CN117885178A - 结合红外成像的3d打印混凝土温度与固化状态监测系统 - Google Patents
结合红外成像的3d打印混凝土温度与固化状态监测系统 Download PDFInfo
- Publication number
- CN117885178A CN117885178A CN202410209872.2A CN202410209872A CN117885178A CN 117885178 A CN117885178 A CN 117885178A CN 202410209872 A CN202410209872 A CN 202410209872A CN 117885178 A CN117885178 A CN 117885178A
- Authority
- CN
- China
- Prior art keywords
- printing
- concrete
- module
- curing
- unit
- 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
- 238000003331 infrared imaging Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000010146 3D printing Methods 0.000 title claims abstract description 19
- 238000007639 printing Methods 0.000 claims abstract description 143
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000007405 data analysis Methods 0.000 claims abstract description 34
- 239000000463 material Substances 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000001276 controlling effect Effects 0.000 claims abstract description 18
- 230000001105 regulatory effect Effects 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 238000005457 optimization Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000007711 solidification Methods 0.000 claims description 20
- 230000008023 solidification Effects 0.000 claims description 20
- 238000001931 thermography Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000010586 diagram Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000012821 model calculation Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000013480 data collection Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 7
- 101100346656 Drosophila melanogaster strat gene Proteins 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
Abstract
本发明涉及建筑自动化技术领域，具体涉及结合红外成像的3D打印混凝土温度与固化状态监测系统，包括混凝土输送模块、红外成像模块、打印路径规划模块、数据分析模块、动态打印调整模块以及状态反馈调节模块；其中，混凝土输送模块：用于根据打印参数调控混凝土的流量和压力；红外成像模块：用于实时监测混凝土层的温度分布；打印路径规划模块：动态调整打印路径；数据分析模块：预测最佳打印策略；动态打印调整模块：调整打印头速度和混凝土流量。本发明，通过实时监测混凝土的温度分布并动态调整打印参数，显著提升了打印精度和结构完整性，同时优化了材料使用并减少浪费，进而增强了打印过程的适应性。
Description
技术领域
本发明涉及建筑自动化技术领域，尤其涉及结合红外成像的3D打印混凝土温度与固化状态监测系统。
背景技术
