CN117207530A - 基于多设备联动的3d打印方法及系统 - Google Patents
基于多设备联动的3d打印方法及系统 Download PDFInfo
- Publication number
- CN117207530A CN117207530A CN202311475590.9A CN202311475590A CN117207530A CN 117207530 A CN117207530 A CN 117207530A CN 202311475590 A CN202311475590 A CN 202311475590A CN 117207530 A CN117207530 A CN 117207530A
- Authority
- CN
- China
- Prior art keywords
- printing
- parameters
- equipment
- candidate
- historical
- 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.)
- Granted
Links
- 238000010146 3D printing Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000007639 printing Methods 0.000 claims abstract description 338
- 238000012216 screening Methods 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims description 68
- 230000006870 function Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 239000002245 particle Substances 0.000 claims description 6
- 239000003999 initiator Substances 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000007650 screen-printing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明公开了一种基于多设备联动的3D打印方法及系统,该方法包括:获取多个打印任务对应的多个切片数据集合;获取目标区域内的多个候选打印设备对应的实时设备参数和历史设备参数;根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备;根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略;所述打印分配策略用于限定每一所述切片数据集合对应的打印设备。可见,本发明能够确定出更适合的多个打印设备,并确定出更加合理和高效的打印分配策略,以实现多个打印任务的精准高效的执行控制。
Description
技术领域
本发明涉及3D打印技术领域,尤其涉及一种基于多设备联动的3D打印方法及系统。
背景技术
随着3D打印技术的发展, 3D打印需求也逐渐增长,伴随着3D打印任务的数据量也开始越来越大,部分的研发机构开始讨论利用多套打印设备来共同执行同一大型打印任务的可能性,这其中,如何有效实现对打印任务的分配是重要的技术问题。
但现有技术在实现打印任务的分配时,一般仅采用简单的资源负载均衡技术来分配打印任务,没有考虑到打印设备与打印项目之间的适配性和基于动态规划算法的演算来提高分配效果。可见,现有技术存在缺陷,亟需解决。
发明内容
本发明所要解决的技术问题在于,提供一种基于多设备联动的3D打印方法及系统,能够确定出更适合的多个打印设备,并确定出更加合理和高效的打印分配策略,以实现多个打印任务的精准高效的执行控制。
为了解决上述技术问题,本发明第一方面公开了一种基于多设备联动的3D打印方法,所述方法包括:
获取多个打印任务对应的多个切片数据集合;
获取目标区域内的多个候选打印设备对应的实时设备参数和历史设备参数;
根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备;
根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略;所述打印分配策略用于限定每一所述切片数据集合对应的打印设备。
作为一种可选的实施方式,在本发明第一方面中,所述实时设备参数包括设备实时图像、设备实时电流、设备实时电压、设备实时湿度、设备实时温度中的至少一种;和/或,所述历史设备参数包括设备历史处理数据、设备类型、设备历史故障记录、设备历史数据传输记录中的至少一种。
作为一种可选的实施方式,在本发明第一方面中,所述任务参数包括任务类型、任务数据量、任务发起者、任务要求中的至少一种。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备,包括:
