【技术实现步骤摘要】
本专利技术涉及3d打印，尤其涉及一种基于电流预测的3d打印故障监测方法及系统。
技术介绍
1、随着3d打印技术的发展，大量的3d打印设备被研发和投入制造业，对于这些打印设备的工作监测和控制方面的技术也开始得到重视，如何有效实现对打印设备的实时监测的和风险预知是其中重要的技术问题。
2、但现有技术在实现打印设备故障监测时，一般仅采用简单的电路判断规则来实现简单的电路安全监测，没有考虑到结合预测算法和电流信息来综合预测设备的故障情况。可见，现有技术存在缺陷，亟需解决。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种基于电流预测的3d打印故障监测方法及系统，能够结合预测算法和电流信息来精准预测设备的实时工作故障状况，提高设备的工作稳定性和设备健康程度，以提高3d打印的效率。
2、为了解决上述技术问题，本专利技术第一方面公开了一种基于电流预测的3d打印故障监测方法，所述方法包括：
3、在目标3d打印设备开始工作时，实时获取所述目标3d打印设备的电机驱动电路的实时电流信息以及当前时间参数；
4、根据所述目标3d打印设备的设备参数，从预设的模型数据库中确定出所述目标3d打印设备对应的预测模型；
5、将所述实时电流信息以及当前时间参数，输入至所述预测模型中，以得到所述实时电流信息对应的打印故障风险概率和故障类型；
6、根据所述目标3d打印设备的多个时间点的所述打印故障风险概率和故障类型，确定是否停止所述目标3d
7、作为一种可选的实施方式，在本专利技术第一方面中，所述实时电流信息包括所述目标3d打印设备的电机驱动电路的输出端电流、接地端电流、特定电子元器件接口电流和特定回路点位电流中的至少一种；和/或，所述设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。
8、作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述目标3d打印设备的设备参数，从预设的模型数据库中确定出所述目标3d打印设备对应的预测模型，包括：
9、对于预设的模型数据库中的任意一个候选预测模型，获取该候选预测模型对应的训练数据记录；
10、计算所述目标3d打印设备的设备参数与该候选预测模型对应的训练数据记录之间的相似度参数；
11、将所述相似度参数大于预设的参数阈值的所有所述候选预测模型，确定为所述目标3d打印设备对应的预测模型。
12、作为一种可选的实施方式，在本专利技术第一方面中，所述计算所述目标3d打印设备的设备参数与该候选预测模型对应的训练数据记录之间的相似度参数，包括：
13、计算所述训练数据记录中任意两个训练数据的数据来源设备参数之间的第一相似度；
14、根据所述第一相似度，对所述训练数据记录中的所有训练数据进行聚类划分，得到多个训练数据集合；每一所述训练数据集合中包括有多个相互之间的所述第一相似度大于相似度阈值的训练数据；
15、计算每一训练数据集合的所有训练数据对应的数据来源设备参数所组成的参数向量，和所述目标3d打印设备的设备参数的参数向量之间的第二相似度；
16、对所述训练数据记录中所有训练数据集合的所述第二相似度进行加权求和平均计算，得到该候选预测模型对应的与所述目标3d打印设备之间的相似度参数；其中，每一训练数据的所述相似度对应的权重包括第一权重和第二权重；所述第一权重与所述训练数据集合中的训练数据的数量成正比；所述第二权重与所述训练数据集合中的所有训练数据对应的所述第一相似度的平均值成正比。
17、作为一种可选的实施方式，在本专利技术第一方面中，所述预测模型包括多个预测模型；所述预测模型通过包括有多个训练电流信息和对应的时间参数和故障类型标注的训练数据集训练得到；所述实时电流信息或所述训练电流信息包括有多个电流大小信息和每一所述电流大小信息对应的电流获取位置；所述电流获取位置为3d打印设备的电机驱动电路的输出端、接地端、特定电子元器件接口或特定回路点位；所述故障类型或所述故障类型标注为特定元器件故障、压屏堵转故障、材料输出故障或材料堆叠故障；
18、以及，所述将所述实时电流信息以及当前时间参数，输入至所述预测模型中，以得到所述实时电流信息对应的打印故障风险概率和故障类型，包括：
19、将所述实时电流信息中的所有所述电流大小信息和对应的所述电流获取位置，以及当前时间参数，输入至每一所述预测模型中，以得到每一所述预测模型输出的所述实时电流信息对应的打印故障风险概率和故障类型；
20、对每一所述故障类型，计算该故障类型对应的所有所述预测模型输出的所述打印故障风险概率的加权求和平均值，以得到该故障类型对应的可能概率；其中，每一所述预测模型输出的所述打印故障风险概率对应的权重，与该预测模型的验证阶段的预测准确率成正比；
21、将所述可能概率最大的所述故障类型和其对应的可能概率，确定为所述实时电流信息对应的故障类型和打印故障风险概率。
22、作为一种可选的实施方式，在本专利技术第一方面中，所述根据所述目标3d打印设备的多个时间点的所述打印故障风险概率和故障类型，确定是否停止所述目标3d打印设备的工作，包括：