在建筑行业中，3D打印混凝土技术已逐渐被采用，以提高建筑结构的施工速度和减少材料浪费，然而，现有的3D打印技术在实时监测和控制打印过程中混凝土的温度和固化状态方面存在不足，特别是在大规模打印作业中，不均匀的固化速度和温度分布可能导致结构完整性问题和材料性能的不一致性。
现有技术通常依赖于间歇性的手动检测或简单的传感器监测，这些方法不足以提供混凝土层内部详细的温度分布信息，且无法进行实时调整以适应复杂的环境变化，此外，传统方法往往缺乏预测和动态调整打印路径的能力，无法优化打印头速度和混凝土流量，以适应实时的固化速率和温度变化，这些局限性不仅降低了打印效率，还可能影响最终产品的质量。
本发明旨在解决现有技术中的这些问题，通过实时监测混凝土层的温度分布，并结合动态调整打印路径和打印参数的能力，提供一种更加精确和可靠的方法来优化3D打印混凝土结构的质量和效率。
发明内容
基于上述目的，本发明提供了结合红外成像的3D打印混凝土温度与固化状态监测系统。
结合红外成像的3D打印混凝土温度与固化状态监测系统，包括混凝土输送模块、红外成像模块、打印路径规划模块、数据分析模块、动态打印调整模块以及状态反馈调节模块；其中，
混凝土输送模块：用于根据打印参数调控混凝土的流量和压力；
红外成像模块：用于实时监测混凝土层的温度分布，并生成高分辨率的热成像图；
打印路径规划模块：利用预先设定的打印图案和红外成像模块的数据，动态调整打印路径，以适应材料固化速率和温度变化；
数据分析模块：基于混凝土输送模块和打印路径规划模块的数据，利用高级算法分析固化过程，并预测最佳打印策略；
动态打印调整模块：根据数据分析模块预测的数据，实时调整打印头速度和混凝土流量，以优化打印效果和固化速度；
状态反馈调节模块：通过传感器阵列监测混凝土固化状态，并将该状态信息反馈至数据分析模块进行分析，以实现闭环控制。
进一步的，所述混凝土输送模块包括微处理器控制单元、传感器单元，变频泵控制单元以及数据通信单元；其中，
微处理器控制单元：配置有打印参数设定接口，用于接收用户设定的流量和压力参数；
传感器单元：包括压力传感器和流量传感器，所述传感器均安装在混凝土输送管路中，流量传感器能实时监测并反馈当前混凝土的流量信息至微处理器控制单元，压力传感器能实时监测并反馈当前管路压力至微处理器控制单元；
电动调节阀：位于混凝土输送管路中，通过微处理器控制单元的指令，调节混凝土流动的截面积，以控制流量；
变频泵控制单元：与微处理器控制单元相连，根据接收到的流量和压力参数调节泵的转速，以控制混凝土的输送速度和压力；
数据通信单元：用于控制微处理器控制单元与流量传感器、压力传感器、电动调节阀和变频泵控制单元之间进行数据传输；
其中，所述微处理器控制单元能根据预设的打印参数，通过数据通信单元发送指令至电动调节阀和变频泵控制系统，以实时调整混凝土的流量和压力，流量传感器和压力传感器实时监测混凝土的输送状态，并将监测数据反馈至微处理器控制单元，以便动态调整电动调节阀和变频泵控制系统的工作状态，确保混凝土输送的流量和压力符合打印过程的需求。
进一步的，所述红外成像模块包括红外传感器单元、光学聚焦单元、高速信号处理器以及数据接口单元；其中，
红外传感器单元：配置有多个红外传感器，每个传感器均能探测特定波长的红外辐射，用于捕捉混凝土层的温度分布；
光学聚焦单元：包括一组透镜和反射镜，用于将混凝土层表面发射的红外辐射聚焦到红外传感器阵列上；
高速信号处理器：与红外传感器单元相连，用于接收传感器的数据，并快速处理该数据以生成热成像图，其中，所述高速信号处理器内嵌有热像图生成软件，该软件用于将处理后的红外数据转换成可视化的高分辨率热成像图；
数据接口单元：用于将生成的热成像图传输到打印路径规划模块和数据分析模块。
进一步的，所述打印路径规划模块包括路径规划处理器、温度场分析单元、固化速率预测模型、动态路径调整单元以及路径输出接口；其中，
路径规划处理器：用于接收预先设定的3D打印图案和由红外成像模块提供的实时热成像图数据；
温度场分析单元：用于将热成像图转化为温度场分布图，具体计算公式为：T(x,y)＝f(I(x,y))，其中，T代表温度场，I代表热成像图的像素强度，(x,y)为图像坐标；
固化速率预测模型：根据温度场分布图和混凝土材料属性来预测固化速率，具体预测公式为：R(T)＝g(T,P)，其中，R表示固化速率，T为温度，P为材料属性；
动态路径调整单元：结合固化速率预测模型和预先设定的3D打印图案，动态生成调整后的打印路径，以适应实时的固化速率和温度变化；
路径输出接口：用于将调整后的打印路径传输至动态打印调整模块。
进一步的，所述动态生成调整后的打印路径的具体步骤包括：
S1：接收固化速率预测模型输出的固化速率R(T)和温度场分布图T(x,y)；
S2：应用路径优化公式：Popt(x,y)＝h(T(x,y),R(T),C)，其中Popt表示优化后的打印路径，C表示打印配置参数集合；
S3：基于混凝土材料特性和机械臂运动学的路径平滑化函数S(Popt)，以生成符合机械臂运动特性的平滑路径；
