3D打印设备的在线监测装置、系统制造方法及图纸

本发明专利技术属于3D打印设备技术领域，具体涉及一种3D打印设备的在线监测装置，旨在为了解决在3D打印设备异常工作状态早期无法识别异常状态，从而导致严重故障对设备造成不可修复的损害的问题。本发明专利技术包括信号采集模块、信号处理模块、特征提取模块、监测模块、知识库模块；通过振动传感器采集3D打印设备运行时预设部件的振动信号；将所采集到的各预设部件振动信号由模拟信号转换为数字信号并提取频谱特征；基于各预设部件的频谱特征，通过比对分析模型获取预设部件的工作状态类型。本发明专利技术在异常工作状态早期进行状态识别和打印设备停机保护，避免了严重故障对设备造成不可修复的损害；并在故障发生时及时判别故障类别和故障发生位置。

Online monitoring device and system of 3D printing equipment

【技术实现步骤摘要】
3D打印设备的在线监测装置、系统
本专利技术属于3D打印设备
，具体涉及一种3D打印设备的在线监测装置和系统。
技术介绍
3D打印技术又被称作增材制造或快速成型技术，作为第三次工业革命的代表性技术之一，其以数字三维模型为基础，通过逐层堆积的方式完成对零件的加工，与传统的切削加工(减材制造)技术有着本质区别。3D打印凭借其独特的增料加工方式被应用于越来越多的行业，目前市面上已有各类型的3D打印设备用于服务各方面的需求。但现有3D打印设备仍在稳定性方面存在问题，易出现包括电机堵转、轴承断裂、传动故障、机器异常抖动在内的一系列失效形式。鉴于3D打印设备较高的成本价值，应避免严重故障对设备造成不可修复的损害。现有的3D打印设备维护和维修方式有事后维修(BM)和预防维修(PM)两种：事后维修采用仅当设备发生故障或运行状态出现明显异常时进行维护修理的设备维修管理方式，其仅适用于故障后果轻微，且有备件的情况；预防维修是一种定期维修管理方式，其忽略了每一个设备个体的运转工况及性能状态，极易造成过度维修和维修不足的情况。现在市场上没有对3D打印设备早期异常工作状态进行识别的装置，也没有判别3D打印设备故障类别和故障发生位置的装置。因此现有3D打印设备缺乏在线监测与故障诊断装置，以解决在3D打印设备异常工作状态的早期无法识别异常状态和打印设备停机保护，从而导致严重故障对设备造成不可修复的损害的问题；以及也不能在设备故障发生时及时判别故障类别和故障发生位置的问题。
技术实现思路
为了解决现有技术中的上述问题，即为了解决使用人员在3D打印设备异常工作状态的早期无法识别异常状态，从而导致严重故障对设备造成不可修复的损害的问题，本专利技术提出了一种3D打印设备的在线监测装置，该装置包括信号采集模块、信号处理模块、特征提取模块、监测模块、知识库模块；所述信号采集模块，该模块包括设置于3D打印设备预设部件的振动传感器，用于采集3D打印设备运行时所述预设部件的振动信号；所述信号处理模块，配置为将所采集到的各所述预设部件的振动信号由模拟信号转换为数字信号；所述特征提取模块，配置为对各所述预设部件的振动信号的数字信号，分别进行频谱特征的提取，得到各所述预设部件的频谱特征；所述监测模块，配置为基于各所述预设部件的频谱特征，通过第一比对分析模型，获取每一个所述预设部件的工作状态类型；其中，所述第一比对分析模型包含与所述预设部件一一对应的一个或多个判断模型，所述判断模型用于将预设部件提取的频谱特征分别与预设部件正常运行时的频谱特征进行相关性判断，得到对应部件工作状态类型。所述知识库模块，配置为存储3D打印设备新增样本和初始样本；所述初始样本为已知各类故障的频谱特征信息和对应故障类别，所述新增样本包括打印设备运行中实时获取的新故障的频谱特征信息及其对应的故障类别。在一些优选的实施方式中，所述第一比对分析模型还包含与所述预设部件的2N+1个判断模型对应的表决模型，所述表决模型用于依据2N+1个判断模型输出的2N+1个判断结果，将其中大于等于N+1个相同的判断结果作为预设部件的最终工作状态类型：其中，N为大于等于1的正整数。在一些优选的实施方式中，所述工作状态类型为工作状态异常或工作状态正常。在一些优选的实施方式中，所述工作状态为工作状态异常时，所述监测模块将预设部件的频谱特征与所述知识库模块中所述预设部件的频谱特征进行相关度判断：当相关度高于预设的阈值时，监测模块输出故障类型；当相关度低于预设的阈值时，知识库模块将新故障的振动信号的频谱特征作为新增样本。在一些优选的实施方式中，该装置还包括故障预警模块；所述故障预警模块，配置为当监测模块输出预设部件的工作状态类型为工作状态异常时，所述故障预警模块输出控制信息，所述控制信息用于控制3D打印设备停止打印。