基於支持向量機的3D列印模型尺寸誤差預測方法與流程
2023-10-10 09:45:34 1
本發明涉及輔助製造技術領域，具體地，涉及一種基於支持向量機(Support Vector Machine，SVM)的3D列印模型尺寸誤差預測方法。
背景技術：
3D列印模型尺寸預測的目的是將列印模型分為是否滿足尺寸誤差要求的兩大類，輔助列印者在列印前、設定列印參數時考慮列印結果，提高列印質量，降低耗材浪費和時間損失。目前為止，市面上3D印表機產品層出不窮，培訓資料也源源不斷，但3D列印的列印結果控制依舊需要印表機操作者的經驗，採用基於支持向量機的機器學習預測算法有效降低了對印表機操作者的要求，對於增強3D印表機本身的經濟實用性具有良好的意義。
SVM是一種建立在統計學習理論基礎上的線性分類器，其算法是一個凸優化問題，其局部最優解即為全局最優解。它的特點是根據結構風險最小化原則，在有限的樣本信息在模型的複雜性和泛化學習能力之間尋求最佳這種，能有效避免過度學習或陷入局部最優等缺點。以二維數據為例，兩類數據點分布在一個二維平面中，其基本原理是通過訓練找到能夠分開著兩類數據點的分類縣。雖然這樣的分類線有很多，但有且僅有一條分界線滿足到兩類數據點距離最短的一條分類線。對多維數據而言，數據點分布在多維空間內，SVM分類器得到的是最優分類超平面。
經檢索，公開號為CN105643944A、申請號201610200113.5的中國發明專利申請，該發明公開了一種3D印表機穩定控制方法及控制系統，該發明的3D印表機穩定控制方法及控制系統通過構造最優門限誤差值的模型，通過推薦控制值的衰減積分平衡點實時選取最優門限誤差值，可以較好的解決3D印表機成型過程的推薦控制值隨著門限值的變化而發生均衡與非均衡衰減的現象，提高了印表機的穩定性。但是該專利側重於通過解決印表機設備硬體部分的穩定性問題改善列印質量，無法綜合考慮整個列印過程中各因素的影響。
技術實現要素：
針對現有技術中的缺陷，本發明的目的是提供一種基於支持向量機的3D列印模型尺寸誤差預測方法，所述方法對列印參數與模型尺寸誤差的關係採用支持向量機建模，對同一模型在不同參數設置下的尺寸誤差情況進行預測，給出該參數設置中模型尺寸誤差超過閾值的可能性預測結果，供列印者參考，從而實現優化列印質量。
為實現以上目的，本發明提供一種基於支持向量機的3D列印模型尺寸誤差預測方法，所述方法包括如下步驟：
第一步、三維模型設計，所述三維模型為成品件的三維模型，用於測試3D印表機列印水平；
第二步、將第一步得到的三維模型導入3D印表機，並在3D印表機上設定不同的列印參數列印；
第三步、三維模型關鍵點、關鍵邊位置確定並測得點雲數據；
將第一步得到的三維模型的主要幾何特徵進行歸納確定，包括圓孔圓心、圓弧弧度、各邊長及其交點；確定的主要幾何特徵在測量儀器下測量獲得點雲數據；
第四步、通過與標準模型最小二乘匹配獲得尺寸誤差；
將第三步所得點雲數據與第一步得到的三維模型進行最小二乘匹配，獲得3D印表機列印成品件的尺寸誤差；
第五步、將第四步得到的成品件尺寸誤差及第二步得到的與之對應的列印參數形成資料庫，並將資料庫按成品件隨機分組分為兩類：訓練組及預測組；
第六步、採用訓練組對SVM模型進行訓練，並採用預測組對經過訓練的SVM模型的預測正確率進行驗證，篩選出符合要求的SVM模型即預測模型；
第七步、將新的列印參數作為輸入預測模型的尺寸誤差。
優選地，第一步中，所述的三維模型的幾何特徵包含常用模型的點、線、面、孔，且便於採用光學測量儀或者三維探針測量。
優選地，第四步中，所述的通過與標準模型最小二乘匹配獲得尺寸誤差，是指：將第三步得到的點雲數據與第一步所設計的成品件的三維模型相匹配，以獲得最小二乘誤差值。
優選地，第五步中，所述的隨機分組為多次分組，分組依據數據組總數而定。
優選地，第五步中，所述的資料庫是一個多維數組，其由兩部分組成：列印參數和標籤值。
優選地，所述的預測模型作為軟體系統獨立於3D印表機存在，或者作為算法模塊內置到3D列印參數設置系統中，作為參數設置後的列印效果反饋，輔助指導列印者設定參數。
與現有技術相比，本發明具有如下的有益效果：
本發明的尺寸誤差預測是建立在整個列印過程之上，是綜合考慮列印過程中各個可能影響列印成品件尺寸誤差的因子，在此基礎上建立支持向量機模型，並基於歷史列印數據之上的尺寸誤差預測。
本發明所述方法能夠通過列印參數來預測該參數系列下三維模型列印出的成品件的尺寸誤差範圍，有利於提高列印效率，降低不必要的材料損耗。
附圖說明
通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發明的其它特徵、目的和優點將會變得更明顯：
圖1為本發明一實施例的流程圖；
圖2為本發明一實施例的三維模型結構示意圖。
具體實施方式
下面結合具體實施例對本發明進行詳細說明。以下實施例將有助於本領域的技術人員進一步理解本發明，但不以任何形式限制本發明。應當指出的是，對本領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干變形和改進。這些都屬於本發明的保護範圍。
如圖1所示，一種基於支持向量機的3D列印模型尺寸誤差預測方法，所述方法包括以下步驟：
步驟1、設計三維模型
所述三維模型為成品件的三維模型，用於測試3D印表機列印水平；
三維模型需要具備慣用工件的幾何特徵，包括但不限於點：線(直線、曲線、弧)，面(曲面、平面)，孔(通孔、臺階孔)等，如圖2所示。
步驟2、將步驟1得到的三維模型導入3D印表機，並在3D印表機上設定不同的列印參數列印；所述的列印參數為三維模型的列印參數，包括：列印層厚，模型在列印過程中的擺放角度，模型列印過程中支撐的參數如支撐高度、支撐傾斜度、支撐結構與模型的接觸面積、支撐結構的密度，環境參數如溫度、溼度，材料屬性代號。
通常情況下，以SLA印表機為例，涉及到的需要設置的列印參數超過十種，列印者可通過自身判斷決定關鍵的參數設置，其中包括但不僅限於：列印層厚、模型擺放角度、支撐結構的接觸點大小、結構角度等，環境條件如溫度、溼度等，列印材料如型號1、型號2等。
步驟3、三維模型關鍵點、關鍵邊位置確定並測得點雲數據；
將步驟1得到的三維模型的主要幾何特徵進行歸納確定，包括圓孔圓心、圓弧弧度、各邊長及其交點；確定的主要幾何特徵在測量儀器下測量獲得點雲數據；
所述的三維關鍵點，包括：線的起點及終點、圓弧的圓心、孔及突出柱的幾何特徵，以及模型的輪廓信息，具體取點中影像測量通過圖像處理獲得點雲數據，接觸式測量通過設定單位面積cm2或單位長度cm內的取點數量獲得點雲數據，一般設定單位面積cm2按矩陣方式取點五個或者單位長度cm等距取點十個。
所述的關鍵邊是對三維模型零件外形及功能起決定性作用的邊,包括組成三維模型輪廓外形的邊如直線,圓弧,組成三維模型關鍵孔、柱的在某一投影面形成的輪廓圓弧或直線、曲線邊。
對於關鍵點、關鍵邊，採用接觸式影像儀測量可獲得關鍵點、關鍵邊的點雲數據，採用接觸式測量如探針測量可獲得關鍵點、關鍵邊的點雲數據；其中接觸式測量需要確定單位面積或者單位長度的測量點數量。
步驟4、通過與標準模型進行最小二乘匹配獲得尺寸誤差；
將步驟3所得點雲數據與步驟1的三維模型的實際點、線、面進行最小二乘匹配，獲得3D印表機列印成品件的尺寸誤差結果。
步驟5、將步驟4得到的成品件尺寸誤差及步驟2得到的與之對應的列印參數形成資料庫，並將資料庫按成品件隨機分組分為兩類：訓練組及預測組；
所述的資料庫是一個多維數組，其由兩部分組成：列印參數和標籤值。所述的標籤值由每一組列印參數對應成品件測量匹配後得到的的尺寸誤差轉換而來，設定一定的尺寸誤差閾值，將大於該閾值的尺寸誤差值設定為-1、小於等於該閾值的尺寸誤差值設定為+1，假設有n個列印參數，並列印了m個模型，則該數據組為m×(n+1)的矩陣。
隨機分組要多次隨機分組，分組依數據組總數情況而定，一般選擇三組、五組等；且將步驟4中的誤差結果按一定的閾值設定為+1(尺寸誤差小於該閾值)，-1(尺寸誤差大於等於該閾值)。
步驟6、採用訓練組對SVM模型進行訓練，並採用預測組對經過訓練的SVM模型的預測正確率進行驗證、篩選出符合要求的SVM模型即預測模型；
不同的隨機分組結果訓練出不同的SVM模型，使用對應的測試組對SVM模型進行測試，選擇預測準確率高的SVM模型，一般準確率大於、等於85％為宜。
步驟7、將新的列印參數作為輸入預測模型的尺寸誤差；
將步驟6中高預測正確率的模型確定為預測模型，並對新的列印參數下模型的尺寸誤差進行預測，確定是否超過特定的尺寸誤差(根據實際成品質量要求情況設置的尺寸誤差閾值)限制。
本發明上述方法，分析了列印過程中可能對成品件質量起影響作用的因子(包括環境參數、模型參數、及設備參數：印表機列印前的設定參數)，提出了綜合考慮整個列印過程並採用數理統計的方法建立了影響因子與成品件尺寸誤差的預測模型，可以作為設備內置軟體，也可作為外設程序預先預測某種列印參數設置下的成品件尺寸誤差情況，對列印質量進行基於歷史經驗的預判，提高列印成品件的成功率。
本發明能夠通過列印參數來預測該參數系列下模型的尺寸誤差範圍，有利於提高列印效率，降低不必要的材料損耗。
以上對本發明的具體實施例進行了描述。需要理解的是，本發明並不局限於上述特定實施方式，本領域技術人員可以在權利要求的範圍內做出各種變形或修改，這並不影響本發明的實質內容。