S4：采用实时调整策略Art，根据打印头的实时位置和预定的路径，动态调整打印路径，以响应瞬时的固化速率变化，策略公式为：
Padj(t)＝Art(Popt,Pourrent,ΔT)，
其中，Padj为调整后的实时路径，Poscurrent为打印头的当前位置，ΔT为自上一路径点以来的时间变化；
S5：动态调整的路径再次通过路径输出接口传输至动态打印调整模块。
进一步的，所述数据分析模块包括数据收集单元、固化模型计算单元、打印策略优化算法单元、预测输出单元以及数据接口单元；其中，
数据收集单元：用于从混凝土输送模块接收混凝土流量和压力数据，以及从打印路径规划模块接收温度场分布和固化速率数据；
固化模型计算单元：运用物理和化学固化模型Mcure(T,R,P)，其中Mcure表示固化模型，T表示从红外成像模块得到的温度数据，R表示固化速率，P表示混凝土的材料属性，用于分析混凝土在不同温度和压力下的固化过程；
打印策略优化算法单元：包括打印策略优化算法Ostrat(Mcure,Cprint)，其中，Ostrat为优化后的打印策略，Cprint为打印配置参数，该算法用于综合固化模型计算单元的输出和打印配置参数，以确定最佳打印路径和速度；
预测输出单元：用于输出最佳打印策略，该打印策略包括推荐的打印速度、路径和混凝土流量；
学习反馈单元：采用机器学习算法不断更新固化模型和打印策略优化算法，以提高预测的准确性和系统的自适应能力。
进一步的，所述机器学习算法不断更新固化模型和打印策略优化算法具体步骤包括：
a.收集打印过程中的实时数据包括混凝土的流量、压力、打印头速度、路径选择和温度分布数据，作为机器学习模型的训练数据；
b.采用监督学习方法，以训练数据生成器提供的数据为输入，固化效果为输出，机器学习模型公式表示为：Flearn(X)＝Y，其中X代表输入的特征向量，Y代表固化效果的预测结果；
c.根据机器学习模型的预测结果和实际打印结果之间的偏差，调整模型参数，优化算法表示为：Pnew＝Pold+α·ΔF(X,Yactual)，其中，Pnew和Pold分别代表新旧模型参数，α是学习率，ΔF是损失函数的梯度，Yactual是实际的固化效果。
进一步的，所述动态打印调整模块包括调整控制单元、打印头速度控制器以及流量调节器；其中，
调整控制单元：负责接收数据分析模块提供的最佳打印策略数据，包括预测的固化速度和温度分布信息；
打印头速度控制器：根据调整控制单元的指令，实时调整打印头的移动速度，具体控制公式为：Vhead(t)＝Vopt+kv·(Vpred-Vcurrent)，其中Vhead(t)是打印头的目标速度，Vopt是数据分析模块确定的最佳速度，Vpred是预测速度，Vcurrent是当前速度，kv是速度调整系数；
流量调节器：与调整控制单元相连，调整混凝土的流量以匹配打印头速度和固化速度，具体调节公式为：Qconcrete(t)＝Qopt+kq·(Qpred-Qcurrent)，其中Qconcrete(t)是混凝土的目标流量，Qopt是最佳流量，Qpred是预测流量，Qcurrent是当前流量，kq是流量调整系数。
进一步的，所述状态反馈调节模块包括传感器阵列单元、固化状态评估单元、反馈控制器、数据通信单元以及用户界面；其中，
传感器阵列单元：安装在与打印头相邻的位置，包括多种类型的传感器，每种传感器专门监测固化混凝土的一个或多个特定固化参数；
固化状态评估单元：接收传感器阵列单元的数据，并使用固化状态评估算法Ecure(Dsensor)，其中Ecure表示固化状态评估结果，Dsensor表示来自传感器阵列的数据，用于分析当前混凝土层的固化状态；
反馈控制器：基于固化状态评估单元的输出，生成调节信号Sfeedback(Ecure)，并将该信号传递给数据分析模块和动态打印调整模块，以调整打印参数；
数据通信单元：用于控制传感器阵列单元、固化状态评估单元、反馈控制器以及数据分析模块之间进行实时数据传输；
用户界面：提供实时固化状态信息的可视化，并允许用户干预和微调反馈控制参数。
本发明的有益效果：
本发明，通过实时监测混凝土的温度分布并动态调整打印路径，显著提高了打印过程的精度，这种实时的调整能力确保了混凝土层的均匀固化，从而提高了结构的完整性和耐久性，利用红外成像和高级数据分析算法，系统能够预测并适应固化速率的变化，避免了因固化不均导致的结构弱点。
本发明，通过精确控制混凝土输送模块的流量和压力，本发明确保了材料的有效利用，减少了过量浇筑和材料浪费，此外，自动调整打印参数的能力还减少了后期修正和打磨的需求，进一步优化了材料的使用，并缩短了建筑工期。
本发明，能够根据环境条件和材料性能的实时变化自动调整打印策略，通过学习反馈单元的持续学习和优化，系统的自适应能力随着时间的推移而增强，实现了3D打印过程的高度自动化和智能化，从而提高了操作效率和建筑质量。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术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，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为本发明实施例的混凝土温度与固化状态监测系统示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，对本发明进一步详细说明。