将每一所述候选打印设备的所述实时设备参数,输入至训练好的设备状态预测模型中,以得到每一所述候选打印设备对应的设备状态参数;
基于预设的参数规则,筛选出每一所述候选打印设备的所述历史设备参数中与打印相关的打印参数,计算所述打印参数与每一所述打印任务的任务参数之间的相似度,得到每一所述候选打印设备与每一所述打印任务之间的相似度;
计算每一所述候选打印设备与所有所述打印任务之间的相似度的平均值,得到每一所述候选打印设备对应的相似度参数;
根据每一所述候选打印设备的设备位置,以及每一所述候选打印设备的所述历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一所述候选打印设备对应的数据传输效率参数;
计算每一所述候选打印设备对应的所述设备状态参数、所述相似度参数和所述数据传输效率参数的乘积,得到每一所述候选打印设备对应的质量参数;
根据所述质量参数从大到小对所有所述候选打印设备进行排序得到设备序列,筛选出所述设备序列的前预设数量位中所述质量参数大于预设的参数阈值的所有候选打印设备,得到多个打印设备。
作为一种可选的实施方式,在本发明第一方面中,所述基于预设的参数规则,筛选出每一所述候选打印设备的所述历史设备参数中与打印相关的打印参数,包括:
对于每一所述候选打印设备,基于预设的打印相关关键字符以及匹配算法,从该候选打印设备的所述历史设备参数中匹配得到多个关键字段;
根据每一所述关键字段对应的时间参数,筛选出在预设的时间段内的多个关键字段,以得到该候选打印设备对应的多个与打印相关的打印参数。
作为一种可选的实施方式,在本发明第一方面中,所述根据每一所述候选打印设备的设备位置,以及每一所述候选打印设备的所述历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一所述候选打印设备对应的数据传输效率参数,包括:
对于每一所述候选打印设备,计算该候选打印设备的设备位置与每一所述切片数据集合的源保存设备的设备位置之间的位置距离的平均值的倒数,得到该候选打印设备对应的距离参数;
根据该候选打印设备的所述历史设备参数中的设备历史故障记录,计算该候选打印设备的传输成功率;
根据该候选打印设备的所述历史设备参数中的设备历史数据传输记录,计算该候选打印设备的平均数据传输速率;
计算该候选打印设备的所述距离参数、所述传输成功率和所述平均数据传输速率的乘积,得到该候选打印设备对应的数据传输效率参数。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略,包括:
确定目标函数为每一所述打印设备被分配到的所述切片数据集合的数量达到最小;
确定限制条件包括:所述数据传输效率参数更高的所述打印设备分到更多的所述切片数据集合,以及所述设备状态参数更高的所述打印设备分到更多的所述切片数据集合;
根据所述目标函数和所述限制条件,基于粒子群免疫进化算法,对所述多个切片数据集合和所述多个打印设备进行演算,以得到所述多个切片数据集合对应的打印分配策略。
本发明第二方面公开了一种基于多设备联动的3D打印系统,所述系统包括:
第一获取模块,用于获取多个打印任务对应的多个切片数据集合;
第二获取模块,用于获取目标区域内的多个候选打印设备对应的实时设备参数和历史设备参数;
筛选模块,用于根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备;
分配模块,用于根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略;所述打印分配策略用于限定每一所述切片数据集合对应的打印设备。
作为一种可选的实施方式,在本发明第二方面中,所述实时设备参数包括设备实时图像、设备实时电流、设备实时电压、设备实时湿度、设备实时温度中的至少一种;和/或,所述历史设备参数包括设备历史处理数据、设备类型、设备历史故障记录、设备历史数据传输记录中的至少一种。
作为一种可选的实施方式,在本发明第二方面中,所述任务参数包括任务类型、任务数据量、任务发起者、任务要求中的至少一种。
作为一种可选的实施方式,在本发明第二方面中,所述筛选模块根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备的具体方式,包括:
将每一所述候选打印设备的所述实时设备参数,输入至训练好的设备状态预测模型中,以得到每一所述候选打印设备对应的设备状态参数;
基于预设的参数规则,筛选出每一所述候选打印设备的所述历史设备参数中与打印相关的打印参数,计算所述打印参数与每一所述打印任务的任务参数之间的相似度,得到每一所述候选打印设备与每一所述打印任务之间的相似度;
计算每一所述候选打印设备与所有所述打印任务之间的相似度的平均值,得到每一所述候选打印设备对应的相似度参数;
