一种基于神经网络的3D打印混凝土力学性能在线监测方法技术

本发明专利技术公开了一种基于神经网络的3D打印混凝土力学性能在线监测方法，包括以下步骤：步骤一、神经网络模型训练：以3D打印混凝土力学性能为输出值将神经网络训练成熟；步骤二、模型输入特征采集：输入恒定特征值和实时采集变化特征值；步骤三、在线监测力学性能：基于采集的特征数据通过成熟的神经网络模型计算3D打印混凝土打印成品力学性能；步骤四、监测结果反应：基于监测结果评估3D打印混凝土打印成品力学性能状态、绘制产品力学性能分布图、制定调整方案并实现人机交互。本发明专利技术可以实现在3D打印前对打印成品力学性能分布的模拟与预测，3D打印过程中对混凝土3D打印成品的力学性能监测、评估，以及绘制产品力学性能分布图，可用于优化产品打印路径，指导产品的使用。

【技术实现步骤摘要】
一种基于神经网络的3D打印混凝土力学性能在线监测方法
本专利技术属于3D打印混凝土
，具体涉及一种基于神经网络的3D打印混凝土力学性能在线监测方法。
技术介绍
3D打印混凝土技术是一种按照设定好的三维路径通过移动挤出头成条挤出、逐层叠加建造构件整体的建造技术，由于3D打印混凝土技术随喷头挤出方向堆叠成型的施工方式，使得3D打印混凝土的物理结构具有方向性，进一步使得3D打印混凝土打印成品的力学性能、耐久性能以及微观结构等具有方向性，即各向异性，这就给3D打印混凝土的性能检测带来了困难。普通浇筑混凝土试件只需要检测任意一个方向的力学性能即可，而3D打印混凝土的力学性能在三维空间3个方向上各不相同，所以完全检测一个3D打印混凝土试件的力学性能，至少需要检测三组试件，这无疑增加了检测劳动量。3D打印混凝土的各向异性受到打印材料、施工工艺和施工环境的影响，在一次打印过程中，这些影响因素中有些是恒定不变的，如打印材料中纤维的长度和直径、打印喷头的出口形状和直径，也有一些是随着打印过程会发生变化的，如打印材料加水拌和后经历的时间、挤出压力、环境温度等，由于这些复杂的影响因素，很难依靠某一个具体的公式将这种关系表示出来，这给3D打印混凝土打印成品的力学性能监测和控制带来困难。神经网络模型是基于生物学中人脑神经科学的研究成果而演化而来的人工神经网络模型，它具有超出一般物理数学公式的非线性处理能力和自学习能力，适合用于处理混凝土材料科学领域复杂的非线性关系。
技术实现思路
针对现有技术中存在的不足，本专利技术提供一种基于神经网络的3D打印混凝土力学性能在线监测方法，本专利技术能够用于3D打印混凝土力学性能影响因素及影响规律的研究，实现在3D打印前对打印成品力学性能分布的模拟与预测，3D打印过程中对混凝土3D打印混凝土打印成品的力学性能监测、评估，以及绘制产品力学性能分布图，可用于优化产品打印路径，指导产品的使用。为实现上述目的，本专利技术采用以下技术方案：本专利技术提供一种基于神经网络的3D打印混凝土力学性能在线监测方法，包括以下步骤：步骤一、神经网络模型训练。以打印材料性能参数、系统打印参数和环境参数为训练数据，以3D打印混凝土力学性能为输出值将神经网络模型训练成熟；步骤二、模型输入特征采集。采集恒定特征值、时间变化特征值、从打印路径中实时提取的变化特征值及传感器实时采集的变化特征值，并将采集的数据用于在线监测；步骤三、在线监测力学性能。在步骤一训练成熟的神经网络模型中输入步骤二采集的特征数据计算3D打印混凝土打印成品力学性能；步骤四、监测结果反应。基于步骤三的监测结果评估打印产品力学性能状态、绘制产品力学性能分布图、制定调整方案、实现人机交互并执行选择方案。作为优选的技术方案，所述步骤一中，神经网络模型训练数据包括：打印材料性能参数：出机屈服应力、出机黏度、出机流动度、纤维掺量、纤维长度、纤维直径、纤维弹性模量、材料出机时间、浇筑试件力学性能、3D打印混凝土力学性能；系统打印参数：打印层高、喷头出口尺寸、喷头出口形状、同层相邻打印条重叠率、单层填充率、挤出压力、上下层路径交叉参数、上下层打印时间间隔；环境参数：温度、湿度。