需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
如图1所示，结合红外成像的3D打印混凝土温度与固化状态监测系统，包括混凝土输送模块、红外成像模块、打印路径规划模块、数据分析模块、动态打印调整模块以及状态反馈调节模块；其中，
混凝土输送模块：用于根据打印参数调控混凝土的流量和压力；
红外成像模块：用于实时监测混凝土层的温度分布，并生成高分辨率的热成像图；
打印路径规划模块：利用预先设定的打印图案和红外成像模块的数据，动态调整打印路径，以适应材料固化速率和温度变化；
数据分析模块：基于混凝土输送模块和打印路径规划模块的数据，利用高级算法分析固化过程，并预测最佳打印策略；
动态打印调整模块：根据数据分析模块预测的数据，实时调整打印头速度和混凝土流量，以优化打印效果和固化速度；
状态反馈调节模块：通过传感器阵列监测混凝土固化状态，并将该状态信息反馈至数据分析模块进行分析，以实现闭环控制。
混凝土输送模块包括微处理器控制单元、传感器单元，变频泵控制单元以及数据通信单元；其中，
微处理器控制单元：配置有打印参数设定接口，用于接收用户设定的流量和压力参数；
传感器单元：包括压力传感器和流量传感器，传感器均安装在混凝土输送管路中，流量传感器能实时监测并反馈当前混凝土的流量信息至微处理器控制单元，压力传感器能实时监测并反馈当前管路压力至微处理器控制单元；
电动调节阀：位于混凝土输送管路中，通过微处理器控制单元的指令，调节混凝土流动的截面积，以控制流量；
变频泵控制单元：与微处理器控制单元相连，根据接收到的流量和压力参数调节泵的转速，以控制混凝土的输送速度和压力；
数据通信单元：用于控制微处理器控制单元与流量传感器、压力传感器、电动调节阀和变频泵控制单元之间进行数据传输；
其中，微处理器控制单元能根据预设的打印参数，通过数据通信单元发送指令至电动调节阀和变频泵控制系统，以实时调整混凝土的流量和压力，流量传感器和压力传感器实时监测混凝土的输送状态，并将监测数据反馈至微处理器控制单元，以便动态调整电动调节阀和变频泵控制系统的工作状态，确保混凝土输送的流量和压力符合打印过程的需求，这样的调节机制，利用封闭回路控制系统确保了混凝土输送的精确性和响应性，避免了因为流量和压力控制不当而引起的打印质量问题。
红外成像模块包括红外传感器单元、光学聚焦单元、高速信号处理器以及数据接口单元；其中，
红外传感器单元：配置有多个红外传感器，每个传感器均能探测特定波长的红外辐射，用于捕捉混凝土层的温度分布；
光学聚焦单元：包括一组透镜和反射镜，用于将混凝土层表面发射的红外辐射聚焦到红外传感器阵列上；
高速信号处理器：与红外传感器单元相连，用于接收传感器的数据，并快速处理该数据以生成热成像图，其中，高速信号处理器内嵌有热像图生成软件，该软件用于将处理后的红外数据转换成可视化的高分辨率热成像图；
数据接口单元：用于将生成的热成像图传输到打印路径规划模块和数据分析模块；
其中，红外传感器单元通过光学聚焦单元捕捉的混凝土层表面的红外辐射，转换为电信号后由高速信号处理器进行处理，而热像图生成软件负责将这些数据转换成高分辨率的图像，供进一步分析使用，数据接口单元确保了热成像图的及时传输，以便实现打印路径和固化过程的实时调整。
打印路径规划模块包括路径规划处理器、温度场分析单元、固化速率预测模型、动态路径调整单元以及路径输出接口；其中，
路径规划处理器：用于接收预先设定的3D打印图案和由红外成像模块提供的实时热成像图数据；
温度场分析单元：用于将热成像图转化为温度场分布图，具体计算公式为：T(x,y)＝f(I(x,y))，其中，T代表温度场，I代表热成像图的像素强度，(x,y)为图像坐标；
固化速率预测模型：根据温度场分布图和混凝土材料属性来预测固化速率，具体预测公式为：R(T)＝g(T,P)，其中，R表示固化速率，T为温度，P为材料属性；
动态路径调整单元：结合固化速率预测模型和预先设定的3D打印图案，动态生成调整后的打印路径，以适应实时的固化速率和温度变化；
路径输出接口：用于将调整后的打印路径传输至动态打印调整模块；
其中，路径规划处理器首先通过温度场分析算法将从红外成像模块接收到的热成像图转换成温度场分布图，然后，固化速率预测模型根据温度场和混凝土的特定材料属性来计算每一点的固化速率，动态路径调整算法则利用这些数据来更新打印路径，确保打印过程中材料能均匀固化，同时适应温度变化，路径输出接口确保调整后的路径能及时传递至打印设备。
动态生成调整后的打印路径的具体步骤包括：
S1：接收固化速率预测模型输出的固化速率R(T)和温度场分布图T(x,y)；