根据每一所述候选打印设备的设备位置,以及每一所述候选打印设备的所述历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一所述候选打印设备对应的数据传输效率参数;
计算每一所述候选打印设备对应的所述设备状态参数、所述相似度参数和所述数据传输效率参数的乘积,得到每一所述候选打印设备对应的质量参数;
根据所述质量参数从大到小对所有所述候选打印设备进行排序得到设备序列,筛选出所述设备序列的前预设数量位中所述质量参数大于预设的参数阈值的所有候选打印设备,得到多个打印设备。
作为一种可选的实施方式,在本发明第二方面中,所述筛选模块基于预设的参数规则,筛选出每一所述候选打印设备的所述历史设备参数中与打印相关的打印参数的具体方式,包括:
对于每一所述候选打印设备,基于预设的打印相关关键字符以及匹配算法,从该候选打印设备的所述历史设备参数中匹配得到多个关键字段;
根据每一所述关键字段对应的时间参数,筛选出在预设的时间段内的多个关键字段,以得到该候选打印设备对应的多个与打印相关的打印参数。
作为一种可选的实施方式,在本发明第二方面中,所述筛选模块根据每一所述候选打印设备的设备位置,以及每一所述候选打印设备的所述历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一所述候选打印设备对应的数据传输效率参数的具体方式,包括:
对于每一所述候选打印设备,计算该候选打印设备的设备位置与每一所述切片数据集合的源保存设备的设备位置之间的位置距离的平均值的倒数,得到该候选打印设备对应的距离参数;
根据该候选打印设备的所述历史设备参数中的设备历史故障记录,计算该候选打印设备的传输成功率;
根据该候选打印设备的所述历史设备参数中的设备历史数据传输记录,计算该候选打印设备的平均数据传输速率;
计算该候选打印设备的所述距离参数、所述传输成功率和所述平均数据传输速率的乘积,得到该候选打印设备对应的数据传输效率参数。
作为一种可选的实施方式,在本发明第二方面中,所述分配模块根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略的具体方式,包括:
确定目标函数为每一所述打印设备被分配到的所述切片数据集合的数量达到最小;
确定限制条件包括:所述数据传输效率参数更高的所述打印设备分到更多的所述切片数据集合,以及所述设备状态参数更高的所述打印设备分到更多的所述切片数据集合;
根据所述目标函数和所述限制条件,基于粒子群免疫进化算法,对所述多个切片数据集合和所述多个打印设备进行演算,以得到所述多个切片数据集合对应的打印分配策略。
本发明第三方面公开了另一种基于多设备联动的3D打印系统,所述系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于多设备联动的3D打印方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于多设备联动的3D打印方法中的部分或全部步骤。
与现有技术相比,本发明具有以下有益效果:
本发明能够根据设备参数和任务参数对打印设备进行筛选,并基于动态规划算法来确定多个切片数据的打印分配策略,从而能够确定出更适合的多个打印设备,并确定出更加合理和高效的打印分配策略,以实现多个打印任务的精准高效的执行控制。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于多设备联动的3D打印方法的流程示意图;
图2是本发明实施例公开的一种基于多设备联动的3D打印系统的结构示意图;
图3是本发明实施例公开的另一种基于多设备联动的3D打印系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于多设备联动的3D打印方法及系统,能够根据设备参数和任务参数对打印设备进行筛选,并基于动态规划算法来确定多个切片数据的打印分配策略,从而能够确定出更适合的多个打印设备,并确定出更加合理和高效的打印分配策略,以实现多个打印任务的精准高效的执行控制。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于多设备联动的3D打印方法的流程示意图。其中,图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中,且该服务器可以是本地服务器,也可以是云服务器,本发明实施例不做限定如图1所示,该基于多设备联动的3D打印方法可以包括以下操作:
101、获取多个打印任务对应的多个切片数据集合。
102、获取目标区域内的多个候选打印设备对应的实时设备参数和历史设备参数。
可选的,实时设备参数包括设备实时图像、设备实时电流、设备实时电压、设备实时湿度、设备实时温度中的至少一种。
可选的,历史设备参数包括设备历史处理数据、设备类型、设备历史故障记录、设备历史数据传输记录中的至少一种。
103、根据实时设备参数和历史设备参数,和打印任务的任务参数,从多个候选打印设备中筛选出多个打印设备。
可选的,任务参数包括任务类型、任务数据量、任务发起者、任务要求中的至少一种。
