论文部分内容阅读
论文的课题是以国家基金项目“熔融沉积成型3D打印的声发射监控理论与方法研究(编号:51675481)”为依托,在已完成的项目成果基础上进一步深入开展的。本文针对熔融沉积成型3D打印过程中最为常见的缺陷模式一一翘曲变形为研究对象,借助有限元分析法探讨了翘曲变形的产生过程和影响因素,结合声发射检测技术从数据驱动的角度系统性地提出了一种基于特征提取、聚类分析以及模式识别等算法的熔融沉积成型3 D打印过程中成型件翘曲状态的识别方法。本文的主要工作内容有:(1)分析了熔融沉积成型3D打印技术的工作原理及过程,指出打印过程中的可调参数及其作用;分析了 FDM加工过程中成型件翘曲变形产生的机理及其影响因素;阐述了在FDM加工过程中对成型件翘曲量的测度方法,指出采用声发射信号识别加工过程中成型件翘曲状态的可行性与重要性。(2)分析了熔融沉积成型3D打印技术的传热过程,并据此构建3D打印过程的有限元仿真模型,从工艺参数、工件参数和加工过程的典型故障三个方面对成型过程中产品的热力影响进行仿真分析,模拟分析了各个参数与加工故障对翘曲变形的影响程度与影响趋势,此外根据正交试验思想设计仿真了在不同工艺参数组合情况下成型件的所处状态,为实际加工过程和试验进行提供理论依据和指导。(3)提出了一种针对本论文研究问题的基于声发射信号局部极值的预处理方法,对所采数据进行了降噪和预处理;分析了 SOM算法的概念和原理,对熔融沉积成型3D打印过程中成型件的翘曲状态进行了聚类分析和样本分布讨论;研究了随机森林的概念和原理,分别结合本文提出的样本预处理方法和主成分分析法构建了针对熔融沉积成型3D打印过程中成型件的翘曲状态的监测识别方法;阐述了支持向量机的原理和算法,对随机森林和支持向量机两种模式识别方法在本文应用场景中的优缺点进行了理论上的对比分析。(4)通过试验对本文提出的状态识别方法进行了实证研究,试验结果表明,采用论文提出的样本预处理方法,结合SOM算法和随机森林算法,在熔融沉积成型3D打印过程产品翘曲状态的监测识别方面具有较高的准确率,适用于熔融沉积成型3 D打印过程中成型件翘曲状态的在线监测识别。