在一些优选的实施方式中，所述知识库模块基于新增样本对初始样本进行更新。在一些优选的实施方式中，该装置还包括信息显示模块；所述信息显示模块，包括显示器、触摸屏，用于向用户呈现所述监测模块输出的工作状态类型，并与使用人员的进行人机交互。在一些优选的实施方式中，所述特征提取模块的特征提取方法包括时频分析、功率谱分析、倒频谱分析。在一些优选的实施方式中，所述预设部件为3D打印设备轴承座、电机、传动部件、箱体或机架中的一种或多种。在一些优选的实施方式中，所述振动传感器为压电式振动加速度传感器或电涡流位移传感器。本专利技术的第二方面提出了一种3D打印设备的在线监测系统，该系统包括上述的3D打印设备的在线监测装置、远程服务器；所述远程服务器与多个所述3D打印设备的在线监测装置通过无线通信链路进行通信连接，用于获取各3D打印设备的在线监测装置新增样本中的新故障的频谱特征信息及其对应的故障类别，并同步至所述各3D打印设备的在线监测装置的初始样本。在一些优选的实施方式中，所述远程服务器包括样本数据库，所述样本数据库包括初始样本、新增样本；所述初始样本为已知各类故障的频谱特征信息及其对应故障类别；所述新增样本为打印设备运行中实时获取的新故障的频谱特征信息及其对应的故障类别；所述远程服务器基于新增样本对初始样本进行更新，得到更新后的初始样本，并同步至3D打印设备的在线监测装置的初始样本。本专利技术的第三方面提出了一种3D打印设备的在线监测装置，该装置包括信号采集模块、信号处理模块、时域-频域变换模块、监测模块、知识库模块；所述信号采集模块，该模块包括设置于3D打印设备预设部件的振动传感器，用于采集3D打印设备运行时所述预设部件的振动信号；所述信号处理模块，配置为将所采集到的各所述预设部件的振动信号由模拟信号转换为数字信号；所述时域-频域变换模块，配置为对各所述预设部件的振动信号的数字信号，分别进行时域-频域变换，得到各所述预设部件的时频信息数据；所述监测模块，配置为基于各所述预设部件的时频信息数据，通过第二比对分析模型，获取每一个所述预设部件的工作状态；其中，所述第二比对分析模型包含与所述预设部件一一对应的一个或多个基于深度学习算法的分类器，用于分别基于各所述预设部件的振动信号对对应部件工作状态进行分类识别。所述知识库模块，配置为存储3D打印设备新增样本和初始样本；所述初始样本为已知各类工作状态的时频信息数据和对应工作状态类别，所述新增样本包括打印设备运行中实时获取的新工作状态的时频信息数据及其对应的工作状态类别。在一些优选的实施方式中，所述分类器基于受限玻尔兹曼机搭建，输出分类为：故障类型、工作状态异常、工作状态正常。在一些优选的实施方式中，该系统还包括故障预警模块；所述故障预警模块，配置为当监测模块输出预设部件的工作状态为故障类型或工作状态异常时，所述故障预警模块输出控制信息，所述控制信息用于控制3D打印设备停止打印。在一些优选的实施方式中，该系统还包括比对分析模型更新模块，所述比对分析模型更新模块包括第三比对分析模型；所述比对分析模型更新模块，配置为基于所述知识库模块中的新增样本，第三比对分析模型进行模型优化，得到更新后的模型参数，并同步至所述第二比对分析模型；其中所述第三比对分析模型与所述第二比对分析模型结构一致。在一些优选的实施方式中，该系统还包括信息显示模块；所述信息显示模块，包括显示器、触摸屏，用于向用户呈现所述本文档来自技高网...

【技术保护点】
1.一种3D打印设备的在线监测装置，其特征在于，该装置包括信号采集模块、信号处理模块、特征提取模块、监测模块、知识库模块；所述信号采集模块，该模块包括设置于3D打印设备预设部件的振动传感器，用于采集3D打印设备运行时所述预设部件的振动信号；所述信号处理模块，配置为将所采集到的各所述预设部件的振动信号由模拟信号转换为数字信号；所述特征提取模块，配置为对各所述预设部件的振动信号的数字信号，分别进行频谱特征的提取，得到各所述预设部件的频谱特征；所述监测模块，配置为基于各所述预设部件的频谱特征，通过第一比对分析模型，获取每一个所述预设部件的工作状态类型；其中，所述第一比对分析模型包含与所述预设部件一一对应的一个或多个判断模型，所述判断模型用于将预设部件提取的频谱特征分别与预设部件正常运行时的频谱特征进行相关性判断，得到对应部件工作状态类型。所述知识库模块，配置为存储3D打印设备新增样本和初始样本；所述初始样本为已知各类故障的频谱特征信息和对应故障类别，所述新增样本包括打印设备运行中实时获取的新故障的频谱特征信息及其对应的故障类别。

【技术特征摘要】
1.一种3D打印设备的在线监测装置，其特征在于，该装置包括信号采集模块、信号处理模块、特征提取模块、监测模块、知识库模块；所述信号采集模块，该模块包括设置于3D打印设备预设部件的振动传感器，用于采集3D打印设备运行时所述预设部件的振动信号；所述信号处理模块，配置为将所采集到的各所述预设部件的振动信号由模拟信号转换为数字信号；所述特征提取模块，配置为对各所述预设部件的振动信号的数字信号，分别进行频谱特征的提取，得到各所述预设部件的频谱特征；所述监测模块，配置为基于各所述预设部件的频谱特征，通过第一比对分析模型，获取每一个所述预设部件的工作状态类型；其中，所述第一比对分析模型包含与所述预设部件一一对应的一个或多个判断模型，所述判断模型用于将预设部件提取的频谱特征分别与预设部件正常运行时的频谱特征进行相关性判断，得到对应部件工作状态类型。所述知识库模块，配置为存储3D打印设备新增样本和初始样本；所述初始样本为已知各类故障的频谱特征信息和对应故障类别，所述新增样本包括打印设备运行中实时获取的新故障的频谱特征信息及其对应的故障类别。2.根据权利要求1所述的3D打印设备的在线监测装置，其特征在于，所述第一比对分析模型还包含与所述预设部件的2N+1个判断模型对应的表决模型，所述表决模型用于依据2N+1个判断模型输出的2N+1个判断结果，将其中大于等于N+1个相同的判断结果作为预设部件的最终工作状态类型：其中，N为大于等于1的正整数。3.根据权利要求1或2所述的3D打印设备的在线监测装置，其特征在于，所述工作状态类型为工作状态异常或工作状态正常。4.根据权利要求3所述的3D打印设备的在线监测装置，其特征在于，所述工作状态为工作状态异常时，所述监测模块将预设部件的频谱特征与所述知识库模块中所述预设部件的频谱特征进行相关度判断：当相关度高于预设的阈值时，监测模块输出故障类型；当相关度低于预设的阈值时，知识库模块将新故障的振动信号的频谱特征作为新增样本。5.根据权利要求3所述的3D打印设备的在线监测装置，其特征在于，该装置还包括故障预警模块；所述故障预警模块，配置为当监测模块输出预设部件的工作状态类型为工作状态异常时，所述故障预警模块输出控制信息，所述控制信息用于控制3D打印设备停止打印。6.根据权利要求3所述的3D打印设备在线监测装置，其特征在于，该装置还包括信息显示模块；所述信息显示模块，包括显示器、触摸屏，用于向用户呈现所述监测模块输出的工作状态类型，并与使用人员进行人机交互。7.根据权利要求1所述的3D打印设备的在线监测装置，其特征在于，所述知识库模块基于新增样本对初始样本进行更新。8.根据权利要求1所述的3D打印设备的在线监测装置，其特征在于，所述特征提取模块的特征提取方法包括时频分析、功率谱分析、倒频谱分析。9.根据权利要求1所述的3D打印设备的在线监测装置，其特征在于，所述预设部件为3D打印设备轴承座、电机、传动部件、箱体或机架中的一种或多种。10.根据权利要求1所述的3D打印设备的在线监测装置，其特征在于，所述振动传感器为压电式振动加速度传感器或电涡流位移传感器。11.一种3D打印设备的在线监测系统，其特征在于，该系统包括权利要求1-10中任一权利要求所述的3D打印设备的在线监测装置、远程服务器；所述远程服务器与多个所述3D打印设备的在线监测装置通过无线通信链路进行通信连接，用于获取各3D打印设备的在线监测装置新增样本中的新故障的频谱特征信息及其对应的故障类别，并同步至所述各3D打印设备的在线监测装置初始样本。12.根据权利要求11所述的3D打印设备的在线监测系统，其特征在于，所述远程服务器包括样本数据库，所述样本数据库包括初始样本、新增样本；所述初始样本为已知各类故障的频谱特征信息及其对应故障类别；所述新增样本为打印设备运行...

【专利技术属性】
技术研发人员：熊刚，廖家伟，沈震，商秀芹，郭超，颜军，罗璨，王晓，王飞跃，
申请(专利权)人：中国科学院自动化研究所，东莞中国科学院云计算产业技术创新与育成中心，
类型：发明
国别省市：北京,11