104、根据多个打印设备的实时设备参数和历史设备参数,基于动态规划算法,确定多个切片数据集合对应的打印分配策略。
具体的,打印分配策略用于限定每一切片数据集合对应的打印设备。
可见,实施本发明实施例所描述的方法能够根据设备参数和任务参数对打印设备进行筛选,并基于动态规划算法来确定多个切片数据的打印分配策略,从而能够确定出更适合的多个打印设备,并确定出更加合理和高效的打印分配策略,以实现多个打印任务的精准高效的执行控制。
作为一种可选的实施例,上述步骤中的,根据实时设备参数和历史设备参数,和打印任务的任务参数,从多个候选打印设备中筛选出多个打印设备,包括:
将每一候选打印设备的实时设备参数,输入至训练好的设备状态预测模型中,以得到每一候选打印设备对应的设备状态参数;
基于预设的参数规则,筛选出每一候选打印设备的历史设备参数中与打印相关的打印参数,计算打印参数与每一打印任务的任务参数之间的相似度,得到每一候选打印设备与每一打印任务之间的相似度;
计算每一候选打印设备与所有打印任务之间的相似度的平均值,得到每一候选打印设备对应的相似度参数;
根据每一候选打印设备的设备位置,以及每一候选打印设备的历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一候选打印设备对应的数据传输效率参数;
计算每一候选打印设备对应的设备状态参数、相似度参数和数据传输效率参数的乘积,得到每一候选打印设备对应的质量参数;
根据质量参数从大到小对所有候选打印设备进行排序得到设备序列,筛选出设备序列的前预设数量位中质量参数大于预设的参数阈值的所有候选打印设备,得到多个打印设备。
可选的,设备状态预测模型为通过包括有多个训练实时设备参数和对应的设备状态标注的训练数据集训练得到的神经网络算法模型,其可以为CNN结构、RNN结构或LTSM结构的神经网络模型。
可选的,打印参数和任务参数之间的相似度的计算,可以基于向量距离算法来执行。
通过上述实施例,可以通过对每一候选打印设备对应的设备状态参数、相似度参数和数据传输效率参数的计算,来确定每一候选打印设备的质量参数,并根据质量参数筛选出多个高质量的打印设备,能够确定出更合理适配的多个打印设备,提高多任务的执行效率和执行效果。
作为一种可选的实施例,上述步骤中的,基于预设的参数规则,筛选出每一候选打印设备的历史设备参数中与打印相关的打印参数,包括:
对于每一候选打印设备,基于预设的打印相关关键字符以及匹配算法,从该候选打印设备的历史设备参数中匹配得到多个关键字段;
根据每一关键字段对应的时间参数,筛选出在预设的时间段内的多个关键字段,以得到该候选打印设备对应的多个与打印相关的打印参数。
可选的,预设的时间段一般可以为与当前时间点之间的时间差小于预设的时间差阈值的时间点至当前时间点之间的时间区间,该时间差阈值可以由操作人员来根据经验或实验来确定。
通过上述实施例,可以能够基于匹配算法来确定出多个关键字段,并筛选出预设的时间段内的字段,以提高筛选出的打印参数的适配性和即时性,便于后续计算相似度参数以用于筛选出多个高质量的打印设备,能够确定出更合理适配的多个打印设备,提高多任务的执行效率和执行效果。
作为一种可选的实施例,上述步骤中的,根据每一候选打印设备的设备位置,以及每一候选打印设备的历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一候选打印设备对应的数据传输效率参数,包括:
对于每一候选打印设备,计算该候选打印设备的设备位置与每一切片数据集合的源保存设备的设备位置之间的位置距离的平均值的倒数,得到该候选打印设备对应的距离参数;
根据该候选打印设备的历史设备参数中的设备历史故障记录,计算该候选打印设备的传输成功率;
根据该候选打印设备的历史设备参数中的设备历史数据传输记录,计算该候选打印设备的平均数据传输速率;
计算该候选打印设备的距离参数、传输成功率和平均数据传输速率的乘积,得到该候选打印设备对应的数据传输效率参数。
通过上述实施例,可以能够基于对距离参数、传输成功率和平均数据传输速率的计算来确定候选打印设备对应的数据传输效率参数,便于后续根据数据传输效率参数计算质量参数以用于筛选出多个高质量的打印设备,能够确定出更合理适配的多个打印设备,提高多任务的执行效率和执行效果。
作为一种可选的实施例,上述步骤中的,根据多个打印设备的实时设备参数和历史设备参数,基于动态规划算法,确定多个切片数据集合对应的打印分配策略,包括:
确定目标函数为每一打印设备被分配到的切片数据集合的数量达到最小;
确定限制条件包括:数据传输效率参数更高的打印设备分到更多的切片数据集合,以及设备状态参数更高的打印设备分到更多的切片数据集合;
根据目标函数和限制条件,基于粒子群免疫进化算法,对多个切片数据集合和多个打印设备进行演算,以得到多个切片数据集合对应的打印分配策略。
通过上述实施例,可以根据目标函数和限制条件,基于粒子群免疫进化算法,对多个切片数据集合和多个打印设备进行演算,以得到多个切片数据集合对应的打印分配策略,能够确定出更合理高效的打印分配策略,提高多任务的执行效率和执行效果。