所述出机屈服应力、出机黏度及出机流动度为打印材料加水后15min内测得的材料屈服应力值、黏度值及流动度值；所述纤维掺量、长度、纤维直径及纤维弹性模量为打印材料中掺入纤维的掺量、长度、直径及弹性模量，打印材料中未掺入纤维时，纤维长度、纤维直径及纤维弹性模量为0；所述材料出机时间为打印材料从加水搅拌到从打印喷头挤出的时间段；所述浇筑试件力学性能包括浇筑试件抗压强度、抗折强度和抗拉强度，所述3D打印混凝土力学性能为神经网络模型输出层特征值，包括3D打印混凝土三个方向抗压强度、三个方向抗折强度和层间粘结强度。所述同层相邻打印条重叠率为相同打印层相邻打印条的重叠宽度与喷头出口直径的比值，没有重叠时，取常数0；所述单层填充率为以层为单位设置的打印体积填充率，可以以总体体积填充率代替，不低于90％；所述挤出压力为打印条从打印喷头挤出时对打印喷头内壁的压力；所述上下层路径交叉参数为某打印层打印条与相邻下层打印条之间的交叉角度，从竖直向上或竖直向下的观测角度，打印条交叉角度是不大于90°的锐角或者直角；所述上下层打印时间间隔为打印相邻层时，喷头出口中心扫过相同水平坐标时的时间差。作为优选的技术方案，所述步骤二中，采集的特征包括：恒定特征值：出机屈服应力、出机黏度、出机流动度、纤维掺量、纤维长度、纤维直径、纤维弹性模量、浇筑试件力学性能、喷头出口尺寸、喷头出口形状；时间变化特征值：材料出机时间；从打印路径中实时提取的变化特征值：打印层高、同层相邻打印条重叠率、单层填充率、上下层路径交叉参数、上下层打印时间间隔；传感器实时采集的变化特征值：挤出压力、温度、湿度。所述恒定特征值为按照相关标准检测获得的结果数据，通过人工导入的方法采集；所述时间变化特征值由人工输入材料开始加水搅拌的时间，由计时器计算并采集从开始加水搅拌到从打印喷头挤出的时间段；所述从打印路径中实时提取的变化特征值为特征采集模块根据打印路径实时计算出的数据；所述传感器实时采集的变化特征值为打印过程中通过传感器实时监测到的相关数据，所述挤出压力通过贴附在打印喷头内壁上的压力传感器实时监测。作为优选的技术方案，所述步骤四中，将步骤三在线监测的力学性能数据与人工设定的力学性能数据进行对比，当监测值大于等于设定值时，绘制3D打印混凝土打印成品力学性能分布图，当监测值低于设定值时，报警提醒，制定调整方案，进行人机交互，并执行调整方案；所述3D打印混凝土打印成品力学性能分布图包括三个方向的抗压强度分布图各一幅、抗压强度各向异性分布图一幅、三个方向的抗折强度分布图各一副、抗折强度各向异性分布图一幅、层间粘结强度分布图一幅，以颜色深浅或颜色变化来表示力学性能的变化；所述调整方案根据监测值与设定值的差值计算得到。抗压强度或抗折强度偏低时，增大单层填充率；层间粘结强度偏低时，减小上下层打印时间间隔。从规划好的打印路径中提取打印路径特征值，预设出机时间，以常数代替传感器实时采集的变化特征值，可以将一种基于神经网络的3D打印混凝土力学性能在线监测方法用于打印前3D打印混凝土力学性能的预测。从使用的打印路径中提取打印路径特征值，输入真实的时间变化特征值，以常数代替传感器实时采集的变化特征值，可以将一种基于神经网络的3D打印混凝土力学性能在线监测方法用于打印后3D打印混凝土力学性能的计算。与现有技术相比，本专利技术的有益效果为：(1)本专利技术可以利用打印材料性能参数、系统打印参数以及环境参数对3D打印混凝土材料各方向的力学性能进行计算，从而简化3D打印混凝土力学性能检测过程，节约人力、物力。(2)本专利技术可以在打印前预设打印过程数据，进而本文档来自技高网...

