3D制造技术

本发明专利技术具体涉及一种

【技术实现步骤摘要】
3D打印机送丝机构流量监测方法


[0001]本专利技术属于打印机控制领域，具体涉及一种
3D
打印机送丝机构流量监测方法
。

技术介绍

[0002]3D
打印机中送丝速度和打印速度之间的关系非常重要，两者之间的速度关系能够直接影响到打印的质量，所以实践中需要对其流量进行监测，相关的现有技术有通过数据处理的方法来实现流量的监测，比如其通过采集喷头振动的信号然后将其转换为频域信号，再然后将其处理为特征向量，然后通过
K
近邻算法对特征向量聚类的分析以及识别，通过这样来实现送丝速度与打印速度之间关系量化的识别来确定打印机的工作状态，这种现有技术不需要通过硬件过多的检测，而直接通过数据的运算就能够实现对流量的监测
。
[0003]这类技术的核心在于数据的处理和模型的选择，不过这类技术在对特征向量的识别中采用的是简单的
k
近邻算法，
K
近邻算法本质上是按照与待测样本在向量位置上，接近的程度来确定样本的类别，在实际的判别中，简单的通过确定
k
个近邻样本其中较多数量的样本的分类，来作为待测样本的分类，实际上这种分类方法比较粗糙，往往会出现分类的错误，所以对于识别高精准度也满足不了
。

技术实现思路

[0004]本专利技术的目的在于提供一种
3D
打印机送丝机构流量监测方法，以解决上述
技术介绍
中提出的问题
。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：
3D
打印机送丝机构流量监测方法，包括步骤有，获取
3D
打印机的信号，并且采集能够表征送丝机构流量的信号，对信号进行去噪和过滤，然后将能够表征送丝机构流量的信号处理为特征向量，然后构建改进的
k
近邻算法模型，基于改进的
k
近邻算法对特征向量进行分类；改进的
k
近邻算法具体指，每个样本均由特征向量表征，首先选取一部分样本，作为标准样本集，对标准样本集进行人工分类，确定每个样本的类别标签，然后对于待测样本计算其
k
个邻近样本
A1，
A2，
……
A
k
；然后依次计算
k
个邻近样本与待测样本的向量和确定一个替代样本
B
，计算替代样本
B
的最邻近样本
B'
，并以替代样本
B
的最邻近样本
B'
的类别标签，作为待测样本的类别标签；然后在需要对送丝机构流量监测时，首先获取当前表征送丝机构流量的信号然后将能够表征送丝机构流量的信号处理为特征向量然后输入到构建改进的
k
近邻算法模型输出分类，进而确定
3D
打印机状态
。
[0006]进一步，类别标签用于区分样本的类别，类别包括
3D
打印机的故障类别
。
[0007]进一步，
k
近邻算法模型具体指在改进的
k
近邻算法基础上构建的算法模型，算法模型中存储有标准样本集
、
标准样本集中每一个样本的特征向量
、
标准样本集中每一个样本的类别标签
。
[0008]进一步，对于待测样本计算其
k
个邻近样本
A1，
A2，
……
A
k
；然后依次计算
k
个邻近样
本与待测样本的向量和确定一个替代样本
B
，具体的，设每个样本的特征向量为
m
维，则第
i
个样本的特征向量为（
i1，
i2，
i3，
......
，
i
m
），设待测样本特征向量为（
x
01
，
x
02
，
x
03
，
......
，
x
0m
），
k
个邻近样本特征向量为
〔
（
y
11
，
y
12
，
y
13
......
，
y
1m
），（
y
21
，
y
22
，
y
23
......
，
y
2m
），
......
，（
y
k1
，
y
k2
，
y
k3
......
，
y
km
）
〕
则替代样本
B
的特征向量为，式中，
j
表示求和函数中的变数，通过计算其他样本到替代样本
B
的距离确定替代样本
B
的最邻近样本
B'
，则替代样本
B
的最邻近样本
B'
为到
B
距离最近的样本
。
[0009]进一步，距离计算采用欧式距离
。
[0010]一种机器可读介质，用于存储
3D
打印机送丝机构流量监测方法中关于数据处理功能的程序代码
。
[0011]一种计算机，用于执行
3D
打印机送丝机构流量监测方法中关于数据处理功能的程序代码
。
[0012]有益效果：本申请改进的
k
近邻算法综合考虑了
k
个临近样本中每一个样本对待测样本的影响，在综合影响基础上确定新的替代样本然后仅针对性寻找一个与替代样本接近的最邻近样本即确定相应的分类，本申请能够精准确定待测样本的类别，提高了
3D
打印机状态判断的精准度
。
附图说明
[0013]图1为本申请
3D
打印机送丝机构流量监测方法的流程图
。
具体实施方式
[0014]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0015]本申请公开了一种
3D
打印机送丝机构流量监测方法，如图1，包括步骤，获取
3D
打印机的信号，并且采集能够表征送丝机构流量的信号，具体的，能够表征送丝机构流量的信号很多，如现有技术中有采集喷头振动信号作为能够表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.3D
打印机送丝机构流量监测方法，其特征在于，包括步骤有，获取
3D
打印机的信号，并且采集能够表征送丝机构流量的信号，对信号进行去噪和过滤，然后将能够表征送丝机构流量的信号处理为特征向量，然后构建改进的
k
近邻算法模型，基于改进的
k
近邻算法对特征向量进行分类；改进的
k
近邻算法具体指，每个样本均由特征向量表征，首先选取一部分样本，作为标准样本集，对标准样本集进行人工分类，确定每个样本的类别标签，然后对于待测样本计算其
k
个邻近样本
A1，
A2，
……
A
k
；然后依次计算
k
个邻近样本与待测样本的向量和确定一个替代样本
B
，计算替代样本
B
的最邻近样本
B'
，并以替代样本
B
的最邻近样本
B'
的类别标签，作为待测样本的类别标签；然后在需要对送丝机构流量监测时，首先获取当前表征送丝机构流量的信号然后将能够表征送丝机构流量的信号处理为特征向量然后输入到构建改进的
k
近邻算法模型输出分类，进而确定
3D
打印机状态
。2.
根据权利要求1所述的
3D
打印机送丝机构流量监测方法，其特征在于，类别标签用于区分样本的类别，类别包括
3D
打印机的故障类别
。3.
根据权利要求1所述的
3D
打印机送丝机构流量监测方法，其特征在于，
k
近邻算法模型具体指在改进的
k
近邻算法基础上构建的算法模型，算法模型中存储有标准样本集
、
标准样本集中每一个样本的特征向量
、
标准样本集中每一个样本的类别标签
。4.
根据权利要求1所述的
3D
打印机送丝机构流量监测方法，其特征在于，对于待测样本计算其
k
个邻近样本
A1，
A2，
……
A
k
；然后依次计算
k
个邻近样本与待测样本的向量和确定一个替代样本
B
，具体的，设每个...

【专利技术属性】
技术研发人员：李程，
申请(专利权)人：深圳市捷鑫华科技有限公司，
类型：发明
国别省市：