实施例二
请参阅图2,图2是本发明实施例公开的一种基于多设备联动的3D打印系统的结构示意图。其中,图2所描述的系统可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中,且该服务器可以是本地服务器,也可以是云服务器,本发明实施例不做限定。如图2所示,该系统可以包括:
第一获取模块201,用于获取多个打印任务对应的多个切片数据集合;
第二获取模块202,用于获取目标区域内的多个候选打印设备对应的实时设备参数和历史设备参数;
筛选模块203,用于根据实时设备参数和历史设备参数,和打印任务的任务参数,从多个候选打印设备中筛选出多个打印设备;
分配模块204,用于根据多个打印设备的实时设备参数和历史设备参数,基于动态规划算法,确定多个切片数据集合对应的打印分配策略;打印分配策略用于限定每一切片数据集合对应的打印设备。
作为一种可选的实施例,实时设备参数包括设备实时图像、设备实时电流、设备实时电压、设备实时湿度、设备实时温度中的至少一种;和/或,历史设备参数包括设备历史处理数据、设备类型、设备历史故障记录、设备历史数据传输记录中的至少一种。
作为一种可选的实施例,任务参数包括任务类型、任务数据量、任务发起者、任务要求中的至少一种。
作为一种可选的实施例,筛选模块203根据实时设备参数和历史设备参数,和打印任务的任务参数,从多个候选打印设备中筛选出多个打印设备的具体方式,包括:
将每一候选打印设备的实时设备参数,输入至训练好的设备状态预测模型中,以得到每一候选打印设备对应的设备状态参数;
基于预设的参数规则,筛选出每一候选打印设备的历史设备参数中与打印相关的打印参数,计算打印参数与每一打印任务的任务参数之间的相似度,得到每一候选打印设备与每一打印任务之间的相似度;
计算每一候选打印设备与所有打印任务之间的相似度的平均值,得到每一候选打印设备对应的相似度参数;
根据每一候选打印设备的设备位置,以及每一候选打印设备的历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一候选打印设备对应的数据传输效率参数;
计算每一候选打印设备对应的设备状态参数、相似度参数和数据传输效率参数的乘积,得到每一候选打印设备对应的质量参数;
根据质量参数从大到小对所有候选打印设备进行排序得到设备序列,筛选出设备序列的前预设数量位中质量参数大于预设的参数阈值的所有候选打印设备,得到多个打印设备。
作为一种可选的实施例,筛选模块203基于预设的参数规则,筛选出每一候选打印设备的历史设备参数中与打印相关的打印参数的具体方式,包括:
对于每一候选打印设备,基于预设的打印相关关键字符以及匹配算法,从该候选打印设备的历史设备参数中匹配得到多个关键字段;
根据每一关键字段对应的时间参数,筛选出在预设的时间段内的多个关键字段,以得到该候选打印设备对应的多个与打印相关的打印参数。
作为一种可选的实施例,筛选模块203根据每一候选打印设备的设备位置,以及每一候选打印设备的历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一候选打印设备对应的数据传输效率参数的具体方式,包括:
对于每一候选打印设备,计算该候选打印设备的设备位置与每一切片数据集合的源保存设备的设备位置之间的位置距离的平均值的倒数,得到该候选打印设备对应的距离参数;
根据该候选打印设备的历史设备参数中的设备历史故障记录,计算该候选打印设备的传输成功率;
根据该候选打印设备的历史设备参数中的设备历史数据传输记录,计算该候选打印设备的平均数据传输速率;
计算该候选打印设备的距离参数、传输成功率和平均数据传输速率的乘积,得到该候选打印设备对应的数据传输效率参数。
作为一种可选的实施例,分配模块204根据多个打印设备的实时设备参数和历史设备参数,基于动态规划算法,确定多个切片数据集合对应的打印分配策略的具体方式,包括:
确定目标函数为每一打印设备被分配到的切片数据集合的数量达到最小;
确定限制条件包括:数据传输效率参数更高的打印设备分到更多的切片数据集合,以及设备状态参数更高的打印设备分到更多的切片数据集合;
根据目标函数和限制条件,基于粒子群免疫进化算法,对多个切片数据集合和多个打印设备进行演算,以得到多个切片数据集合对应的打印分配策略。
本发明实施例中的模块细节和技术效果可以参照实施例一中的表述,在此不再赘述。
实施例三
请参阅图3,图3是本发明实施例公开的另一种基于多设备联动的3D打印系统的结构示意图。如图3所示,该系统可以包括:
存储有可执行程序代码的存储器301;
与存储器301耦合的处理器302;
处理器302调用存储器301中存储的可执行程序代码,执行本发明实施例一公开的基于多设备联动的3D打印方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一公开的基于多设备联动的3D打印方法中的部分或全部步骤。