S2：应用路径优化公式：Popt(x,y)＝h(T(x,y),R(T),C)，其中Popt表示优化后的打印路径，C表示打印配置参数集合；
S3：基于混凝土材料特性和机械臂运动学的路径平滑化函数S(Popt)，以生成符合机械臂运动特性的平滑路径；
S4：采用实时调整策略Art，根据打印头的实时位置和预定的路径，动态调整打印路径，以响应瞬时的固化速率变化，策略公式为：
Padj(t)＝Art(Popt,Pourrent,ΔT)，
其中，Padj为调整后的实时路径，Poscurrent为打印头的当前位置，ΔT为自上一路径点以来的时间变化；
S5：动态调整的路径再次通过路径输出接口传输至动态打印调整模块。
数据分析模块包括数据收集单元、固化模型计算单元、打印策略优化算法单元、预测输出单元以及数据接口单元；其中，
数据收集单元：用于从混凝土输送模块接收混凝土流量和压力数据，以及从打印路径规划模块接收温度场分布和固化速率数据；
固化模型计算单元：运用物理和化学固化模型Mcure(T,R,P)，其中Mcure表示固化模型，T表示从红外成像模块得到的温度数据，R表示固化速率，P表示混凝土的材料属性，用于分析混凝土在不同温度和压力下的固化过程；
打印策略优化算法单元：包括打印策略优化算法Ostrat(Mcure,Cprint)，其中，Ostrat为优化后的打印策略，Cprint为打印配置参数，该算法用于综合固化模型计算单元的输出和打印配置参数，以确定最佳打印路径和速度；
预测输出单元：用于输出最佳打印策略，该打印策略包括推荐的打印速度、路径和混凝土流量；
学习反馈单元：采用机器学习算法不断更新固化模型和打印策略优化算法，以提高预测的准确性和系统的自适应能力；
其中，数据收集单元确保了数据的实时性和完整性，固化模型计算单元和打印策略优化算法单元结合运用，以科学的方法分析固化过程并预测最佳打印策略，预测输出单元将优化结果转化为可执行的打印指令，而学习反馈单元通过历史数据和实时反馈优化算法，增强系统的整体性能。
机器学习算法不断更新固化模型和打印策略优化算法具体步骤包括：
a.收集打印过程中的实时数据包括混凝土的流量、压力、打印头速度、路径选择和温度分布数据，作为机器学习模型的训练数据；
b.采用监督学习方法，以训练数据生成器提供的数据为输入，固化效果为输出，机器学习模型公式表示为：Flearn(X)＝Y，其中X代表输入的特征向量，Y代表固化效果的预测结果；
c.根据机器学习模型的预测结果和实际打印结果之间的偏差，调整模型参数，优化算法表示为：Pnew＝Pold+α·ΔF(X,Yactual)，其中，Pnew和Pold分别代表新旧模型参数，α是学习率，ΔF是损失函数的梯度，Yactual是实际的固化效果。
动态打印调整模块包括调整控制单元、打印头速度控制器以及流量调节器；其中，
调整控制单元：负责接收数据分析模块提供的最佳打印策略数据，包括预测的固化速度和温度分布信息；
打印头速度控制器：根据调整控制单元的指令，实时调整打印头的移动速度，具体控制公式为：Vhead(t)＝Vopt+kv·(Vpred-Vcurrent)，其中Vhead(t)是打印头的目标速度，Vopt是数据分析模块确定的最佳速度，Vpred是预测速度，Vcurrent是当前速度，kv是速度调整系数；
流量调节器：与调整控制单元相连，调整混凝土的流量以匹配打印头速度和固化速度，具体调节公式为：Qconcrete(t)＝Qopt+kq·(Qpred-Qcurrent)，其中Qconcrete(t)是混凝土的目标流量，Qopt是最佳流量，Qpred是预测流量，Qcurrent是当前流量，kq是流量调整系数；
其中，调整控制单元综合数据分析模块的推荐策略和实时反馈监测单元的监测数据，通过打印头速度控制器和流量调节器的精确控制，不断优化打印过程。
状态反馈调节模块包括传感器阵列单元、固化状态评估单元、反馈控制器、数据通信单元以及用户界面；其中，
传感器阵列单元：安装在与打印头相邻的位置，包括多种类型的传感器，每种传感器专门监测固化混凝土的一个或多个特定固化参数，如温度、湿度和结构完整性；
固化状态评估单元：接收传感器阵列单元的数据，并使用固化状态评估算法Ecure(Dsensor)，其中Ecure表示固化状态评估结果，Dsensor表示来自传感器阵列的数据，用于分析当前混凝土层的固化状态；
反馈控制器：基于固化状态评估单元的输出，生成调节信号Sfeedback(Ecure)，并将该信号传递给数据分析模块和动态打印调整模块，以调整打印参数；
数据通信单元：用于控制传感器阵列单元、固化状态评估单元、反馈控制器以及数据分析模块之间进行实时数据传输；
用户界面：提供实时固化状态信息的可视化，并允许用户干预和微调反馈控制参数；
其中，状态反馈调节模块通过传感器阵列的实时监测数据，连同固化状态评估算法对混凝土固化状态的实时评估，以及反馈控制器生成的调节信号，构成了一个闭环控制系统，该系统确保了打印参数可以根据固化状态的实时变化进行动态调整，从而优化整个3D打印过程。
本发明旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，包括混凝土输送模块、红外成像模块、打印路径规划模块、数据分析模块、动态打印调整模块以及状态反馈调节模块；其中，
混凝土输送模块：用于根据打印参数调控混凝土的流量和压力；
红外成像模块：用于实时监测混凝土层的温度分布，并生成高分辨率的热成像图；
打印路径规划模块：利用预先设定的打印图案和红外成像模块的数据，动态调整打印路径，以适应材料固化速率和温度变化；
数据分析模块：基于混凝土输送模块和打印路径规划模块的数据，利用高级算法分析固化过程，并预测最佳打印策略；
动态打印调整模块：根据数据分析模块预测的数据，实时调整打印头速度和混凝土流量，以优化打印效果和固化速度；
状态反馈调节模块：通过传感器阵列监测混凝土固化状态，并将该状态信息反馈至数据分析模块进行分析，以实现闭环控制。
2.根据权利要求1所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述混凝土输送模块包括微处理器控制单元、传感器单元，变频泵控制单元以及数据通信单元；其中，
微处理器控制单元：配置有打印参数设定接口，用于接收用户设定的流量和压力参数；
传感器单元：包括压力传感器和流量传感器，所述传感器均安装在混凝土输送管路中，流量传感器能实时监测并反馈当前混凝土的流量信息至微处理器控制单元，压力传感器能实时监测并反馈当前管路压力至微处理器控制单元；
电动调节阀：位于混凝土输送管路中，通过微处理器控制单元的指令，调节混凝土流动的截面积，以控制流量；
变频泵控制单元：与微处理器控制单元相连，根据接收到的流量和压力参数调节泵的转速，以控制混凝土的输送速度和压力；
数据通信单元：用于控制微处理器控制单元与流量传感器、压力传感器、电动调节阀和变频泵控制单元之间进行数据传输；
其中，所述微处理器控制单元能根据预设的打印参数，通过数据通信单元发送指令至电动调节阀和变频泵控制系统，以实时调整混凝土的流量和压力，流量传感器和压力传感器实时监测混凝土的输送状态，并将监测数据反馈至微处理器控制单元，以便动态调整电动调节阀和变频泵控制系统的工作状态，确保混凝土输送的流量和压力符合打印过程的需求。
3.根据权利要求2所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述红外成像模块包括红外传感器单元、光学聚焦单元、高速信号处理器以及数据接口单元；其中，
红外传感器单元：配置有多个红外传感器，每个传感器均能探测特定波长的红外辐射，用于捕捉混凝土层的温度分布；
光学聚焦单元：包括一组透镜和反射镜，用于将混凝土层表面发射的红外辐射聚焦到红外传感器阵列上；
高速信号处理器：与红外传感器单元相连，用于接收传感器的数据，并快速处理该数据以生成热成像图，其中，所述高速信号处理器内嵌有热像图生成软件，该软件用于将处理后的红外数据转换成可视化的高分辨率热成像图；
数据接口单元：用于将生成的热成像图传输到打印路径规划模块和数据分析模块。
4.根据权利要求3所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述打印路径规划模块包括路径规划处理器、温度场分析单元、固化速率预测模型、动态路径调整单元以及路径输出接口；其中，
路径规划处理器：用于接收预先设定的3D打印图案和由红外成像模块提供的实时热成像图数据；
温度场分析单元：用于将热成像图转化为温度场分布图，具体计算公式为：T(x,y)＝f(I(x,y))，其中，T代表温度场，I代表热成像图的像素强度，(x,y)为图像坐标；
固化速率预测模型：根据温度场分布图和混凝土材料属性来预测固化速率，具体预测公式为：R(T)＝g(T,P)，其中，R表示固化速率，T为温度，P为材料属性；
动态路径调整单元：结合固化速率预测模型和预先设定的3D打印图案，动态生成调整后的打印路径，以适应实时的固化速率和温度变化；
路径输出接口：用于将调整后的打印路径传输至动态打印调整模块。
5.根据权利要求4所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述动态生成调整后的打印路径的具体步骤包括：
S1：接收固化速率预测模型输出的固化速率R(T)和温度场分布图T(x,y)；
S2：应用路径优化公式：Popt(x,y)＝h(T(x,y),R(T),C)，其中Popt表示优化后的打印路径，C表示打印配置参数集合；
S3：基于混凝土材料特性和机械臂运动学的路径平滑化函数S(Popt)，以生成符合机械臂运动特性的平滑路径；
S4：采用实时调整策略Art，根据打印头的实时位置和预定的路径，动态调整打印路径，以响应瞬时的固化速率变化，策略公式为：
Padj(t)＝Art(Popt,Pourrent,ΔT)，
其中，Padj为调整后的实时路径，Poscurrent为打印头的当前位置，ΔT为自上一路径点以来的时间变化；
S5：动态调整的路径再次通过路径输出接口传输至动态打印调整模块。
6.根据权利要求5所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述数据分析模块包括数据收集单元、固化模型计算单元、打印策略优化算法单元、预测输出单元以及数据接口单元；其中，
数据收集单元：用于从混凝土输送模块接收混凝土流量和压力数据，以及从打印路径规划模块接收温度场分布和固化速率数据；
固化模型计算单元：运用物理和化学固化模型Mcure(T,R,P)，其中Mcure表示固化模型，T表示从红外成像模块得到的温度数据，R表示固化速率，P表示混凝土的材料属性，用于分析混凝土在不同温度和压力下的固化过程；
打印策略优化算法单元：包括打印策略优化算法Ostrat(Mcure,Cprint)，其中，Ostrat为优化后的打印策略，Cprint为打印配置参数，该算法用于综合固化模型计算单元的输出和打印配置参数，以确定最佳打印路径和速度；
预测输出单元：用于输出最佳打印策略，该打印策略包括推荐的打印速度、路径和混凝土流量；
学习反馈单元：采用机器学习算法不断更新固化模型和打印策略优化算法，以提高预测的准确性和系统的自适应能力。
7.根据权利要求6所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述机器学习算法不断更新固化模型和打印策略优化算法具体步骤包括：
a.收集打印过程中的实时数据包括混凝土的流量、压力、打印头速度、路径选择和温度分布数据，作为机器学习模型的训练数据；
b.采用监督学习方法，以训练数据生成器提供的数据为输入，固化效果为输出，机器学习模型公式表示为：Flearn(X)＝Y，其中X代表输入的特征向量，Y代表固化效果的预测结果；
c.根据机器学习模型的预测结果和实际打印结果之间的偏差，调整模型参数，优化算法表示为：Pnew＝Pold+α·ΔF(X,Yactual)，其中，Pnew和Pold分别代表新旧模型参数，α是学习率，ΔF是损失函数的梯度，Yactual是实际的固化效果。
8.根据权利要求7所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述动态打印调整模块包括调整控制单元、打印头速度控制器以及流量调节器；其中，
调整控制单元：负责接收数据分析模块提供的最佳打印策略数据，包括预测的固化速度和温度分布信息；
打印头速度控制器：根据调整控制单元的指令，实时调整打印头的移动速度，具体控制公式为：Vhead(t)＝Vopt+kv·(Vpred-Vcurrent)，其中Vhead(t)是打印头的目标速度，Vopt是数据分析模块确定的最佳速度，Vpred是预测速度，Vcurrent是当前速度，kv是速度调整系数；
流量调节器：与调整控制单元相连，调整混凝土的流量以匹配打印头速度和固化速度，具体调节公式为：Qconcrete(t)＝Qopt+kq·(Qpred-Qcurrent)，其中Qconcrete(t)是混凝土的目标流量，Qopt是最佳流量，Qpred是预测流量，Qcurrent是当前流量，kq是流量调整系数。
9.根据权利要求8所述的结合红外成像的3D打印混凝土温度与固化状态监测系统，其特征在于，所述状态反馈调节模块包括传感器阵列单元、固化状态评估单元、反馈控制器、数据通信单元以及用户界面；其中，
传感器阵列单元：安装在与打印头相邻的位置，包括多种类型的传感器，每种传感器专门监测固化混凝土的一个或多个特定固化参数；
固化状态评估单元：接收传感器阵列单元的数据，并使用固化状态评估算法Ecure(Dsensor)，其中Ecure表示固化状态评估结果，Dsensor表示来自传感器阵列的数据，用于分析当前混凝土层的固化状态；
反馈控制器：基于固化状态评估单元的输出，生成调节信号Sfeedback(Ecure)，并将该信号传递给数据分析模块和动态打印调整模块，以调整打印参数；
数据通信单元：用于控制传感器阵列单元、固化状态评估单元、反馈控制器以及数据分析模块之间进行实时数据传输；
用户界面：提供实时固化状态信息的可视化，并允许用户干预和微调反馈控制参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410209872.2A CN117885178A (zh) | 2024-02-26 | 2024-02-26 | 结合红外成像的3d打印混凝土温度与固化状态监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410209872.2A CN117885178A (zh) | 2024-02-26 | 2024-02-26 | 结合红外成像的3d打印混凝土温度与固化状态监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117885178A true CN117885178A (zh) | 2024-04-16 |
