用于描述所述3D打印设备按照所述打印参数执行打印过程中相应打印材料的成型特性;数据写入模块,用于将所述样本数据写入存储模块;数据读取模块,用于将所述样本数据从所述存储模块读出,以供作为训练机器学习的预测计算模型使用。
在第一方面的某些实施方式中,所述样本数据所描述的随机3D模型的立体结构是以预设形状的多个体素单元随机地进行面拼接而形成的。
在第一方面的某些实施方式中,所述样本数据所描述的随机3D模型的立体结构是通过以下方式生成的:在一预设空间范围内,随机生成预设数量的体素单元;根据各所述体素单元之间的位置关系,确定至少一个随机3D模型。
在第一方面的某些实施方式中,所述随机3D模型的生成方式还包括:根据所生成的随机3D模型的轮廓复杂度,从多个随机3D模型中进行筛选,以得到用作样本数据的至少一个随机3D模型。
在第一方面的某些实施方式中,所述打印参数包括:用于描述所述随机3D模型的立体结构的第一打印参数,以及用于描述所述3D打印设备制造工艺的第二打印参数。
在第一方面的某些实施方式中,所述第一打印参数用于提取所述随机3D模型的模型特征;所述模型特征用于供所述预测计算模型进行训练使用。
在第一方面的某些实施方式中,所述仿真数据包括随时间变化的:温度数据、和/或应力数据。
在第一方面的某些实施方式中,所述打印参数与仿真数据之间是基于随机3D模型的各切片层而对应的、或基于随机3D模型的打印路径而对应的。
本申请第二方面提供一种预测计算模型的训练方法,包括以下步骤:从第一方面中任一所述的样本数据库系统中读取包含有对应随机3D模型的打印参数、打印材料信息和仿真数据;根据打印材料信息对所读取的打印参数进行仿真计算,以得到对应相应打印参数的预测数据;根据各所述打印参数对应的所述预测数据、与所述样本数据库系统中相应仿真数据,对所述预测计算中的参数进行有监督学习。
本申请第三方面提供一种检验打印参数的方法,包括以下步骤:获取待制造的3D模型所对应的待检验的打印参数及其打印材料信息;根据所述打印材料信息,对所述待检验的打印参数进行预测计算,以得到第一预测数据;其中,所述预测计算中的参数是经过有监督学习得到的;所述第一预测数据用于描述3D打印设备在按照所述待检验的打印参数执行打印过程中相应打印材料的成型特性。
在第三方面的某些实施方式中,所述获取待制造的3D模型所对应的第一打印数据的步骤包括:通过检测用户交互界面而获取所述待检验的打印参数;和/或通过对所述3D模型进行切片处理而获得所述待检验的打印参数。
在第三方面的某些实施方式中,所述预测计算的步骤包括利用多线程并行处理待检验的打印参数中的模型特征;其中,所述模型特征用于确定第一预测数据。
在第三方面的某些实施方式中,所述待检验的打印参数包括:用于描述所述3D模型的立体结构的第一打印参数,以及用于描述所述3D打印设备制造工艺的第二打印参数。
在第三方面的某些实施方式中,所述检验方法还包括:根据所述第一预测数据,以图案化显示所述3D模型的各切片层的成型特性。
在第三方面的某些实施方式中,所述检验方法还包括:根据所述第一预测数据在所述3D模型中的位置特征区域,分析所述待检验的打印参数的成型效率;根据分析结果优化所述待检验的打印参数,以得到所述3D模型的新的打印参数,以提高3D打印设备的成型效率。
在第三方面的某些实施方式中,所述检验方法还包括:对所述新的打印参数进行仿真计算,以得到第二预测数据;根据所述第二预测数据,以图案化显示所述3D模型的各切片层的成型特性。
在第三方面的某些实施方式中,所述待检验的打印数据包括以下至少一种:至少一切片层的打印路径、多个切片层的层高、涂覆打印材料的速度、和打印材料的温度。
本申请第四方面提供一种计算机设备,包括:至少一个存储器,用于存储至少一个程序;至少一个处理器,与所述至少一个存储器相连,用于执行所述至少一种程序执行如第二方面所述的预测计算模型的训练方法;或者如第三方面中任一所述的检验打印参数的方法。
本申请第五方面提供一种计算机可读存储介质,存储至少一种程序,所述至少一种程序在被调用时执行并实现如第二方面所述的预测计算模型的训练方法;或者如第三方面中任一所述的检验打印参数的方法。
综上所述,本申请提供的一种样本数据库系统、训练及检验打印参数的方法、计算机设备、计算机可读存储介质,具有以下有益效果:本申请通过生成随机3D模型并利用随机3D模型生成样本数据,为预测计算模型的训练提供具有多样化模型特征的样本数据。利用包含随机3D模型所得到的样本数据,预测计算模型中的参数可被训练成对更多样的模型特征具有敏感性,其能够为不同形状和结构特点的3D模型提供准确度高的仿真数据。
附图说明
本申请所涉及的具体特征如所附权利要求书所显示。通过参考下文中详细描所述的示例性实施方式和附图能够更好地理解本申请所涉及的特点和优势。对附图简要说明书如下:
图1显示为本申请的样本数据库系统在一实施例中的架构示意图。
图2显示为本申请的计算机设备在一实施例中的硬件结构示意图。
图3显示为本申请的训练方法在一实施例中的流程示意图。
图4显示为本申请的检验打印参数的方法在一实施例中的流程示意图。
图5显示为本申请提供的检验打印参数的方法在另一实施例中的流程示意图。
图6显示为本申请提供的检验打印参数的方法在再一实施例中的流程示意图。
图7显示为本申请提供的检验打印参数的方法在又一实施例中的流程示意图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描所述的实施例仅仅是本申请一部分是实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
3D打印设备逐层制造3D物体的方式根据所使用的材料而有所差异。例如,基于FDM技术的3D打印设备为一种熔融沉积型打印设备,其按照预设的打印路径将丝状材料逐层铺设。又如,基于SLA技术的3D打印设备为一种激光束扫描的打印设备,其按照预设的打印路径控制激光束调整能量辐射位置的方式,将光敏材料进行逐层固化。再如,基于DLP技术的3D打印设备为一种面曝光的打印设备,其按照预设的切片层图案控制面曝光的光机进行能量辐射,将光敏材料进行逐层固化。
与所使用的材料的物理特性相关,在3D打印设备按照打印参数进行逐层制造的过程中,可能产生所固化的固化层不满足制造精度的情况。例如,与所使用的材料的温度特性相关,如温度敏感材料,在冷却过程中由于温度变化不均匀,而导致材料收缩形变不同。上述情况都导致3D打印设备所制造的各固化层容易产生翘曲形变等情况,从而降低了3D物体的整体品质。
在一些实施例中,技术人员在生成打印文件的阶段,考虑打印材料的性能指标,对3D模型及其打印参数进行仿真试验,以模拟3D打印设备的制造过程对3D模型形变、或成品的性能指标等的影响。在进行仿真实验的过程中,计算机设备利用3D打印设备的打印参数,模拟打印材料逐层制造过程,从而获得打印材料的仿真数据。其中,所述仿真数据用于描述按照打印参数而使得各打印位置的成型的打印材料的物理特性,该物理特性举例包括反映打印材料成型后的温度特性、和/或应变特性等。其中,所述仿真数据可描述成成型后的某一瞬时的物理数据,或者随时间变化而变化的物理数据序列(或物理变化曲线)。其中所述物理特性包括以下至少一种:温度、应力、形变等。例如,所述仿真数据描述各打印位置的成型的打印材料随时间变化的温度数据、和/或应力数据。其中,所述温度数据至少包含温度数值,还可以包含温度传递方向。所述应力数据至少包括应力数值,还可以包含应力方向。所述仿真数据还包括根据所述温度数据和应力数据而计算得到的形变的法向数据等。
利用该仿真数据,技术人员或计算机设备为了达到抑制/利用仿真数据所呈现的物理特性,调整同一打印路径上的不同位置的或者上下固化层之间的打印参数,以提高3D打印设备制造出的3D物品的成品率、打印速率、和打印效率中的至少一种。
为了获得3D打印设备制造每层成型的打印材料的仿真数据,计算机设备在模拟时可以根据打印参数而确定的打印路径和预设的打印单元,逐一计算各打印单元所对应的各打印位置的仿真数据。其中,所述打印单元为基于形状、或尺寸而确定的三维空间单元,例如,所述打印单元为基于切片层高和预设长宽而设置的三维空间单元。
例如,计算机设备将3D模型中一切片层分成若干拼接而成的打印单元,在基于打印材料而预先设置的边界条件下,根据打印路径遍历各打印单元所对应的打印位置,以计算各打印位置的仿真数据。其中,所述边界条件包括温度场边界条件、力场边界条件、及热-力耦合场边界条件中的至少一种。温度场边界条件是在包含打印位置的经计算出的第一范围内的各种材料类型的热传导率而设置的。其中,所述预设第一范围举例为以打印位置为中心、预设打印半径而确定的范围,例如,基于打印位置、及其在预设多个方向的材料类型所对应的热传导率而确定的等温范围,或者结合等温范围和物理范围而确定的范围等。所述力场边界条件是在包含打印位置的经计算出的第二范围内,各种材料类型因该打印位置成型过程中温度变化而产生的应力形变而设置的。所述第二范围举例为以打印位置为中心、经计算出的打印半径而确定的范围,例如,基于打印位置、及其在预设多个方向的材料类型所对应的形变率而确定的等力度范围,或者结合等力度范围和物理范围而确定的范围等。所述热-力耦合场边界条件是基于打印位置的相应材料类型的温度场和力场相互作用而设置的。
如上述示例或其他如有限元算法等仿真计算方式,当3D模型的切片层数很多、和/或单层切片面积很大时,该计算过程的计算量会大大增加。
为了提高利用3D模型的打印参数和打印材料信息来模拟3D物品的成品品质的仿真效率,本申请提供一种检验打印参数的方法。所述检验方法旨在改变按照打印路径、或打印层顺序而逐个打印位置进行仿真计算的计算方式,而采用利用包含有独立计算和联合计算的计算方式,来提高仿真时的计算效率。为此,所述检验方法利用经机器学习的预测计算模型来执行预测计算。其中,所述经机器学习的预测计算模型为一种有监督学习的预测算法,换言之,所述预测算法中的参数是经有监督学习的到的。其中,所述预测计算模型中的各计算单元通过数据通道进行连接,以及通过独立计算各计算单元来实现大量数据的并行处理。所述数据通道是利用程序接口而传递数据的方式。预测计算模型中的多个计算单元通过数据通道构成网络状的逻辑结构,位于同一网络层的各计算单元可并行地进行数据处理,以提高计算效率。所述计算单元举例为神经元。通过将顺序地进行仿真计算的计算架构更改为网络化数据处理方式,所述检验方法大大提高了计算效率。所述检验方法的执行过程将在后续详述。
为了利用所述预测计算模型准确地计算对应打印参数和打印材料信息的仿真数据,以替换前述仿真计算的计算过程,所述预测计算模型在训练时需要投入大量的样本数据。在一些示例中,所述样本数据中的3D模型来自于公开的三维图像数据库,例如,Open3D中的3D模型。在另一些示例中,公开的三维图像数据库中虽然提供了大量的3D模型,然而,其中适用于样本数据的3D模型并不能满足训练该预测计算模型的样本量级的需要。一方面三维图像数据库中包含有数据量过大的3D模型,另一方面,由于三维图像数据库中的模型类型是有限的,这使得符合训练的3D模型缺少模型特征多样性,这使得所训练出的预测计算模型的准确率无法满足3D打印的设计需要。
为了弥补现有的样本数据库的不足,本申请提供一种样本数据库系统。所述样本数据库系统包括配置于至少一个计算机设备的软件和硬件。所述至少一个计算机设备可以是个人计算机设备、服务器、或服务器集群等。
请参阅图1,显示为本申请的样本数据库系统在一实施例中的架构示意图,如图所示,其中,样本数据库系统包括:存储模块100、数据写入模块101、数据读取模块102等。所述样本数据库系统用于存储和维护供机器学习的算法模型训练使用的样本数据集。所述样本数据集中包含对应随机3D模型的样本数据及其打印材料信息。
其中,所述打印材料信息是指根据3D打印设备所使用的成形材料的成分、或包含配比的成分等。以3D打印设备所使用的成形材料为丝状材料为例,所述打印材料信息包括以下任一种:PLA、ABS和PETG。以3D打印设备所使用的成形材料为光敏材料为例,所述打印材料信息包括以下任一种:丙烯酸、二苯甲酮、米氏酮、硫杂蒽酮、联苯酰等;还可以包括多种光敏材料的配比信息,例如重量比、体积比等。根据上述提及的材料名称,通过预设对应材料名称的材料属性,所述打印材料信息可包含借由用户输入的一部分打印材料信息和预存储的另一部分打印材料信息;或者根据预测计算模型运行时的数据需要,而由用户输入的所有打印材料信息。其中材料属性包括材料的物理属性、和/或化学属性。例如,物理属性包括比热容,辐射率,密度、泊松比等。例如,化学属性包括:光固化所需的光波长等。
其中,随机3D模型是指3D模型的部分或全部轮廓、和/或结构中包含通过随机方式生成的部分。
在一些示例中,所述随机3D模型是在三维图像数据库中的3D模型的基础上进行随机处理,以改变3D模型中部分或全部轮廓、和/或结构而得到的。例如,生成随机形状/结构的立体单元,以及将所生成的体素单元随机地拼到3D模型的表面,得到随机3D模型。其中,所述立体单元表示可供随机地拼到3D模型表面的各种立体模型。例如,立体单元为通过随机修改至少一个体素单元的形状或结构而得到的。又如,立体单元为多个体素单元随机拼接而得到的。
在此,所述体素单元为具有预设尺寸和预设形状的立体图形数据。所述体素单元举例描述了以下任一种立体图形:正方体、长方体、柱体、台体等。构成立体单元的多个体素单元的立体图形可以是相同或不同的。为了便于将多个体素单元拼接成立体单元,所述体素单元至少包含一个平面表面,以供多体素单元进行拼接。例如,随机选择至少两个轮廓的体素单元,利用两两平面表面至少部分重叠的方式,随机拼接该多个体素单元得到立体单元。又如,在随机拼接多个体素单元的基础上,再随机修剪拼接后的多个体素单元,以生成立体单元。
在另一些示例中,为了不受三维图像数据库中的3D模型的基本形状和基本结构的约束,从而在随机3D模型中呈现更多的模型特征,使得样本数据库中的3D模型更适用于训练预测计算模型的参数,所述随机3D模型是以预设形状的多个体素单元随机地进行面拼接而形成的。在此,每一体素单元如上一示例中所示。多个体素单元的形状可以相同或不同。
在一些具体示例中,将多个体素单元随机地进行面拼接的方式可以与上一示例中的立体图形的拼接方式相同或相似。
在另一些具体示例中,所述面拼接的方式举例包括:在一预设空间范围内,随机生成预设数量的体素单元;根据各所述体素单元之间的位置关系,确定至少一个随机3D模型。
其中,所述空间范围用于限制随机生成的各体素单元的空间范围,其可根据体素单元的数量而设置;或者预设一足够大的空间范围,以容纳在一限定数量级内设置的随机数量的体素单元。所述体素单元的数量可以是固定的,或者在一限定数量级内随机设置的。
在该空间范围内随机布置预设数量的各体素单元,将两两平面表面至少部分重叠的体素单元所构成的连通空间域作为随机3D模型。以所有体素单元的图形均为具有单位边长的正方体为例,为了降低后续确定面拼接体素单元的计算量,预设任意两个体素单元的中心点连线的长度不小于所述单位边长,以及预设各体素单元的摆放角度相同;在该空间范围内随机布置预设数量的各体素单元;通过计算两两中心点之间的相对位置关系,确定两两平面表面至少部分重叠的体素单元;并根据多个体素单元所形成的连通空间域,得到至少一个随机3D模型。
需要说明的是,根据上述示例可知,所述生成随机3D模型的方式与随机设置体素单元的数量、和/或随机设置体素单元的空间位置和摆放角度相关,各体素单元的形状可以不相同。为了提高生成较为复杂的随机3D模型的效率,以提供模型特征丰富的随机3D模型,与上述示例不同的是:各体素单元的摆放角度是受到面拼接条件约束的。例如,以预设的基准摆放角度和初始位置为基准,在该空间范围随机设置一体素单元,以及根据已设置在空间范围内的体素单元的各表面平面的法向方向及其平行方向,拓扑其他体素单元的摆放角度,并按照相应摆放角度的随机位置随机设置各其他体素单元。由此利于随机设置的各体素单元有机会两两表面部分重叠。
按照上述任一示例所提供的方式而生成的随机3D模型均可处理成采样本数据。为了使得所选用的随机3D模型具有一定复杂度,以便于向预测计算模型提供多样性的模型特征,所述随机3D模型的生成方式还包括:根据所生成的随机3D模型的轮廓复杂度,从多个随机3D模型中进行筛选,以得到用作样本数据的至少一个随机3D模型。
其中,所述轮廓复杂度用于表示经量化的反映随机3D模型的模型特征的多样性的指标参数。所述模型特征表示三维图像数据的图像特征,其包括但不限于以下至少一种:三维图像数据的轮廓表面的图像特征,和/或三维图像数据内部在体素量级上的图像特征。
其中,所述轮廓表面的图像特征举例包括以下至少一种:轮廓上的角特征、轮廓上的在体素量级上的法向方向特征、三维图像数据在垂直于一基准轴向上逐层投影过程中各层二维投影图像的如曲率、拐点等轮廓特征等。其中,所述二维投影图像所对应的层为三维图像数据沿垂直于该基准轴向而划分的横截层;所述横截层可对应于为了打印三维图像数据而设置的切片层,或者基于体素级的长度间隔而划分出的横截层。
所述三维图像数据内部在体素量级上的图像特征举例包括:三维图像数据的非表面处的体素位置与三维图像数据的表面位置的距离和/或方向。
利用在随机3D模型中提取的各图像特征,对随机3D模型的轮廓复杂度进行评估。为此,利用各图像特征的统计分布、同类图像特征之间相似性、借由图像特征而获得的随机3D模型的三维尺寸等量化信息来表征随机3D模型的轮廓复杂度;若所述轮廓复杂度满足预设的复杂度条件,则确定利用相应的随机3D模型来生成样本数据。其中,所述统计分布为基于预设的统计维度而对各图像特征进行统计而得到的统计分布信息。所述统计维度举例包括:基于轮廓的角特征、或法向方向特征等;对应的复杂度条件举例包括统计分布符合某一类预设的概率分布,如正态分布、均匀分布、或β-分布等。所述同类图像特征是指根据一种图像特征提取规则而提取的各图像特征,其举例包括但不限于前述提及的任一种图像特征,例如同一层、和/或不同层二维投影图像的同类轮廓特征等。同类图像特征之间相似性举例为通过计算同类图像特征的描述子之间的相似距离来进行聚类分析得到的相似程度的描述;对应的复杂度条件举例包括但不限于以下至少一种:设置与相似程度相关的阈值及其筛选条件,根据各聚类的数量、和/或各聚类之间的分散程度而设置的表示图像特征丰富/单一的条件等。所述三维尺寸是指反映随机3D模型中各层的空间位置及所占的空间范围,其举例包括以下至少一种随机3D模型中与尺寸和/或尺寸比例等相关的数据:随机3D模型中最窄尺寸、最宽尺寸、最低尺寸、最高尺寸、平均宽度、平均高度,随机3D模型中突臂的长宽高、突臂的悬空高度,随机3D模型中尺寸偏差分布等。所述三维尺寸可利用随机3D模型的各图像特征中的三维坐标计算而得。对应三维尺寸的复杂度条件包括基于所测量(或统计)的尺寸/尺寸比例而设置的阈值及其筛选条件。
根据上述至少一种示例所述的轮廓复杂度,对随机3D模型进行筛选,并利用筛选出的随机3D模型生成样本数据。
在一些示例中,当所生成的各随机3D模型都无法满足轮廓复杂度的要求时,所述生成方式还包括在同一空间范围内继续增加多个体素单元,以得到新的随机3D模型;对所得到的新的随机3D模型进行基于轮廓复杂度的筛选,直至选出至少一个随机3D模型为止,或者在重复预设次数后,清空该空间范围内的所有体素单元,并重新生成随机3D模型。
上述任一方式所生成的随机3D模型是用于生成样本数据的。为此,所确定的随机3D模型被前处理软件进行前处理,以得到对应的打印文件。其中,所述前处理的过程包括但不限于摆件和切片,还可以包括增加支撑数据等。所述打印文件举例为G-Code数据的文件。
所述打印文件描述了供3D打印设备制造相应随机3D物体的打印参数。换言之,所述打印参数用于描述3D打印设备制造所述随机3D模型的控制方式,其包括但不限于:利用切片层来描述所述随机3D模型的立体结构的第一打印参数,以及用于描述所述3D打印设备制造工艺的第二打印参数。
在经过前处理后,随机3D模型的立体结构从描述各体素单元及其位置关系的数据转换成描述切片层高及其对应切片层图像的数据。故而,所述第一打印参数,又称为切片数据,其包括:按照打印的层顺序而设置的描述各切片层图像的数据、各切片层层高;可选地,还包括各切片层的支撑数据。
其中,描述切片层图像的数据举例包括以下任一种:沿着打印路径而首尾连接的位置矢量,或者由像素矩阵描述的切片层图像及其位置信息。其中,所述位置矢量为描述切片层图像的基本矢量单元,其又可称为单元位置矢量,其包含沿打印路径而设置的表示起点和终点的各体素及其体素位置。利用所述单元位置矢量所提供的数据,3D打印设备可控制成型部件(如激光束的振镜、或喷嘴的XY轴移动机构)进行移动。所述切片层图像是基于随机3D模型在相应切片层的横截面的轮廓而确定的。所述切片层图像的位置信息是基于供3D打印设备确定制造相应的随机3D模型的基准位置而确定的。
所述第一打印参数不仅利用供3D打印设备打印使用的方式描述了随机3D模型的立体结构,还用于供预测计算模型在运行时提取所述随机3D模型的模型特征。其中,所述模型特征表示随机3D模型的图像特征,其包括但不限于:随机3D模型的轮廓表面的图像特征,和/或随机3D模型内部在体素量级上的图像特征。预测计算模型处理模型特征的方式将在后续详述。
其中,所述第二打印参数与所使用的3D打印设备的类型及其成型方式相关。在一些具体示例中,所述第二打印参数包含3D打印设备的设备类型,如表示基于熔融沉积成型(FDM)技术的3D打印设备的类型信息,或者基于激光扫描(SLA)技术的3D打印设备的类型信息。在另一些具体示例中,所述第二打印参数包括3D打印设备中与成型工具相关的参数。例如,3D打印设备为基于熔融沉积成型(FDM)技术的3D打印设备,所述第二打印参数中包含与喷嘴尺寸相关的喷嘴尺寸数据,如喷嘴型号、或喷嘴直径等。又如,3D打印设备为基于激光扫描(SLA)技术的3D打印设备,所述第二打印参数中包含:与光斑尺寸相关的尺寸数据,如光斑直径等级、或光斑直径等。在又一些具体示例中,所述第二打印参数包括与控制成型工具制造切片层所对应的横截层相关的数据。例如,3D打印设备为基于激光扫描(SLA)技术的3D打印设备、或者基于面曝光(DLP、或LCD)技术的3D打印设备,所述第二打印参数中包含与能量辐射相关的数据,如,所辐射的能量等级、能量的辐射时长、或表示所辐射的能量(或时长)的像素值等。又如,所述第二打印参数包括:涂覆打印材料的速度、和/或打印材料的温度等。
在对应随机3D模型的样本数据中除了包含上述各示例中提及的各打印参数,还包括利用随机3D模型的打印参数和预设的打印材料而进行仿真的仿真数据。