以上所描述的系统实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于多设备联动的3D打印方法及系统所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种基于多设备联动的3D打印方法,其特征在于,所述方法包括:
获取多个打印任务对应的多个切片数据集合;
获取目标区域内的多个候选打印设备对应的实时设备参数和历史设备参数;
根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备;
根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略;所述打印分配策略用于限定每一所述切片数据集合对应的打印设备。
2.根据权利要求1所述的基于多设备联动的3D打印方法,其特征在于,所述实时设备参数包括设备实时图像、设备实时电流、设备实时电压、设备实时湿度、设备实时温度中的至少一种;和/或,所述历史设备参数包括设备历史处理数据、设备类型、设备历史故障记录、设备历史数据传输记录中的至少一种。
3.根据权利要求2所述的基于多设备联动的3D打印方法,其特征在于,所述任务参数包括任务类型、任务数据量、任务发起者、任务要求中的至少一种。
4.根据权利要求3所述的基于多设备联动的3D打印方法,其特征在于,所述根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备,包括:
将每一所述候选打印设备的所述实时设备参数,输入至训练好的设备状态预测模型中,以得到每一所述候选打印设备对应的设备状态参数;
基于预设的参数规则,筛选出每一所述候选打印设备的所述历史设备参数中与打印相关的打印参数,计算所述打印参数与每一所述打印任务的任务参数之间的相似度,得到每一所述候选打印设备与每一所述打印任务之间的相似度;
计算每一所述候选打印设备与所有所述打印任务之间的相似度的平均值,得到每一所述候选打印设备对应的相似度参数;
根据每一所述候选打印设备的设备位置,以及每一所述候选打印设备的所述历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一所述候选打印设备对应的数据传输效率参数;
计算每一所述候选打印设备对应的所述设备状态参数、所述相似度参数和所述数据传输效率参数的乘积,得到每一所述候选打印设备对应的质量参数;
根据所述质量参数从大到小对所有所述候选打印设备进行排序得到设备序列,筛选出所述设备序列的前预设数量位中所述质量参数大于预设的参数阈值的所有候选打印设备,得到多个打印设备。
5.根据权利要求4所述的基于多设备联动的3D打印方法,其特征在于,所述基于预设的参数规则,筛选出每一所述候选打印设备的所述历史设备参数中与打印相关的打印参数,包括:
对于每一所述候选打印设备,基于预设的打印相关关键字符以及匹配算法,从该候选打印设备的所述历史设备参数中匹配得到多个关键字段;
根据每一所述关键字段对应的时间参数,筛选出在预设的时间段内的多个关键字段,以得到该候选打印设备对应的多个与打印相关的打印参数。
6.根据权利要求4所述的基于多设备联动的3D打印方法,其特征在于,所述根据每一所述候选打印设备的设备位置,以及每一所述候选打印设备的所述历史设备参数中的设备历史故障记录、设备历史数据传输记录,计算每一所述候选打印设备对应的数据传输效率参数,包括:
对于每一所述候选打印设备,计算该候选打印设备的设备位置与每一所述切片数据集合的源保存设备的设备位置之间的位置距离的平均值的倒数,得到该候选打印设备对应的距离参数;
根据该候选打印设备的所述历史设备参数中的设备历史故障记录,计算该候选打印设备的传输成功率;
根据该候选打印设备的所述历史设备参数中的设备历史数据传输记录,计算该候选打印设备的平均数据传输速率;
计算该候选打印设备的所述距离参数、所述传输成功率和所述平均数据传输速率的乘积,得到该候选打印设备对应的数据传输效率参数。
7.根据权利要求6所述的基于多设备联动的3D打印方法,其特征在于,所述根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略,包括:
确定目标函数为每一所述打印设备被分配到的所述切片数据集合的数量达到最小;
确定限制条件包括:所述数据传输效率参数更高的所述打印设备分到更多的所述切片数据集合,以及所述设备状态参数更高的所述打印设备分到更多的所述切片数据集合;
根据所述目标函数和所述限制条件,基于粒子群免疫进化算法,对所述多个切片数据集合和所述多个打印设备进行演算,以得到所述多个切片数据集合对应的打印分配策略。
8.一种基于多设备联动的3D打印系统,其特征在于,所述系统包括:
第一获取模块,用于获取多个打印任务对应的多个切片数据集合;
第二获取模块,用于获取目标区域内的多个候选打印设备对应的实时设备参数和历史设备参数;
筛选模块,用于根据所述实时设备参数和历史设备参数,和所述打印任务的任务参数,从所述多个候选打印设备中筛选出多个打印设备;
