[发明专利]一种基于人工智能技术的3D打印工艺参数优化方法在审
申请号: | 201910112616.0 | 申请日: | 2019-02-13 |
公开(公告)号: | CN109800533A | 公开(公告)日: | 2019-05-24 |
发明(设计)人: | 阙锦龙;郭振宇;姚俊峰 | 申请(专利权)人: | 福建省纳金网信息技术有限公司 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;B29C64/386;B33Y50/00 |
代理公司: | 泉州市文华专利代理有限公司 35205 | 代理人: | 陈雪莹 |
地址: | 362200 福建省泉州市晋江市洪*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 技术参数 打印记录 工艺参数优化 人工智能技术 打印 训练数据库 目标函数 优化算法 预测函数 集合 打印结果 函数规律 输出特征 输入特征 智能优化 定义域 有效地 最优解 评估 算法 预设 分析 | ||
1.一种基于人工智能技术的3D打印工艺参数优化方法,其特征在于:包括:
步骤S1、选取3D打印机系统的训练数据库中的m个打印记录的技术参数构成输入特征集合X,X={X(1),X(2),X(3),…,X(i),…,X(m)},m为大于1的整数,i表示序号且为整数,i∈[1,m],输入特征X(i)表示第i个打印记录,表示第i个打印记录的第n个技术参数类型的数值,n表示序号且正整数;
步骤S2、从所述训练数据库中选取m个打印记录的评估数值构成输出标签集合Y,Y={y(1),y(2),y(3),…,y(i),…,y(m)},y(i)表示在所述第i个打印记录中与技术参数相对应的评估数值;
步骤S3、建立预测函数
其中θn表示第n个技术参数类型的权重参数,θ0为常数;
步骤S4、对所述预测函数使用第一优化算法,求得所述θn的值。
步骤S5、通过求得的所述θn的值,建立目标函数fθ(z1,z2,z3,…,zn),fθ(z1,z2,z3,…,zn)=θ0+θ1z1+θ2z2+θ3z3+…+θnzn,zn表示第n个技术参数类型的数值,并预设zn的定义域;
步骤S6、对所述目标函数fθ(z1,z2,z3,…,zn)使用第二优化算法求得最优解表示所述3D打印机的第n个技术参数类型的最优取值。
2.根据权利要求1所述的一种基于人工智能技术的3D打印工艺参数优化方法,其特征在于:所述步骤S4中的第一优化算法是梯度下降法,具体包括:
步骤S41、建立损失函数J(θ1,θ2,θ3,…,θn),
步骤S42、对所述损失函数J(θ1,θ2,θ3,…,θn)进行关于θj的偏导,
其中j表示序号且为正整数,θj表示第j个所述权重参数;
步骤S43、再进行多元线性回归运算,
通过函数minmize(J(θ1,θ2,θ3,…,θn)),
最后获得θ1,θ2,θ3,…,θn的值。
3.根据权利要求1所述的一种基于人工智能技术的3D打印工艺参数优化方法,其特征在于:所述步骤S6中的第二优化算法是粒子群算法,具体包括:
步骤S61、将一次所述打印记录视为一个粒子,所述n个技术参数类型的数值视为所述粒子的位置Z(k)(t),所述n个技术参数类型的数值变化量视为所述粒子的速度V(k)(t),
其中k与t均表示序号且为正整数;表示第k个粒子在第t次迭代的第n维位置分量,所述第n维位置的取值即为第n个技术参数类型的数值;表示第k个粒子在第t次迭代的第n维速度分量,所述第n维速度分量的取值即为第n个技术参数类型的数值变化量;
设定所述粒子的总数量为K个,最大迭代次数为T次,K与T均为正整数,初始化K个所述粒子的位置Z(k)(t)与速度V(k)(t);
步骤S62、计算K个所述粒子在第t次迭代的目标函数值从中选择目标函数值最高的粒子的位置作为全局最优粒子位置,每个粒子保存在迭代过程中自身目标函数值最高的位置作为单体历史位置;
表示第k个粒子的单体历史位置,表示其第n维位置分量;
Gbest表示全局最优粒子位置,pgn表示其第n维位置分量;
步骤S63、更新所述粒子的位置和速度,具体为:
其中c1为个体学习因子,c2为社会学习因子,r1与r2为随机值,r1∈(0,1),r2∈(0,1);
步骤S64、判断迭代次(t+1)是否大于最迭代次数T,如果“是”,则得到k个粒子的位置Z(k)(T),其中目标函数值最高的粒子位置即为最优位置如果“否”,则转到步骤S62。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建省纳金网信息技术有限公司,未经福建省纳金网信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910112616.0/1.html,转载请声明来源钻瓜专利网。