相关实验视频
Updated: Jul 26, 2026
08:35
Hybrid Printing for the Fabrication of Smart Sensors
Published on: January 31, 2019
8.2K
机器学习方法来监测喷墨喷射状态,基于皮埃佐自传感器
Thanh Huy Phung1,2, Sang Hyeon Park3, Inyoung Kim4,5
1Department of Mechatronics, Ho Chi Minh City University of Technology (HCMUT), 268 Ly Thuong Kiet Street, District 10, Ho Chi Minh City, 700000, Vietnam.
Scientific reports
|October 23, 2023
概括
这项研究通过使用机器学习来通过自传感信号监测喷嘴状态来提高喷墨打印生产率,达到99.6%以上的准确性. 混合方法进一步完善监测,以提高效率和质量控制.
科学领域:
- 数字制造 数字制造 数字制造
- 增材制造技术 增材制造技术
- 传感器技术 传感器技术
背景情况:
- 喷墨打印通过使用多喷嘴提供了高生产率.
- 在多喷嘴系统中监测单个喷嘴状态是复杂的.
- 确保喷射喷嘴的选择对于打印质量至关重要.
研究的目的:
- 改进喷墨打印头监控,使用自传感信号和机器学习.
- 开发精确的喷嘴喷射条件的分类.
- 为了提高多喷嘴喷墨监控的效率和准确性.
主要方法:
- 从喷墨喷嘴中获取自传感信号.
- 从自传感数据中提取特征,用于机器学习模型训练.
- 开发用于喷嘴状态标签的视觉算法.
- 对喷嘴喷射分类的监督机器学习的实施.
- 建议一种混合监测方法,对喷射概率进行分类.
主要成果:
- 机器学习模型在喷嘴喷射条件下实现了超过99.6%的分类准确度.
- 混合监测方法有效地将喷嘴分为某些喷射,某些非喷射和疑问区域.
- 喷射可视化用于验证怀疑区域中的喷嘴,提高监控效率.
结论:
- 自传感信号与机器学习相结合,提供高度准确的喷墨喷嘴监控.
- 混合监测策略优化了监测准确性和效率之间的平衡.
- 这种方法对于在生产性多喷嘴喷墨印刷过程中保持高质量的输出至关重要.
