| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第14-31页 |
| 1.1 研究背景及意义 | 第14-18页 |
| 1.2 国内外研究现状 | 第18-28页 |
| 1.2.1 信号处理与特征提取方法及应用的研究现状 | 第18-21页 |
| 1.2.2 模式识别方法的研究现状 | 第21-22页 |
| 1.2.3 3D打印过程状态监测与故障诊断的研究现状 | 第22-25页 |
| 1.2.4 3D打印过程中产品翘曲变形的研究现状 | 第25-28页 |
| 1.3 研究内容及框架 | 第28-29页 |
| 1.3.1 论文主要研究内容 | 第28-29页 |
| 1.3.2 论文的总体框架 | 第29页 |
| 1.4 本章小结 | 第29-31页 |
| 2 熔融沉积成型3D打印过程中产品翘曲变形的影响因素与机理研究 | 第31-43页 |
| 2.1 引言 | 第31页 |
| 2.2 熔融沉积成型3D打印机的结构与工作原理 | 第31-36页 |
| 2.2.1 熔融沉积成型3D打印机的机械结构 | 第31-32页 |
| 2.2.2 熔融沉积成型3D打印技术的参数分析 | 第32-34页 |
| 2.2.3 熔融沉积成型3D | 第34-35页 |
| 2.2.4 熔融沉积成型3D打印工作过程 | 第35-36页 |
| 2.3 熔融沉积成型3D打印产品的翘曲变形机理分析 | 第36-41页 |
| 2.3.1 成型件翘曲变形的形成过程 | 第36-40页 |
| 2.3.2 产品翘曲变形的影响因素 | 第40-41页 |
| 2.4 熔融沉积成型3D打印产品翘曲量的测量方法 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 3 基于Ansys的熔融沉积成型3D打印产品翘曲缺陷的热力仿真 | 第43-66页 |
| 3.1 引言 | 第43页 |
| 3.2 熔融沉积成型加工过程中的温度场分析与仿真模型构建 | 第43-45页 |
| 3.2.1 FDM加工过程的热传导分析 | 第43-44页 |
| 3.2.2 FDM加工过程中的仿真模型构建 | 第44-45页 |
| 3.2.3 建模仿真过程中的条件假设 | 第45页 |
| 3.3 面向工艺参数变化的FDM加工过程温度与翘曲仿真 | 第45-58页 |
| 3.3.1 扫描速度对成型件翘曲变形的影响仿真 | 第45-48页 |
| 3.3.2 打印机挤出头温度变化对翘曲变形的影响仿真 | 第48-50页 |
| 3.3.3 热床温度对成型件翘曲变形的影响仿真 | 第50-52页 |
| 3.3.4 扫描速度、挤出头温度与热床温度三因素的正交设计仿真 | 第52-58页 |
| 3.4 面向工件参数变化的FDM加工过程温度与翘曲仿真 | 第58-62页 |
| 3.4.1 断面长度对成型件翘曲变形的影响仿真 | 第58-59页 |
| 3.4.2 堆积层数对成型件翘曲变形的影响仿真 | 第59-62页 |
| 3.5 面向FDM典型故障的成型件加工过程热力仿真 | 第62-65页 |
| 3.5.1 填充不足对成型件翘曲变形的仿真分析 | 第62-64页 |
| 3.5.2 运动单元故障对翘曲变形的仿真分析 | 第64-65页 |
| 3.6 本章小结 | 第65-66页 |
| 4 基于AEhits的熔融沉积成型3D打印产品翘曲状态的识别方法研究 | 第66-84页 |
| 4.1 引言 | 第66页 |
| 4.2 声发射采集系统的原理与搭建 | 第66-68页 |
| 4.2.1 声发射机理 | 第66-67页 |
| 4.2.2 基于AEhits的FDM加工过程成型件翘曲信号可行性分析 | 第67页 |
| 4.2.3 采集系统的组成及安装方式 | 第67-68页 |
| 4.3 随机森林的基础理论与算法研究 | 第68-73页 |
| 4.3.1 决策树的概念与理论 | 第68-70页 |
| 4.3.2 集成学习与自助采样方法 | 第70-72页 |
| 4.3.3 基于决策树与集成学习的随机森林算法研究 | 第72-73页 |
| 4.4 基于随机森林的熔融沉积成型3D打印产品翘曲状态的识别 | 第73-79页 |
| 4.4.1 基于AEhits信号局部极大值的样本筛选及特征选择 | 第73-75页 |
| 4.4.2 基于SOM算法的FDM加工产品翘曲状态分类分析 | 第75-77页 |
| 4.4.3 基于AEhits样本的随机森林模型训练过程 | 第77-78页 |
| 4.4.4 基于随机森林与AEhits的产品翘曲状态识别流程分析 | 第78-79页 |
| 4.5 基于支持向量机和随机森林的产品翘曲状态识别方法对比 | 第79-83页 |
| 4.5.1 支持向量机的概念与理论研究 | 第79-82页 |
| 4.5.2 基于支持向量机的熔融沉积成型加工产品翘曲状态的识别流程 | 第82页 |
| 4.5.3 面向FDM成型件翘曲状态的支持向量机和随机森林识别方法应用对比 | 第82-83页 |
| 4.6 本章小结 | 第83-84页 |
| 5 熔融沉积成型3D打印产品翘曲状态识别的试验分析 | 第84-98页 |
| 5.1 引言 | 第84页 |
| 5.2 试验方案的设计 | 第84-87页 |
| 5.2.1 试验设备与平台搭建 | 第84-86页 |
| 5.2.2 试验方案 | 第86-87页 |
| 5.3 试验分析及讨论 | 第87-96页 |
| 5.3.1 熔融沉积成型3D打印产品翘曲AE信号的预处理与特征选择 | 第87-89页 |
| 5.3.2 基于SOM算法的成型件翘曲状态样本分布研究 | 第89-90页 |
| 5.3.3 基于随机森林的成型件翘曲变形状态识别模型训练与测试 | 第90-93页 |
| 5.3.4 基于支持向量机的成型件翘曲变形状态识别模型训练与测试 | 第93-96页 |
| 5.3.5 熔融沉积成型打印过程成型件翘曲状态识别效果的对比分析 | 第96页 |
| 5.4 本章小结 | 第96-98页 |
| 6 总结与展望 | 第98-101页 |
| 6.1 总结 | 第98-99页 |
| 6.2 展望 | 第99-101页 |
| 参考文献 | 第101-107页 |
