论文部分内容阅读
3D打印技术是一项改变世界的新技术,它不仅减少了材料的消耗而且减少了对环境的污染。人们仅仅需要一台3D打印机就可以使得产品的生产方式变得私人化、定制化。但现如今大部分的3D打印产品精度较低,打印的模型存在阶梯状的纹路影响产品质量而且打印效率也较低。本文以熔融沉积成型技术(Fused deposition modeling,FDM)的3D打印机为研究对象提出了相应的解决方法。本文的主要研究内容包括以下几个方面:(1)首先分析了3D打印机的打印原理,找到了打印机在打印过程中产生误差的原因,建立了三维模型表面光滑程度的公式。其次验证了在模型切片和模型打印过程中分层厚度和打印角度是影响打印质量的主要原因,根据这些原因提出了增加打印质量的办法。最后从控制层面上分析了打印机的主要器件(步进电机)的基本结构和运行原理,根据步进电机的物理特性建立了它的数学模型。目前步进电机存在的主要问题是低频振动和高频丢步,使用Logistics函数对传统的S形加减速曲线分段处理,使得加减速曲线平滑且连续,能够减少步进电机在运行过程中丢步和振动现象又可以提高打印的效率。(2)由于S形加减速算法无闭环反馈,普通的PID算法不满足步进电机的精准控制。根据步进电机的加速特性提出了基于S曲线步进式PID算法。首先根据改进的S加减速曲线优化了步进调制过程,其次通过仿真实验找到步进电机的调制时间,最后通过仿真软件进行实验,发现了基于S曲线步进式PID比传统步进式PID更有优越性,在打印过程中提高了6.5%的打印效率,提高了3D打印机的精度减少了步进电机振动的现象。(3)由于S曲线步进式PID控算法的参数调节困难且繁琐,因此采用了模糊神经网络在线调节PID参数的方法解决。首先设计了模糊神经网络控制器,其次建立了符合S曲线的步进式PID参数调节的规则,给出了基于S曲线的步进式模糊神经网络PID的学习方法,并且将这一模糊规则通过神经网络训练用于PID参数的调节。最后通过MATLAB软件对算法进行比较发现,基于S曲线的模糊PID使得步进电机的速度曲线变化呈S形,符合步进电机的加速度规律,有较高的精准度具有一定的抗干扰能力。而S曲线的步进式模糊神经网络自适应PID有自学习的能力总体上优于模糊PID。相对于传统的PID控制算法,提出的算法响应速度更快,鲁棒性更好,为FDM3D打印机的打印精度提供了理论基础。