23、对所述目标3d打印设备的多个时间点的所述故障类型中的矛盾的故障类型进行剔除，以得到所述目标3d打印设备的多个候选故障类型和对应的时间点；
24、判断所述多个候选故障类型中，是否存在所述时间点为连续的第一数量个同一类型的故障类型且所述第一数量大于预设数量阈值，若是，则将该故障类型确定为所述目标3d打印设备对应的长期故障类型；
25、判断所述长期故障类型是否属于危险类型，且所有所述长期故障类型对应的所述打印故障风险概率的平均值是否大于预设的概率阈值，若是，则停止所述目标3d打印设备的工作。
26、作为一种可选的实施方式，在本专利技术第一方面中，所述对所述目标3d打印设备的多个时间点的所述故障类型中的矛盾的故障类型进行剔除，以得到所述目标3d打印设备的多个候选故障类型和对应的时间点，包括：
27、对于所述目标3d打印设备的多个时间点的所述故障类型中的任意两个不同类型的故障类型，判断该两个故障类型是否符合预设的矛盾类型规则，若是，则将该两个故障类型关联的矛盾计数均加1；
28、对于所述目标3d打印设备的多个时间点的所述故障类型中每一类型的故障类型的所述矛盾计数进行统计，并将所述矛盾计数大于预设的计数阈值，且所述矛盾计数的大小在所有矛盾计数中位于前预设数量位的所述类型的所有故障类型进行剔除，以得到所述目标3d打印设备的多个候选故障类型和对应的时间点。
29、本专利技术第二方面公开了一种基于电流预测的3d打印故障监测系统，所述系统包括：
30、获取模块，用于在目标3d打印设备开始工作时，实时获取所述目标3d打印设备的电机驱动电路的实时电流信息以及当前时间参数；
31、本文档来自技高网...
【技术保护点】
1.一种基于电流预测的3D打印故障监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于电流预测的3D打印故障监测方法，其特征在于，所述实时电流信息包括所述目标3D打印设备的电机驱动电路的输出端电流、接地端电流、特定电子元器件接口电流和特定回路点位电流中的至少一种；和/或，所述设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。
3.根据权利要求2所述的基于电流预测的3D打印故障监测方法，其特征在于，所述根据所述目标3D打印设备的设备参数，从预设的模型数据库中确定出所述目标3D打印设备对应的预测模型，包括：
4.根据权利要求3所述的基于电流预测的3D打印故障监测方法，其特征在于，所述计算所述目标3D打印设备的设备参数与该候选预测模型对应的训练数据记录之间的相似度参数，包括：
5.根据权利要求1所述的基于电流预测的3D打印故障监测方法，其特征在于，所述预测模型包括多个预测模型；所述预测模型通过包括有多个训练电流信息和对应的时间参数和故障类型标注的训练数据集训练得到；所述实时电流信息或所述训练电流信息包括有多
6.根据权利要求1所述的基于电流预测的3D打印故障监测方法，其特征在于，所述根据所述目标3D打印设备的多个时间点的所述打印故障风险概率和故障类型，确定是否停止所述目标3D打印设备的工作，包括：
7.根据权利要求6所述的基于电流预测的3D打印故障监测方法，其特征在于，所述对所述目标3D打印设备的多个时间点的所述故障类型中的矛盾的故障类型进行剔除，以得到所述目标3D打印设备的多个候选故障类型和对应的时间点，包括：
8.一种基于电流预测的3D打印故障监测系统，其特征在于，所述系统包括：
9.一种基于电流预测的3D打印故障监测系统，其特征在于，所述系统包括：
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于电流预测的3D打印故障监测方法。
...【技术特征摘要】
1.一种基于电流预测的3d打印故障监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于电流预测的3d打印故障监测方法，其特征在于，所述实时电流信息包括所述目标3d打印设备的电机驱动电路的输出端电流、接地端电流、特定电子元器件接口电流和特定回路点位电流中的至少一种；和/或，所述设备参数包括设备型号、设备用户参数、设备性能、设备名称中的至少一种。
3.根据权利要求2所述的基于电流预测的3d打印故障监测方法，其特征在于，所述根据所述目标3d打印设备的设备参数，从预设的模型数据库中确定出所述目标3d打印设备对应的预测模型，包括：
4.根据权利要求3所述的基于电流预测的3d打印故障监测方法，其特征在于，所述计算所述目标3d打印设备的设备参数与该候选预测模型对应的训练数据记录之间的相似度参数，包括：
5.根据权利要求1所述的基于电流预测的3d打印故障监测方法，其特征在于，所述预测模型包括多个预测模型；所述预测模型通过包括有多个训练电流信息和对应的时间参数和故障类型标注的训练数据集训练得到；所述实时电流信息或所述训练电流信息包括有多个电流大小信息和每一...
【专利技术属性】
技术研发人员：张胜哲，王九亮，
申请(专利权)人：深圳市智能派科技有限公司，
类型：发明
国别省市：
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。