【技术实现步骤摘要】
一种基于高斯过程模型的3D打印质量预测方法及系统
[0001]本专利技术涉及3D打印
，具体涉及一种基于高斯过程的3D打印质量预测方法及系统，可应用于氧化铝陶瓷光固化、金属粉末激光选区烧结等多种3D打印工艺。
技术介绍
[0002]陶瓷、钛合金等材料，具有机械强度优异、耐磨性和耐腐蚀性强、热稳定性和热传导率高等优势，已经被广泛应用于航空航天、矿业冶金等众多领域。但是陶瓷材料脆性大，钛合金材料化学性能活泼，都给后期加工处理带来了极大困难，大大制约了形状复杂的高强度结构件的发展。3D打印技术，又称为增材制造技术，是一种以零件的三维模型为基础，依托计算机切片软件将三维模型切分成若干二维平面，根据二维平面信息进行逐层叠加制造。相比于传统的制造技术，3D打印技术可以制造传统工艺难以完成甚至无法完成的复杂零件，并且可以大大减少加工工序。依托于数字化的创新设计能力，3D打印技术已经成为推动工业体系升级发展的关键技术。
[0003]3D打印制造过程复杂，产品性能受到原材料、打印设备、工艺参数、生产环境等众多因素的影响。以氧化铝...
【技术保护点】
【技术特征摘要】
1.一种基于高斯过程模型的3D打印质量预测方法，包括以下步骤：S1、设计3D打印产品质量指标及工艺参数，并设置3D打印实验设计表；S2、收集实验数据：根据3D打印实验设计表进行3D打印制造，采集所得产品的质量指标，与对应的工艺参数组成3D打印实验数据集，记为；；其中，和分别代表3D打印实验数据的工艺参数集合和质量指标集合，代表3D打印实验次数，为序号；S3、收集历史数据：搜集同种材料产品在其他3D打印工艺下的组历史数据，组成历史数据集，记为，表示为：，其中，、分别代表历史数据中的工艺参数集合和质量指标集合；为中数据个数；为历史数据集序号；为中数据的序号；S4、对历史数据进行参数空间调整：若每一个历史数据集包含的工艺参数种类与3D打印实验数据集不同，则对其进行参数空间调整；包括：S401、对中的和中的分别进行如下划分：其中与包含两个数据集中共有的工艺参数，与分别包含其他工艺历史数据的独有工艺参数和当前3D打印实验数据的独有工艺参数；S402、去除其他工艺历史数据中的独有工艺参数，得到投影数据进行非参数回归，获得边际回归方程：；S403、根据边际回归方程均匀采样得到个伪数据：，其中为伪数据序号；S404、向步骤S403中得到的每个伪数据，添加3D打印独有的工艺参数，得到调整后的历史数据集，并重新记为，其中分别表示调整后数据集中的工艺参数集合与产品质量指标集合，为数据集中的数据个数，为中的数据编号；S5、模型构建：构建具有维输出的多输出高斯过程的3D打印质量预测模型；多输出高斯过程模型中，个调整后历史数据集中的产品质量指标，和3D打印实验数据集的产品质量指标，服从多输出高斯过程，形式如下：
其中，为高斯分布，为全体数据的协方差矩阵；表示所有数据集的工艺参数集合；协方差矩阵的形式如下：其中，协方差矩阵包括四类矩阵块，分别为：第一类矩阵块是调整后历史数据集自身的协方差矩阵块；协方差矩阵块的第行第列元素为，其中为第一类协方差函数，分别为数据集中工艺参数集合的第和第个工艺参数点，；第二类矩阵块是3D打印实验数据集自身的协方差矩阵块，其第行第列元素为，其中为第二类协方差函数，分别为3D打印实验数据集中工艺参数集合中的第和第个数据点，；第三类矩阵块是调整后历史数据集与3D打印实验数据集的协方差矩阵块，其第行第列元素为，其中为第三类协方差函数，分别为调整后历史数据集中工艺参数集合中的第个数据点，为3D打印实验数据集中工艺参数集合中的第个数据点；第四类矩阵块是调整后历史数据集与之间的协方差矩阵块，可设置为零矩阵；S6、模型训练：基于历史数据集和3D打印实验数据集，利用最优化算法对S5中的高斯过程模型进行训练；S7、利用训练好的模型进行预测：基于S6中训练好的高斯过程模型，输入3D打印的任意工艺参数，输出预测的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。