分配模块,用于根据所述多个打印设备的所述实时设备参数和历史设备参数,基于动态规划算法,确定所述多个切片数据集合对应的打印分配策略;所述打印分配策略用于限定每一所述切片数据集合对应的打印设备。
9.一种基于多设备联动的3D打印系统,其特征在于,所述系统包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的基于多设备联动的3D打印方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的基于多设备联动的3D打印方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311475590.9A CN117207530B (zh) | 2023-11-08 | 2023-11-08 | 基于多设备联动的3d打印方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311475590.9A CN117207530B (zh) | 2023-11-08 | 2023-11-08 | 基于多设备联动的3d打印方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117207530A true CN117207530A (zh) | 2023-12-12 |
CN117207530B CN117207530B (zh) | 2024-02-02 |
Family
ID=89035679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311475590.9A Active CN117207530B (zh) | 2023-11-08 | 2023-11-08 | 基于多设备联动的3d打印方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117207530B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140172125A1 (en) * | 2012-09-29 | 2014-06-19 | Operation Technology, Inc. | Dynamic parameter tuning using particle swarm optimization |
US20150331402A1 (en) * | 2014-05-13 | 2015-11-19 | Autodesk, Inc. | Intelligent 3d printing through optimization of 3d print parameters |
CN108170388A (zh) * | 2018-01-10 | 2018-06-15 | 北京航空航天大学 | 打印任务调度方法、装置及系统 |
CN108673898A (zh) * | 2018-07-06 | 2018-10-19 | 广东开放大学(广东理工职业学院) | 基于互联网的3d打印系统和方法 |
CN112936869A (zh) * | 2021-03-15 | 2021-06-11 | 上海电力大学 | 一种自助式3d打印系统及其方法 |
CN113741826A (zh) * | 2021-03-26 | 2021-12-03 | 中科微电技术(深圳)有限公司 | 一种3d打印机的控制方法、系统及介质 |
US20220179395A1 (en) * | 2020-12-08 | 2022-06-09 | Ricoh Company, Ltd. | Cloud-based management of 3d printers through load balancing |
CN115167792A (zh) * | 2022-09-02 | 2022-10-11 | 深圳市智能派科技有限公司 | 一种基于物联网的3d打印机控制方法、装置及系统 |
-
2023
- 2023-11-08 CN CN202311475590.9A patent/CN117207530B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140172125A1 (en) * | 2012-09-29 | 2014-06-19 | Operation Technology, Inc. | Dynamic parameter tuning using particle swarm optimization |
US20150331402A1 (en) * | 2014-05-13 | 2015-11-19 | Autodesk, Inc. | Intelligent 3d printing through optimization of 3d print parameters |