所述仿真数据用于描述所述3D打印设备按照所述打印参数执行打印过程中相应打印材料的成型特性。其中,所述成型特性反映出打印材料在成型环境下形成横截层时的瞬间或一段时长内该打印材料及对周围已成型结构的物理特性的影响。其中,与瞬间相比,该一段时长包含所述物理特性随时间变化而变化的过程。例如,所述仿真数据描述了成型的横截层的温度随时间变化而热传导和散热的过程的温度数据序列。又如,所述仿真数据描述了利用所得到的横截层与对已成型结构的接触面而产生的应力随时间变化而形变过程的应力数据序列。
所述仿真数据可借由监测3D打印设备制造随机3D模型的过程而测得。或者所述仿真数据是利用现有的、或前述示例中所提及的模拟方式进行仿真计算得到的。
在利用打印参数模拟3D打印设备逐层制造横截层的过程中,根据所选择的3D打印设备,所述打印参数与仿真数据之间至少是基于随机3D模型的各切片层而对应的、或基于随机3D模型的打印路径而对应的。所述仿真数据至少反映在相应切片层所对应的打印参数下,3D打印设备所制造的横截层的物理特性。例如,基于面曝光的3D打印设备在制造第一切片层时,相应横截层的打印材料随温度变化而变化的温度数据序列和应力数据序列。又如,仍以基于面曝光的3D打印设备为例,所述仿真数据还可以表示组成相应横截层中各体素单元的打印材料在成型后随温度变化而变化的物理特性。
以模拟3D打印设备按照各切片层的各单元位置矢量移动成型工具,来制造相应横截层为例,所述打印参数和仿真数据之间可基于至少一切片层的打印路径而对应。所述打印路径是由各单位位置矢量首尾相连而得到的。在打印参数中提供移动速度和成型工具的相关数据(如喷嘴直径等)的情况下,计算机设备按照如前述示例提及的边界条件,模拟确定在至少一层范围内的各单位位置矢量处的仿真数据。以上述示例中提及的模拟3D模型的打印过程而得到仿真数据为例,计算机设备模拟根据随机3D模型的打印参数而计算在相应单位位置矢量处的打印材料的初始温度数据;按照当前层在整个层数中的层高位置,计算相应单位位置矢量的温度传导范围;根据温度传导范围和已成型的各横截层的接触情况,计算相应单位位置矢量的应力传递范围;根据材料的热传导率,计算在温度传导范围、和应力传递范围内,各层已成型结构随时间变化而变化的物理数据序列,并作为对应各单位位置矢量的仿真数据。
参照前述图1所示的样本数据库系统,所生成的随机3D模型的打印参数、打印材料信息和对应的仿真数据,由所述样本数据库系统中的数据写入模块写入存储模块中。
在此,样本数据库系统中的存储模块、数据写入模块和数据读取模块均为以应用程序描述的程序模块;各程序模块由计算机设备中的硬件执行,以形成可为训练预测计算模型的执行过程提供样本数据集,以及可存储包含对应随机3D模型的样本数据。
其中,请参阅图2所示,显示为本申请的计算机设备在一实施例中的硬件结构示意图,如图所示,所述计算机设备20的硬件至少包括处理器201和存储器200。所述处理器201包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个数字信号处理器(Digital Signal Processor,简称DSP)、一个或多个现场可编程逻辑阵列(FieldProgrammable Gate Array,简称FPGA)、或它们的任何组合。
所述存储器200用于存储至少一个程序,所述至少一个程序可供所述处理器运行样本数据库系统。所述存储器还存储有样本数据集。其中,存储器包括但不限于:只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、非易失性存储器(Nonvolatile RAM,简称NVRAM)。例如,存储器包括闪存设备或其他非易失性固态存储设备。在某些实施例中,存储器还可以包括远离一个或多个处理装置的存储器,例如经由RF电路或外部端口以及通信网络访问的网络附加存储器,其中所述通信网络可以是因特网、一个或多个内部网、局域网、广域网、存储局域网等,或其适当组合。存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器的访问。
所述存储模块根据存储器200的寻址空间实现对样本数据集中各样本数据的读取和存储。
当按照上述任一示例得到随机3D模型的打印参数、打印材料信息和仿真数据时,数据写入模块将基于打印参数、打印材料信息和仿真数据而形成的随机3D模型的样本数据通过存储模块写入存储器。当训练所述预测计算模型时,数据读取模块将包含随机3D模型的样本数据在内的多组样本数据读取并提供给训练方法,以训练预测计算模型中的参数,使得经训练的预测计算模型,能够以更高效地运行机制模拟待测的3D模型的打印参数所对应的仿真数据,并使得所得到的仿真数据具有高可靠性。
为了使所采用的预测计算模型在运行时能高效地、准确地模拟出3D模型的打印参数所对应的预测数据。所述预测计算模型采用多层级联的计算架构,其中,每级包含并行运行的计算单元,各计算单元的计算结果通过级联关系进行数据传递。为了提高预测计算模型在运行时的运行效率,各级计算单元根据计算机设备的资源配置独立计算。例如,利用多进程方式执行各计算单元,使得在同级的多个计算单元独立且并行执行。
为了提高执行效率,在一些示例中,预测计算模型采用提取所接收的3D模型的模型特征,以及根据模型特征和打印材料信息来输出对应的预测数据的方式。预测计算模型中的各级联的计算单元包含用于根据从包含随机3D打印模型的样本数据集中所提取的各第一打印参数,获得包含随机3D模型的模型特征在内的各3D模型的模型特征的计算单元。例如,各级计算单元利用预先设定的参数,从所接收的对应每一切片层的第一打印参数中提取随机3D模型中对应层高处的表面和内部的模型特征。又如,各级计算单元利用跨级联方式获得不同切片层的第一打印参数和不同切片层中已提取的一部分模型特征,利用多切片层的模型特征获得反映随机3D模型的另一部分模型特征。预测计算模型中的各级联的计算单元还包括:利用包含全连接的级联方式计算对应各模型特征和打印材料信息所对应的预测数据;利用模型特征在随机3D模型中位置的映射关系,计算随机3D模型中体素级的预测数据。
在又一些示例中,预测计算模型采用基于物理特征对应的边界条件而设置的包含长短记忆的级联方式,每一级的计算单元对所提取的各模型特征进行仿真计算,以使输出的预测数据为对应各切片层的体素级的预测数据。
为了训练预测计算模型中的参数,本申请提供一种预测计算模型的训练方法。所述训练方法主要由训练系统来执行。其中,所述训练系统包含计算机设备中的软件和硬件。所述计算机设备举例为个人的计算机设备、服务器、或基于云架构的服务器群等。所述训练系统包含用于调配计算资源而执行训练方法的指令集;以及按照指令集执行计算处理的硬件装置,例如,处理器、存储器等。
在此,所述训练方法在执行时需调用样本数据库系统,特别是包含前述提及的随机3D模型的样本数据的样本数据库系统,为此,样本数据库系统可配置于执行所述训练方法的计算机设备中,或者配置在不同计算机设备中,且各计算机设备彼此通信连接。
请参阅图3,显示为本申请的训练方法在一实施例中的流程示意图,如图所示,在步骤S100中,从前述提供的样本数据库系统中,读取包含有对应随机3D模型的打印参数、打印材料信息和仿真数据。
所述训练系统通过调用样本数据库系统中的数据读取模块获得对应随机3D模型的打印参数、打印材料信息和仿真数据,并将其作为样本数据。
在步骤S110中,根据打印材料信息对所读取的打印参数进行预测计算,以得到对应相应打印参数的预测数据。
在初始时,所述预测计算模型中的参数被随机设置、或按经验预设。训练系统将输入样本数据中的打印材料信息和打印参数,输入经运行的预测计算模型,以得到预测数据。
在一些示例中,所述训练系统将样本数据进行分组,当利用其中一组样本数据中的打印材料信息和打印参数得到预测数据时,执行步骤S120,以调整所述预测计算模型中的参数。
在又一些示例中,训练系统在每次输入样本数据运行预测计算模型并得到预测数据后,执行步骤S120,以调整所述参数。
在步骤S120中,根据各所述打印参数对应的所述预测数据、与所述样本数据库系统中相应的仿真数据,对所述仿真计算中的参数进行有监督学习。
在此,训练系统以仿真数据为基准,通过计算预测数据和仿真数据构建反向传播算法,来计算预测计算模型中各级计算单元的参数的参数梯度;利用各参数梯度调整各参数,并重新执行步骤S100-S120,直至所得到的参数梯度符合预设的训练截止条件。其中,训练截止条件举例包括以下至少一种:所得到的预测数据与对应的仿真数据的偏差小于预设偏差阈值;基于参数梯度而得到的平均梯度的变化幅度小于预设幅度阈值等。
经训练得到的预测计算模型用于根据所接收的打印参数模拟计算3D模型的各切片层按照打印路径/切片图像被制造成相应横截层时各体素单元的物理特性。
利用所述随机3D模型的样本数据训练得到的预测计算模型,由于学习了多样性的模型特征,因此,所得到的仿真结果能够准确地反映出3D打印设备按照相应打印参数进行逐层制造时,各层成型的打印材料的物理特征。例如,仿真结果反映出在制造大幅面的横截层时,中间区域聚集的热能及其对已成型部分的应力影响等。又如,仿真结果反映出沿急转弯的打印路径进行成型制造时,急转处的应力和温度的变化。
根据所得到的仿真数据,计算机设备可通过分析相应仿真数据来调整打印参数,进而有效减少因打印参数的设置不合理而导致的所制造的3D物品发生形变等情况发生。
请参阅图4,显示为本申请的检验打印参数的方法在一实施例中的流程示意图。所述检验方法主要由检验系统来执行。所述检验系统包含计算机设备中的硬件和软件。所述计算机设备可以是用户的终端设备、个人电脑、或服务器、基于云架构的服务器等。例如,个人电脑中配置有前处理软件和执行所述检验方法的检验软件等,以便对待制造成实物的3D模型的打印参数进行检验。又如,基于云架构的服务器通过网络接收一3D模型的打印参数及其对应的打印材料信息,根据所接收的打印参数和打印材料信息执行所述检验方法,并通过网络反馈检验结果。其中,上述示例中提到的3D模型为用户希望利用3D打印设备而制造的3D物品的三维图像数据。
与在随机3D模型的各示例中提到的打印参数相比,所检验的打印参数是针对待制造的3D模型的打印参数。所述待制造的3D模型为用户希望通过3D打印设备制造相应实体的三维图像数据。所述待检验的打印参数也包含第一打印参数和第二打印参数,与前述随机3D模型的各示例中所提到的第一打印参数和第二打印参数中关于数据的用途和意思表示相同或相似。例如,所述待检验的打印参数包括:用于描述所述3D模型的立体结构的第一打印参数,以及用于描述所述3D打印设备制造工艺的第二打印参数。
在步骤S200中,获取待制造的3D模型所对应的待检验的打印参数及其打印材料信息。
在一些应用中,所述检验系统接收用户导入的经前处理软件处理后的待检验的打印参数。为此,所述步骤S200包括步骤S201:通过检测用户交互界面而获取所述待检验的打印参数。如前面提到的,前处理软件在运行时对3D模型进行摆件、切片等软件处理,以得到可供3D打印设备识别并执行的打印参数,该打印参数以预设格式的打印文件保存。用户可通过人机交互界面将相应的打印文件导入检验系统中,如此获得待检验的打印参数。
在另一些应用中,所述检验系统被集成在前处理软件中,用户在使用前处理软件进行切片时,通过切片得到的待检验的打印参数通过程序接口传递至检验系统,即所述步骤S200包含步骤S202:通过对所述3D模型进行切片处理而获得所述待检验的打印参数。
在又一些应用中,用户所使用的前处理软件既提供人机交互界面以获得打印文件中的待检验的打印参数,又能够在对3D模型进行切片处理过程中产生待检验的打印参数。所得到的待检验的打印参数和预先输入的打印材料信息,一并提供给检验系统,以供其执行步骤S210。
在步骤S210中,根据所述打印材料信息,对所述待检验的打印参数进行仿真计算,以得到仿真数据;其中,所述仿真计算中的参数是经过有监督学习得到的。在此,为了区别于前述有训练过程中所产生的预测数据,检验3D模型的打印参数而得到的预测数据称为第一预测数据。所述第一预测数据用于描述3D打印设备在按照所述待检验的打印参数执行打印过程中相应打印材料的成型特性。
在此,所述检验系统中的软件包含如前述各示例提及的预测计算模型,或基于本申请中的预测计算模型的技术思想而设计的预测计算模型。
检验系统将所得到的打印材料信息和打印参数输入预测计算模型,以输出相应的第一预测数据。其中,所述第一预测数据与前述训练预测计算模型时所输出的仿真数据的用途和意思表示相同或显示。
以所述待检验的打印参数中包含切片层高、和沿打印路径而设置的单位位置矢量的第一打印参数,所述第一预测数据所对应的各体素单元,是基于每一切片层的层高及其对应切片层的各单位位置矢量而确定的。
以所述打印参数中包含切片层高、和相应切皮纳层图像的第一打印参数,所述第一预测数据所对应的各体素单元,是基于每一切片层的层高及其对应切片层的切片图像的像素尺寸和像素位置而确定的。
例如,按照预测计算模型中各级联的计算单元的计算架构,各计算单元采用多线程并行处理的方式,根据打印参数提取3D模型的模型特征,以及利用模型特征和打印材料信息而模拟计算相应打印材料在成型时的仿真数据;根据模型特征在3D模型的对应位置构建对应各体素单元的第一预测数据。
又如,按照预测计算模型中各级联的计算单元的计算架构,各计算单元采用多线程并行处理的方式,根据打印参数和打印材料信息,模拟计算3D模型中的各模型特征的仿真数据;根据模型特征在3D模型的对应位置构建对应各体素单元的第一预测数据。
在此,所述第一预测数据表示了经模拟量化的各位置的成型的打印材料的物理特性对自身及其周围成型的打印材料的影响。
在一些实施例中,在所述检验系统中,所得到的第一预测数据可供用户查看。请参阅图5,显示为本申请提供的检验打印参数的方法在另一实施例中的流程示意图,所述检验方法还包括:步骤S220,根据所述第一预测数据,以图案化显示所述3D模型的各切片层的成型特性。
在一些示例中,所述检验系统分别以温度和应力随时间变化而对应的变化过程,以动态形式展示在各切片层的切片图像中。例如,所述检验系统利用预设的如从黑、红、橙到黄等颜色顺序表示温度由高到低,在对应切片层的切片图像上的各体素单元位置展示第一预测数据中的温度变化、或者某一瞬间的温度分布。又如,所述检验系统根据第一预测数据中的应力变化,将对应切片层上展示动态的切片层翘曲变化。
在又一些示例中,所述检验系统通过对第一预测数据进行评价,以及将评价结果按照预设的等级标识反映在各切片层的切片图像上。由此便于用户确认所生成的打印参数是否需要调整。
利用所得到的第一预测数据来进行分析,可以便于用户进行评估,若按照当前的待检验的打印参数进行实体制造,所得到的3D物品是否合格,若是,则可提示用户进行制造,反之,则用户可选择调整3D模型的摆放方位、和/或调整支撑等前处理中的操作,并重新进行切片处理,以得到对应所述3D模型的新的打印文件。
在另一些实施例中,所述检验系统自动进行分析,并调整待检验的打印参数,以提高制造出的3D物品的成品率。为了得到待检验的3D模型的打印参数所对应的仿真数据,所述检验系统不限于采用上述任一模拟方式得到所述待检验的3D模型的打印参数所对应的第一预测数据。在此,所述第一预测数据用于表示按照任一模拟方式对待检验的打印参数和打印材料信息进行预测而得到的预测数据。
