[发明专利]一种基于高斯过程和形状补偿的桥型结构高精打印方法

说明书

本发明公开了一种基于高斯过程和形状补偿的桥型结构高精打印方法。本发明步骤：1基于实验训练高斯过程模型，开展桥长与打印精度间的高可信度的关系预测；2基于遗传算法、蒙特卡洛模拟和训练的高斯过程模型，确定保精度免支撑的桥身高度设计数值；3根据优化结果对桥型结构模型进行补偿，通过修改桥身高度设计数值，得到经过几何补偿后的桥型结构模型；最后打印该模型并验证。本发明针对3D打印领域中常见的桥型结构模型，将高斯过程模型、遗传算法和蒙特卡洛模拟相结合，并用几何补偿方法提高打印精度和质量。解决了目前3D打印中打印桥型结构时，尽量减少支撑结构却无法保证打印精度的问题，使得桥型结构表面质量和整体打印精度都获得提高。

技术领域

本发明涉及3D打印领域，具体而言，涉及一种基于高斯过程和形状补偿的桥型结构高精打印方法。

背景技术

3D打印是一种根据几何模型，将金属或塑料粉末以连续分层沉积的方式来构造物体的技术。桥型结构在几何模型中非常常见，例如几字型零件，在打印跨度较大的桥型结构时，通常需要增加支撑结构。如果没有支撑结构，3D打印逐层沉积的特性会导致桥型结构桥身打印坍塌、弯曲，亦或产生巨大的形变，导致打印失败。如果增加大量的支撑结构，则会增加额外的打印时间，且支撑结构在打印完后需要进行人工清除，这不仅会影响打印件表面质量，同时也导致打印材料的浪费。

为此，如何尽量减少支撑结构的使用，且保证桥型结构的打印质量(即精度)，是目前3D打印中打印具有桥型结构模型的一个研究重点。

为了减少支撑结构，现有工作主要分为：(1)优化打印方向，以减少对支撑结构的需求；(2)调整工艺参数，增加支撑点间可打印距离，从而减少对支撑结构的需求。然而，上述方法是一种通用的方法，无法智能地根据每一个零件的几何形状做出调整。另一方面，为了提高打印精度，除了优化工艺参数之外，越来越多的研究人员通过对几何模型事先进行补偿(调整)，以使得经过补偿的模型在打印后自动变形为与理想模型几何形状更接近的打印件。此类方法主要分为实验依赖法和人工智能方法。前一种方法，通过多次实验和测量，获得几何模型各个位置的误差数据，据此对原几何模型做出调整。这通常会浪费大量打印材料和时间，同时补偿方式与模型紧密相关，补偿知识的迁移性较弱。后一种方法，往往利用人工智能方法(例如人工神经网络)，基于打印件的测量数据(或扫描数据)与精确模型之间在对应点上的偏移，进行学习和回归预测。该类方法目前存在的主要问题是未考虑打印过程的不确定性(认知不确定性)，对于任意对应点的误差补偿，通常只返回一个预测值，无法确定该值的置信度如何。如果对模型实施本身置信度较低的几何误差补偿，则很可能导致模型的精度无法得到提升。

发明内容

针对上述问题，本发明提出了一种基于高斯过程和形状补偿的桥型结构高精打印方法。该方法基于高斯过程回归，遗传算法和蒙特卡洛模拟得出优化后(补偿后)桥型结构几何模型的、高置信度的设计数值，据此修改模型，并开展打印。这不仅能减少或避免支撑结构的使用，还能保证桥型结构的打印精度和表面质量。

本发明解决其技术问题所采用的技术方案包含如下步骤：

步骤1基于实验训练高斯过程模型，开展桥长与打印精度间的高可信度的关系预测；

步骤2基于遗传算法、蒙特卡洛模拟和步骤1训练的高斯过程模型，确定保精度免支撑的桥身高度设计数值；

步骤3根据步骤2优化结果对桥型结构模型进行补偿，通过修改桥身高度设计数值，得到经过几何补偿后的桥型结构模型；最后打印该模型并验证。

进一步的，步骤1具体实现如下：

1-1.基于实验获得数据，打印多组桥型结构模型，每个桥型结构模型桥身长度为l，桥身高度为h；

1-2.对步骤1-1中打印的桥型结构模型开展测量，记录其形变大小；首先，测量桥身中心点处的桥身高度；然后，从中心点向两端均匀扩散取多个测量点，记录每个测量点与桥中心点距离为d，并记录该测量点处的桥身高度h'；