CN108170388A (zh) * | 2018-01-10 | 2018-06-15 | 北京航空航天大学 | 打印任务调度方法、装置及系统 |
CN108673898A (zh) * | 2018-07-06 | 2018-10-19 | 广东开放大学(广东理工职业学院) | 基于互联网的3d打印系统和方法 |
US20220179395A1 (en) * | 2020-12-08 | 2022-06-09 | Ricoh Company, Ltd. | Cloud-based management of 3d printers through load balancing |
CN112936869A (zh) * | 2021-03-15 | 2021-06-11 | 上海电力大学 | 一种自助式3d打印系统及其方法 |
CN113741826A (zh) * | 2021-03-26 | 2021-12-03 | 中科微电技术(深圳)有限公司 | 一种3d打印机的控制方法、系统及介质 |
CN115167792A (zh) * | 2022-09-02 | 2022-10-11 | 深圳市智能派科技有限公司 | 一种基于物联网的3d打印机控制方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
刘利钊;董根顺;李俊;刘利剑;朱顺痣;: ""3D打印网络系统合成模型及智能组网应用"", 《控制工程》, vol. 23, no. 09, pages 1423 - 1431 * |
Also Published As
Publication number | Publication date |
---|---|
CN117207530B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180032841A1 (en) | Medical Scanner Teaches Itself To Optimize Clinical Protocols And Image Acquisition | |
US8060454B2 (en) | Method and apparatus for improved reward-based learning using nonlinear dimensionality reduction | |
CN117170873B (zh) | 基于人工智能的资源池管理方法及系统 | |
CN110211119A (zh) | 图像质量评估方法、装置、电子设备及可读存储介质 | |
CN117632905B (zh) | 基于云端使用记录的数据库管理方法及系统 | |
CN112200887B (zh) | 一种基于梯度感知的多聚焦图像融合方法 | |
CN113298263B (zh) | 计算图处理、模型运行方法及装置、设备、服务器及终端 | |
CN110610125A (zh) | 基于神经网络的牛脸识别方法、装置、设备及存储介质 | |
CN112632615B (zh) | 基于混合云环境的科学工作流数据布局方法 | |
CN115549313B (zh) | 基于人工智能的用电监测方法及系统 | |
CN110489142A (zh) | 设备软件升级的评估方法及装置、存储介质、终端 | |
CN114154816A (zh) | 企业管理系统及其执行方法 | |
CN111950802A (zh) | 一种生产调度控制方法和装置 | |
CN117207530B (zh) | 基于多设备联动的3d打印方法及系统 | |
CN117227177B (zh) | 基于设备间监督的多任务打印控制方法及系统 | |
CN116521344B (zh) | 一种基于资源总线的ai算法调度方法及系统 | |
CN116926241B (zh) | 一种免疫细胞培养控制方法及系统 | |
CN117221476A (zh) | 基于优先级筛选的可视化对话方法及系统 | |
CN117056079A (zh) | 一种算力需求的评估方法、装置及可读存储介质 | |
US11514693B2 (en) | Model-based image labeling and/or segmentation | |
CN111027709B (zh) | 信息推荐方法、装置、服务器及存储介质 | |
CN113342518A (zh) | 任务处理方法和装置 | |
CN116934041B (zh) | 一种基于物联网协同的工厂任务管理方法及系统 | |
CN113657844B (zh) | 任务处理流程的确定方法及装置 | |
Mustafa | Machine Learning-Driven Strategies for Efficient Resource Management in Cloud Data Centers |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |