基于支持向量机的3D打印模型尺寸误差预测方法与流程

本发明涉及辅助制造技术领域，具体地，涉及一种基于支持向量机(Support Vector Machine，SVM)的3D打印模型尺寸误差预测方法。

背景技术：

3D打印模型尺寸预测的目的是将打印模型分为是否满足尺寸误差要求的两大类，辅助打印者在打印前、设定打印参数时考虑打印结果，提高打印质量，降低耗材浪费和时间损失。目前为止，市面上3D打印机产品层出不穷，培训资料也源源不断，但3D打印的打印结果控制依旧需要打印机操作者的经验，采用基于支持向量机的机器学习预测算法有效降低了对打印机操作者的要求，对于增强3D打印机本身的经济实用性具有良好的意义。

SVM是一种建立在统计学习理论基础上的线性分类器，其算法是一个凸优化问题，其局部最优解即为全局最优解。它的特点是根据结构风险最小化原则，在有限的样本信息在模型的复杂性和泛化学习能力之间寻求最佳这种，能有效避免过度学习或陷入局部最优等缺点。以二维数据为例，两类数据点分布在一个二维平面中，其基本原理是通过训练找到能够分开着两类数据点的分类县。虽然这样的分类线有很多，但有且仅有一条分界线满足到两类数据点距离最短的一条分类线。对多维数据而言，数据点分布在多维空间内，SVM分类器得到的是最优分类超平面。

经检索，公开号为CN105643944A、申请号201610200113.5的中国发明专利申请，该发明公开了一种3D打印机稳定控制方法及控制系统，该发明的3D打印机稳定控制方法及控制系统通过构造最优门限误差值的模型，通过推荐控制值的衰减积分平衡点实时选取最优门限误差值，可以较好的解决3D打印机成型过程的推荐控制值随着门限值的变化而发生均衡与非均衡衰减的现象，提高了打印机的稳定性。但是该专利侧重于通过解决打印机设备硬件部分的稳定性问题改善打印质量，无法综合考虑整个打印过程中各因素的影响。

技术实现要素：

针对现有技术中的缺陷，本发明的目的是提供一种基于支持向量机的3D打印模型尺寸误差预测方法，所述方法对打印参数与模型尺寸误差的关系采用支持向量机建模，对同一模型在不同参数设置下的尺寸误差情况进行预测，给出该参数设置中模型尺寸误差超过阈值的可能性预测结果，供打印者参考，从而实现优化打印质量。

为实现以上目的，本发明提供一种基于支持向量机的3D打印模型尺寸误差预测方法，所述方法包括如下步骤：

第一步、三维模型设计，所述三维模型为成品件的三维模型，用于测试3D打印机打印水平；

第二步、将第一步得到的三维模型导入3D打印机，并在3D打印机上设定不同的打印参数打印；

第三步、三维模型关键点、关键边位置确定并测得点云数据；

将第一步得到的三维模型的主要几何特征进行归纳确定，包括圆孔圆心、圆弧弧度、各边长及其交点；确定的主要几何特征在测量仪器下测量获得点云数据；

第四步、通过与标准模型最小二乘匹配获得尺寸误差；

将第三步所得点云数据与第一步得到的三维模型进行最小二乘匹配，获得3D打印机打印成品件的尺寸误差；

第五步、将第四步得到的成品件尺寸误差及第二步得到的与之对应的打印参数形成数据库，并将数据库按成品件随机分组分为两类：训练组及预测组；

第六步、采用训练组对SVM模型进行训练，并采用预测组对经过训练的SVM模型的预测正确率进行验证，筛选出符合要求的SVM模型即预测模型；

第七步、将新的打印参数作为输入预测模型的尺寸误差。

优选地，第一步中，所述的三维模型的几何特征包含常用模型的点、线、面、孔，且便于采用光学测量仪或者三维探针测量。

优选地，第四步中，所述的通过与标准模型最小二乘匹配获得尺寸误差，是指：将第三步得到的点云数据与第一步所设计的成品件的三维模型相匹配，以获得最小二乘误差值。

优选地，第五步中，所述的随机分组为多次分组，分组依据数据组总数而定。

优选地，第五步中，所述的数据库是一个多维数组，其由两部分组成：打印参数和标签值。

优选地，所述的预测模型作为软件系统独立于3D打印机存在，或者作为算法模块内置到3D打印参数设置系统中，作为参数设置后的打印效果反馈，辅助指导打印者设定参数。

与现有技术相比，本发明具有如下的有益效果：

本发明的尺寸误差预测是建立在整个打印过程之上，是综合考虑打印过程中各个可能影响打印成品件尺寸误差的因子，在此基础上建立支持向量机模型，并基于历史打印数据之上的尺寸误差预测。