不限于上述提及的任一模拟方式,本申请的检验方法还提供一种调整待检验的打印参数的方法,该调整方法用于防止3D打印设备按照调整后的打印参数以过低的速度逐层制造,降低打印效率。
请参阅图6,显示为本申请提供的检验打印参数的方法在再一实施例中的流程示意图,如图所示,所述检验方法还包括:步骤S300,根据所述第一预测数据在所述3D模型中的位置特征区域,分析所述待检验的打印参数的成型效率。
在此,所述成型效率用于反映3D打印设备在打印速度快、和所制造出的3D物品的成品率高之间的平衡情况。
第一预测数据用于反映所述3D模型的各切片层中体素级的成型的打印材料的物理特性,检验系统根据第一预测数据确定按照待验证的打印参数而制造相应横截层,得到在相应横截层及其相邻的已成型横截层中形成的立体特征区域;其中,所述立体特征区域举例包括3D模型中的以下至少一种立体位置区域:温度最高、温度最低、应力最大、应力最低、温度变化最快、温度变化最慢、应力变化最快、应力变化最慢的立体位置区域。检验系统根据各所得到的各立体特征区域在整个3D模型中的位置分布情况分析按照所述待检验的打印参数所制造出的3D物品的成型效率。其中,所述位置分布情况举例包括以下至少一种:所得到的各立体特征区域分别在3D模型中的位置、基于各立体特征区域的分类而得到的位置统计信息、位于各立体特征区域中的模型特征的位置信息及其统计信息等。其中,各立体特征区域的分类的依据包括但不限于以下至少一种:按照各立体特征区域的位置、温度传导范围、温度变化、应力传递范围、或应力变化等。
在一些示例中,检验系统通过检测所述位置分布情况,分析按照所述待检验的打印参数所制造出的3D物品的形变率。所述检验系统还计算按照所述待检验的打印参数进行逐层制造的速度。
其中,所述形变率对3D物品的轮廓变形的误差评价值。所述速度是3D打印设备所制造的3D物品物理尺寸与完成相应3D物品的时长之间的比例、或者制造一横截层的平均速度等。
若检验系统经计算得到的形变率和速度在预设的评价范围内,则输出包含待验证的打印参数的打印文件;反之,则执行步骤S310。其中,所述评价范围包括单独评价的形变率和速度的各阈值范围;和/或结合形变率和速度而设置的阈值范围。例如,预设形变率的误差率阈值范围,以及基于所述3D物品的体积而预估的速度阈值范围,所述检验系统当所计算的形变率和速度均落入各自的阈值范围,则输出包含待验证的打印参数的打印文件;反之,执行步骤S310。又如,根据预设依据形变率和速度而设置的评价权重,检验系统对所计算的形变率和速度进行评价,并根据评价结果输出包含待验证的打印参数的打印文件,或者执行步骤S310。
在另一些示例中,利用所述位置分布,检验系统分析3D模型的各位置的固化后的打印材料的物理状态变化及其变化所花费的时长;所述检验系统以所分析出的各位置的物理状态变化和时长作为分析结果,执行步骤S310。
步骤S310,根据分析结果调整所述待检验的打印参数,得到所述3D模型的新的打印参数,以提高3D打印设备的成型效率。其中,所述分析结果中包含对各立体特征区域的分析结果,或者对应各立体特征区域的分类的分析结果。所调整的打印参数包括第一打印参数和/或第二打印参数。例如,对应FDM打印设备,所调整的打印参数包括:打印路径、涂覆打印材料的速度、打印材料的温度、切片层的层高、喷嘴直径等。又如,对应DLP打印设备,所调整的打印参数包括:打印材料温度、切片层的层高、曝光功率等。
以所计算的分析结果中包含制造部分立体特征区域的速度满足预设的速度阈值范围,且形变率不满足预设的形变阈值范围为例,为了降低形变率,检验系统依据各位置特征区域的形变率及其在3D模型中的位置,调整相应位置中的打印参数。例如,在抑制形变而设置的温度和/或应力约束条件下,调整形变率超出形变阈值范围的位置特征区域中的、和/或形变率超出形变阈值范围的位置特征区域周边区域的打印路径、移动速度等,以使得调整后的打印路径与相应切片层中的其他打印路径首尾相连。
以所计算的分析结果中包含制造部分立体特征区域的形变率满足预设的形变阈值范围,且制造的速度不满足预设的速度阈值范围为例,为了提高速度,检验系统调整温度和/或应力最低的各位置特征区域的打印参数,以提高打印速度。例如,调整方式举例包括以下至少一种:增加喷嘴直径、延长单位位置矢量的长度并减少单位位置矢量的数量、提高移动速度等。
以所计算的分析结果中包含制造部分立体特征区域的形变率和速度都满足预设的形变阈值范围为例,为了提高速度,检验系统合并相应立体特征区域所在的切片层等。
以所计算的分析结果包含物理状态变化及其时长为例,固化后的打印材料在不同的温度场和/或应力场变化下具有大致相当的物理状态变化的情况下,所花费的不同时长视为彼此的等效时长。所述物理状态举例包括材料的硬度、韧性、形变等。例如,固化后的打印材料从温度A1降至温度A2所对应的形变指标、与从温度A3降至温度A4所对应的形变指标,大致相当;其中,温度区间A1-A2,以及温度区间A3-A4不完全重叠;检验系统得到对应于所述位置分布的分析结果。检测系统从分析结果中得到各位置的物理状态变化及其时长,利用上述基于等效时长而预设的不同物理变化状态及其打印参数,调整不同位置区域的打印参数。所得到的新的打印参数能够提高所制造的3D物品的成品率和/或打印效率。
检验系统将调整后的打印参数以打印文件形式输出,以使得3D打印设备按照新的打印参数执行逐层制造,以得到同样对应于3D模型的3D物品。
在一些应用中,为了供用户识别调整前后的打印参数所制造的3D物品的物理特性的差异,请参阅图7,显示为本申请提供的检验打印参数的方法在又一实施例中的流程示意图,如图所示,所述检验方法还包括:步骤S320和S330。为区分待检验的打印参数所对应的第一预测数据,利用调整后的打印参数(即新的打印参数)、和预设的打印材料信息而进行仿真计算,得到的预测数据称为第二预测数据。
在步骤S320中,对所述新的打印参数进行仿真计算,以得到第二预测数据。
在此,所述检验系统进行仿真计算的方式可如前述任一示例所提供的仿真计算(又称模拟计算、或模拟仿真等)。例如,利用经训练的预测计算模型,通过输入新的打印参数和预设的打印材料信息,得到所述第二预测数据。
在步骤S330中,根据所述第二预测数据,以图案化显示所述3D模型的各切片层的成型特性。
在此,所述步骤S330的执行过程与前述步骤S220的执行过程相同或相似。例如,检验系统将调整前后的打印参数所分别得到的图案化成型特性展示在同一交互界面上,以便于用户进行比对和确认。
本申请通过生成随机3D模型并利用随机3D模型生成样本数据,为预测计算模型的训练提供具有多样化模型特征的样本数据。利用包含随机3D模型所得到的样本数据,预测计算模型中的参数可被训练成对更多样的模型特征具有敏感性,其能够为不同形状和结构特点的3D模型提供准确度高的仿真数据。另外,由于预测计算模型改变了计算架构的执行顺序和执行方式,使得预测计算模型能够准实时地计算出较为复杂的、或实体尺寸更大的3D模型的仿真数据。再有,利用预测计算模型所提供的仿真数据,对待检验的打印参数进行调整,能够有效改善所制造出的3D物品的打印效率。
本申请还提供一种计算机可读写存储介质,存储至少一种程序,所述至少一种程序在被调用时执行并实现上述针对图3所示的预测计算模型的训练方法所描所述的至少一种实施例,或者针对图4-7所示的检验打印参数的方法所描所述的至少一种实施例。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得安装有所述存储介质的移动机器人可以执行本申请各个实施例所述方法的全部或部分步骤。
于本申请提供的实施例中,所述计算机可读写存储介质可以包括只读存储器、随机存取存储器、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而,应当理解的是,计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质,而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘,其中,磁盘通常磁性地复制数据,而光盘则用激光来光学地复制数据。
在一个或多个示例性方面,本申请所述方法的计算机程序所描所述的功能可以用硬件、软件、固件或其任意组合的方式来实现。当用软件实现时,可以将这些功能作为一个或多个指令或代码存储或传送到计算机可读介质上。本申请所公开的方法或算法的步骤可以用处理器可执行软件模块来体现,其中处理器可执行软件模块可以位于有形、非临时性计算机可读写存储介质上。有形、非临时性计算机可读写存储介质可以是计算机能够存取的任何可用介质。
本申请上所述的附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于此,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这根据所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以通过执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以通过专用硬件与计算机指令的组合来实现。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (19)
1.一种样本数据库系统,其特征在于,包括:
存储模块,存储有对应随机3D模型的样本数据;其中,所述样本数据包括:打印参数,以及对应于所述打印参数的打印材料信息和仿真数据;其中,打印参数用于描述3D打印设备制造所述随机3D模型的控制方式;仿真数据用于描述所述3D打印设备按照所述打印参数执行打印过程中相应打印材料的成型特性;
数据写入模块,用于将所述样本数据写入存储模块;
数据读取模块,用于将所述样本数据从所述存储模块读出,以供作为训练机器学习的预测计算模型使用。
2.根据权利要求1所述的样本数据库系统,其特征在于,所述样本数据所描述的随机3D模型的立体结构是以预设形状的多个体素单元随机地进行面拼接而形成的。
3.根据权利要求1所述的样本数据库系统,其特征在于,所述样本数据所描述的随机3D模型的立体结构是通过以下方式生成的:
在一预设空间范围内,随机生成预设数量的体素单元;
根据各所述体素单元之间的位置关系,确定至少一个随机3D模型。
4.根据权利要求3所述的样本数据库系统,其特征在于,所述随机3D模型的生成方式还包括:根据所生成的随机3D模型的轮廓复杂度,从多个随机3D模型中进行筛选,以得到用作样本数据的至少一个随机3D模型。
5.根据权利要求1所述的样本数据库系统,其特征在于,所述打印参数包括:用于描述所述随机3D模型的立体结构的第一打印参数,以及用于描述所述3D打印设备制造工艺的第二打印参数。
6.根据权利要求5所述的样本数据库系统,其特征在于,所述第一打印参数用于提取所述随机3D模型的模型特征;所述模型特征用于供所述预测计算模型进行训练使用。
7.根据权利要求1所述的样本数据库系统,其特征在于,所述仿真数据包括随时间变化的:温度数据、和/或应力数据。
8.根据权利要求1所述的样本数据库系统,其特征在于,所述打印参数与仿真数据之间是基于随机3D模型的各切片层而对应的、或基于随机3D模型的打印路径而对应的。
9.一种预测计算模型的训练方法,其特征在于,所述训练方法包括以下步骤:
从如权利要求1-8中任一所述的样本数据库系统中读取包含有对应随机3D模型的打印参数、打印材料信息和仿真数据;
根据打印材料信息对所读取的打印参数进行仿真计算,以得到对应相应打印参数的预测数据;
根据各所述打印参数对应的所述预测数据、与所述样本数据库系统中相应仿真数据,对所述预测计算中的参数进行有监督学习。
10.一种检验打印参数的方法,其特征在于,包括以下步骤:
获取待制造的3D模型所对应的待检验的打印参数及其打印材料信息;
根据所述打印材料信息,对所述待检验的打印参数进行预测计算,以得到第一预测数据;其中,所述预测计算中的参数是经过有监督学习得到的;所述第一预测数据用于描述3D打印设备在按照所述待检验的打印参数执行打印过程中相应打印材料的成型特性。
11.根据权利要求10所述的检验打印参数的方法,其特征在于,所述获取待制造的3D模型所对应的第一打印数据的步骤包括:
通过检测用户交互界面而获取所述待检验的打印参数;和/或
通过对所述3D模型进行切片处理而获得所述待检验的打印参数。
12.根据权利要求10所述的检验打印参数的方法,其特征在于,所述预测计算的步骤包括利用多线程并行处理待检验的打印参数中的模型特征;其中,所述模型特征用于确定第一预测数据。
13.根据权利要求10所述的检验打印参数的方法,其特征在于,所述待检验的打印参数包括:用于描述所述3D模型的立体结构的第一打印参数,以及用于描述所述3D打印设备制造工艺的第二打印参数。
14.根据权利要求10所述的检验打印参数的方法,其特征在于,还包括:根据所述第一预测数据以图案化显示所述3D模型的各切片层的成型特性的步骤。
15.根据权利要求10所述的检验打印参数的方法,其特征在于,还包括以下步骤:
根据所述第一预测数据在所述3D模型中的位置特征区域,分析所述待检验的打印参数的成型效率;
根据分析结果优化所述待检验的打印参数,以得到所述3D模型的新的打印参数,以提高3D打印设备的成型效率。
16.根据权利要求15所述的检验打印参数的方法,其特征在于,还包括以下步骤:
对所述新的打印参数进行仿真计算,以得到第二预测数据;
根据所述第二预测数据,以图案化显示所述3D模型的各切片层的成型特性。
17.根据权利要求10或15所述的检验打印参数的方法,其特征在于,所述待检验的打印数据包括以下至少一种:至少一切片层的打印路径、多个切片层的层高、涂覆打印材料的速度、和打印材料的温度。
18.一种计算机设备,其特征在于,包括:
至少一个存储器,用于存储至少一个程序;
至少一个处理器,与所述至少一个存储器相连,用于执行所述至少一种程序执行如权利要求9所述的预测计算模型的训练方法;或者如权利要求10-17中任一所述的检验打印参数的方法。
19.一种计算机可读存储介质,其特征在于,存储至少一种程序,所述至少一种程序在被调用时执行并实现如权利要求9所述的预测计算模型的训练方法;或者如权利要求10-17中任一所述的检验打印参数的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493526.8A CN115310343A (zh) | 2021-05-07 | 2021-05-07 | 样本数据库系统、训练及检验打印参数的方法、计算机 |