Family
ID=90641168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410209872.2A Pending CN117885178A (zh) | 2024-02-26 | 2024-02-26 | 结合红外成像的3d打印混凝土温度与固化状态监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117885178A (zh) |
-
2024
- 2024-02-26 CN CN202410209872.2A patent/CN117885178A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10725459B2 (en) | Identifying and distributing optimal machine parameters within a fleet of additive manufacturing machines | |
| US5727127A (en) | Method for controlling a primary industry plant of the processing industry | |
| US6780351B2 (en) | Vessel inspection and repair system | |
| EP2507671B1 (en) | Economics-based coordination of advanced process control and real-time optimization | |
| US6760631B1 (en) | Multivariable control method and system without detailed prediction model | |
| CN103809472B (zh) | 基于模型优化和无模型控制的在线集成控制系统 | |
| CN107718564B (zh) | 一种fdm三维打印机智能控制系统及方法 | |
| US20130068416A1 (en) | Cooling control system for continuous casting of metal | |
| JP4347867B2 (ja) | めっき付着量制御システムおよびめっき付着量制御方法 | |
| CN112620652B (zh) | 一种电弧增材制造过程的自适应控制系统及方法 | |
| CN106079882B (zh) | 一种金属薄板印涂智能供墨控制系统及其方法 | |
| CN108829068A (zh) | 一种电镀生产线控制系统及控制方法 | |
| WO2022079243A1 (en) | Method, control unit and laser cutting system for combined path and laser process planning for highly dynamic real-time systems | |
| CN110093601A (zh) | 一种激光熔覆实时测厚及反馈的方法及装置 | |
| CN117885178A (zh) | 结合红外成像的3d打印混凝土温度与固化状态监测系统 | |
| JP2010113638A (ja) | プラント制御システムおよび制御方法 | |
| JP2005533694A5 (zh) | ||
| CN109189112B (zh) | 一种张紧辊带钢张力滑模控制方法及控制装置 | |
| JP2008217055A (ja) | マルチホップ無線システムの電力制御方法およびその電力制御システム | |
| CN113283876A (zh) | 一种窑砖生产信息化的管理方法及系统 | |
| US7928393B2 (en) | Health monitoring through a correlation of thermal images and temperature data | |
| Moran et al. | Developing intelligent control for spray forming processes | |
| CN116179840A (zh) | 一种激光表面热处理温度监控控制系统及控制方法 | |
| TW201907254A (zh) | 用於模具的智能監測系統 | |
| WO2001057605A1 (en) | Method for finding optimal set-points for machines and processes |
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 |