本发明所述方法能够通过打印参数来预测该参数系列下三维模型打印出的成品件的尺寸误差范围，有利于提高打印效率，降低不必要的材料损耗。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例的流程图；

图2为本发明一实施例的三维模型结构示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

如图1所示，一种基于支持向量机的3D打印模型尺寸误差预测方法，所述方法包括以下步骤：

步骤1、设计三维模型

所述三维模型为成品件的三维模型，用于测试3D打印机打印水平；

三维模型需要具备惯用工件的几何特征，包括但不限于点：线(直线、曲线、弧)，面(曲面、平面)，孔(通孔、台阶孔)等，如图2所示。

步骤2、将步骤1得到的三维模型导入3D打印机，并在3D打印机上设定不同的打印参数打印；所述的打印参数为三维模型的打印参数，包括：打印层厚，模型在打印过程中的摆放角度，模型打印过程中支撑的参数如支撑高度、支撑倾斜度、支撑结构与模型的接触面积、支撑结构的密度，环境参数如温度、湿度，材料属性代号。

通常情况下，以SLA打印机为例，涉及到的需要设置的打印参数超过十种，打印者可通过自身判断决定关键的参数设置，其中包括但不仅限于：打印层厚、模型摆放角度、支撑结构的接触点大小、结构角度等，环境条件如温度、湿度等，打印材料如型号1、型号2等。

步骤3、三维模型关键点、关键边位置确定并测得点云数据；

将步骤1得到的三维模型的主要几何特征进行归纳确定，包括圆孔圆心、圆弧弧度、各边长及其交点；确定的主要几何特征在测量仪器下测量获得点云数据；

所述的三维关键点，包括：线的起点及终点、圆弧的圆心、孔及突出柱的几何特征，以及模型的轮廓信息，具体取点中影像测量通过图像处理获得点云数据，接触式测量通过设定单位面积cm²或单位长度cm内的取点数量获得点云数据，一般设定单位面积cm²按矩阵方式取点五个或者单位长度cm等距取点十个。

所述的关键边是对三维模型零件外形及功能起决定性作用的边,包括组成三维模型轮廓外形的边如直线,圆弧,组成三维模型关键孔、柱的在某一投影面形成的轮廓圆弧或直线、曲线边。

对于关键点、关键边，采用接触式影像仪测量可获得关键点、关键边的点云数据，采用接触式测量如探针测量可获得关键点、关键边的点云数据；其中接触式测量需要确定单位面积或者单位长度的测量点数量。

步骤4、通过与标准模型进行最小二乘匹配获得尺寸误差；

将步骤3所得点云数据与步骤1的三维模型的实际点、线、面进行最小二乘匹配，获得3D打印机打印成品件的尺寸误差结果。

步骤5、将步骤4得到的成品件尺寸误差及步骤2得到的与之对应的打印参数形成数据库，并将数据库按成品件随机分组分为两类：训练组及预测组；

所述的数据库是一个多维数组，其由两部分组成：打印参数和标签值。所述的标签值由每一组打印参数对应成品件测量匹配后得到的的尺寸误差转换而来，设定一定的尺寸误差阈值，将大于该阈值的尺寸误差值设定为-1、小于等于该阈值的尺寸误差值设定为+1，假设有n个打印参数，并打印了m个模型，则该数据组为m×(n+1)的矩阵。

随机分组要多次随机分组，分组依数据组总数情况而定，一般选择三组、五组等；且将步骤4中的误差结果按一定的阈值设定为+1(尺寸误差小于该阈值)，-1(尺寸误差大于等于该阈值)。

步骤6、采用训练组对SVM模型进行训练，并采用预测组对经过训练的SVM模型的预测正确率进行验证、筛选出符合要求的SVM模型即预测模型；

不同的随机分组结果训练出不同的SVM模型，使用对应的测试组对SVM模型进行测试，选择预测准确率高的SVM模型，一般准确率大于、等于85％为宜。

步骤7、将新的打印参数作为输入预测模型的尺寸误差；

将步骤6中高预测正确率的模型确定为预测模型，并对新的打印参数下模型的尺寸误差进行预测，确定是否超过特定的尺寸误差(根据实际成品质量要求情况设置的尺寸误差阈值)限制。

本发明上述方法，分析了打印过程中可能对成品件质量起影响作用的因子(包括环境参数、模型参数、及设备参数：打印机打印前的设定参数)，提出了综合考虑整个打印过程并采用数理统计的方法建立了影响因子与成品件尺寸误差的预测模型，可以作为设备内置软件，也可作为外设程序预先预测某种打印参数设置下的成品件尺寸误差情况，对打印质量进行基于历史经验的预判，提高打印成品件的成功率。

本发明能够通过打印参数来预测该参数系列下模型的尺寸误差范围，有利于提高打印效率，降低不必要的材料损耗。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。