PCT/CN2022/084257 WO2022233206A1 (zh) | 2021-05-07 | 2022-03-31 | 样本数据库系统、训练及检验打印参数的方法、计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110493526.8A CN115310343A (zh) | 2021-05-07 | 2021-05-07 | 样本数据库系统、训练及检验打印参数的方法、计算机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115310343A true CN115310343A (zh) | 2022-11-08 |
Family
ID=83853872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110493526.8A Pending CN115310343A (zh) | 2021-05-07 | 2021-05-07 | 样本数据库系统、训练及检验打印参数的方法、计算机 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115310343A (zh) |
WO (1) | WO2022233206A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115664859B (zh) * | 2022-12-26 | 2023-03-21 | 深圳市链科网络科技有限公司 | 基于云打印场景下的数据安全分析方法、装置、设备及介质 |
CN116275114B (zh) * | 2023-05-12 | 2023-08-04 | 山东海纳智能装备科技股份有限公司 | 一种基于激光增材制造的过程监控控制系统 |
CN116728783B (zh) * | 2023-08-09 | 2023-10-27 | 深圳市金石三维打印科技有限公司 | 一种基于3d打印机的仿真方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019112655A1 (en) * | 2017-12-06 | 2019-06-13 | Siemens Aktiengesellschaft | Closed loop toolpath and setting generation for additive manufacturing processes |
CN110110466B (zh) * | 2019-05-17 | 2023-07-21 | 中冶华天工程技术有限公司 | 一种机器学习和工艺仿真的污水处理目标参数预测方法 |
CN110472355B (zh) * | 2019-08-20 | 2021-09-07 | 南京航空航天大学 | 一种基于多场耦合建模与仿真求解的3d打印预览方法 |
CN111444559B (zh) * | 2020-03-20 | 2023-05-12 | 杭州电子科技大学 | 一种基于ansys的fdm型3d打印过程的动态仿真方法 |
-
2021
- 2021-05-07 CN CN202110493526.8A patent/CN115310343A/zh active Pending
-
2022
- 2022-03-31 WO PCT/CN2022/084257 patent/WO2022233206A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022233206A1 (zh) | 2022-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115310343A (zh) | 样本数据库系统、训练及检验打印参数的方法、计算机 | |
TWI717737B (zh) | 評估微影製程中的元件缺陷之未知效應的方法與裝置 | |
CN114818401A (zh) | 机器学习模型的训练方法、训练装置、评价系统 | |
CN101413791B (zh) | 在光学计量中用近似和精细衍射模型确定结构的轮廓参数 | |
Zhang et al. | Data‐driven bending elasticity design by shell thickness | |
US20220398351A1 (en) | Method and system for reverse design of micro-nano structure based on deep neural network | |
CN117274259A (zh) | 一种基于物联网的键盘生产设备管理方法及系统 | |
KR20230173649A (ko) | 포토리소그래피 마스크 생성 모델의 훈련 방법, 장치,기기 및 저장 매체 | |
JP2019082874A (ja) | 設計支援装置及び設計支援システム | |
Darvishi et al. | Validation techniques of agent based modelling for geospatial simulations | |
JP2015162221A (ja) | 不均質材料のシミュレーションモデルの作成方法、不均質材料のシミュレーション方法、及びプログラム | |
Galicia et al. | Improving printing orientation for Fused Deposition Modeling printers by analyzing connected components | |
Dinda et al. | Expediting build time, material, and cost estimation for material extrusion processes to enable mobile applications | |
KR20220155190A (ko) | 프로세스 관리 계획서 디지털 트윈을 이용하는 제품의 개발 | |
CN114384547A (zh) | 一种基于雷达传感器模型的保真度检测的评估方法及系统 | |
KR101936628B1 (ko) | Tsom 이미지 획득 방법 및 반도체 장치 검사 방법 | |
US11551037B2 (en) | Method and apparatus for determining a physical shape, method for manufacturing a calculation device, calculation device, and use of the calculation device | |
CN111241614B (zh) | 基于条件生成对抗网络模型的工程结构荷载反演方法 | |
CN111210409B (zh) | 一种基于条件生成对抗网络的结构损伤识别方法 | |
Bo et al. | Printable 3D trees | |
CN112949000A (zh) | 基于卷积神经网络模型的构件残余应力反演方法 | |
CN111241725A (zh) | 基于条件生成对抗网络的结构响应重构方法 | |
KR100685294B1 (ko) | 사출 성형 렌즈의 광학적 특성 수치 해석 방법 | |
CN110097183A (zh) | 信息处理方法以及信息处理系统 | |
CN110288576A (zh) | 光条中心提取方法、终端设备及存储介质 |
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 |