【技术保护点】
1.一种基于神经网络的3D打印混凝土力学性能在线监测方法，其特征在于，包括以下步骤：/n步骤一、神经网络模型训练；以打印材料性能参数、系统打印参数和环境参数为训练数据，以3D打印混凝土力学性能为输出值将神经网络模型训练成熟；/n步骤二、模型输入特征采集；采集恒定特征值、时间变化特征值、从打印路径中实时提取的变化特征值及传感器实时采集的变化特征值；/n步骤三、在线监测力学性能；在步骤一训练成熟的神经网络模型中输入步骤二采集的特征数据计算3D打印混凝土打印成品力学性能；/n步骤四、监测结果反应；基于步骤三的监测结果评估3D打印混凝土打印成品力学性能状态、绘制产品力学性能分布图、制定调整方案、实现人机交互并执行选择方案。/n

【技术特征摘要】
1.一种基于神经网络的3D打印混凝土力学性能在线监测方法，其特征在于，包括以下步骤：
步骤一、神经网络模型训练；以打印材料性能参数、系统打印参数和环境参数为训练数据，以3D打印混凝土力学性能为输出值将神经网络模型训练成熟；
步骤二、模型输入特征采集；采集恒定特征值、时间变化特征值、从打印路径中实时提取的变化特征值及传感器实时采集的变化特征值；
步骤三、在线监测力学性能；在步骤一训练成熟的神经网络模型中输入步骤二采集的特征数据计算3D打印混凝土打印成品力学性能；
步骤四、监测结果反应；基于步骤三的监测结果评估3D打印混凝土打印成品力学性能状态、绘制产品力学性能分布图、制定调整方案、实现人机交互并执行选择方案。


2.如权利要求1所述的一种基于神经网络的3D打印混凝土力学性能在线监测方法，其特征在于，所述步骤一中，神经网络模型训练数据包括：打印材料性能参数、系统打印参数及环境参数。


3.如权利要求2所述的一种基于神经网络的3D打印混凝土力学性能在线监测方法，其特性在于，所述打印材料性能参数包括出机屈服应力、出机黏度、出机流动度、纤维掺量、纤维长度、纤维直径、纤维弹性模量、材料出机时间、浇筑试件力学性能、3D打印混凝土力学性能；所述系统打印参数包括打印层高、喷头出口尺寸、喷头出口形状、同层相邻打印条重叠率、单层填充率、挤出压力、上下层路径交叉参数、上下层打印时间间隔；所述环境参数包括温度、湿度。


4.如权利要求3所述的一种基于神经网络的3D打印混凝土力学性能在线监测方法，其特征在于，所述出机屈服应力、出机黏度及出机流动度为打印材料加水后15min内测得的材料屈服应力值、黏度值及流动度值；所述纤维掺量、长度、纤维直径及纤维弹性模量为打印材料中掺入纤维的掺量、长度、直径及弹性模量，打印材料中未掺入纤维时，纤维长度、纤维直径及纤维弹性模量为0；所述材料出机时间为打印材料从加水搅拌到从打印喷头挤出的时间段；所述浇筑试件力学性能包括浇筑试件抗压强度、抗折强度和抗拉强度，所述3D打印混凝土力学性能为神经网络模型输出层特征值，包括3D打印混凝土三个方向抗压强度、三个方向抗折强度和层间粘结强度；所述同层相邻打印条重叠率为相同打印层相邻打印条的重叠宽度与喷头出口直径的比值，没有重叠时，取常数0；所述单层填充率为以层为单位设置的打印体积填充率，不低于90％；所述挤出压力为打印条从打印喷头挤出时对打印喷头内壁的压力；所述上下层路径交叉参数为某打印层打印条与相邻下层打印条之间的交叉角度，从竖直向上或竖直向下的观测角度，打印条交叉角度是不大于9...

【专利技术属性】
技术研发人员：董赛阳，朱敏涛，吴杰，朱峰，卞成辉，
申请(专利权)人：上海建工建材科技集团股份有限公司，上海建工加建预拌混凝土有限公司，
类型：发明
国别省市：上海;31