3D打印机故障声发射监控方案

cspxkj

一、    用户需求
针对3D打印机喷头容易出现打印材料断丝或耗尽和喷头阻塞的故障模式，希望采用声发射系统对该故障进行监测，以获知3D打印机工作过程中的故障信息，并及时采取相应的补救措施。

二、配置清单
系统由如下部件组成：
1、宽带差分型声发射传感器（具有更好的抗背景噪声的能力）；
2、1米传感器信号线；
3、前置放大器
4、同轴电缆
5、声发射采集卡PXDAQ16172G
6、      声发射软件

三、实验流程

C:\Users\Administrator\Desktop

声发射传感器安装图                             两类故障模式示意图
实验（1）在打印机正常打印过程中，仅加载一小截长度较短的热熔丝，一小段时间的正常打印后，打印机喷头因为材料耗尽会进入故障模式，但其他部分仍保持在原来正常的工作状态，利用声发射系统连续采集整个过程的声发射信号并进行信号处理和特征值提取
实验（2）模拟打印机工作过程中可能出现的喷头阻塞故障。通常情况下，为了使ABS塑料能够进入融化状态并顺利从喷头喷出，一般要求温度达到230℃，在该试验中，调低加热块的加热功率，使打印喷头的温度仅为130℃。喷头中的ABS塑料无法熔融并顺利从喷头喷出，从而模拟出喷头阻塞的故障模式，其他部分仍保持在原来正常的工作状态，利用声发射系统连续采集整个过程的声发射信号并进行信号处理和特征值提取



四、实验结果分析
实验（1）：
主要声发射时域特征值包括幅值、击数、绝对能量和均方根（RMS），均由信号采集与处理模块实时求得，可以显示并记录于监控PC中。
3D打印机故障声发射监控方案


正常打印15秒之后ABS热熔丝耗尽，声发射信号时域特征值的峰值和均值都发生了明显的变化，说明这些特征值对故障非常敏感。（实验结果反映出频域特征值对故障不敏感，故我们不做详细的讨论）
如图（a）所示，幅值的峰值增加了2dB，由原来的64dB增加到66dB
如图（b）所示，绝对能量的峰值增加了1倍
如图（c）所示，击数的峰值由140增加到了220
如图（d）所示，RMS的峰值由0.03mV增加到0.04mV

另外，以下是AE hits时域特征值统计分析表




实验（2）
AE hit时域特征值对故障比较敏感，尤其是绝对能量和击数的变化，因为我们在实验（2）中重点关注这两个特征值的变化。如下图所示，




与实验（1）对比可知，喷头阻塞后的绝对能量和击数的峰值比在正常打印状态下的测量值高，但低于在材料耗尽的故障发生时的测量值。为了更好地量化展示在阻塞故障状态下AE hit特征点的绝对能量和击数特征值的变化情况，分别对它们进行统计分析，其中绝对能量的均值和标准差分别为8 294．9 aJ和14 840．7；击数的均值和标准差分别为8．62和16．0．该实验的结果进一步说明了AE hit的时域特征值与3D打印机中打印喷头的工作状态问有着紧密的联系，可以用它们作为3D打印机故障监控与识别算法的关键输入参数，




五、基于AE hit特征值的故障识别分析
为了将采集得到的AE hit特征值数据应用于故障模式识别中，需要对特征值数据进行进一步的处理。通过使用基于AE hit的信号处理方法对声发射原始波形信号进行特征提取后，得到了大量离散分布的特征值数据，且特征值的分布规律与所监控的3D打印机中打印喷头的工作状态问有着紧密的联系，因此选取均值与标准差作为故障监控与识别算法的输入参数．以0．2 S作为时间分辨率，对所得到的特征值数据按时间进行分段划分。
在实验1持续33．4 S的监控过程中，共产生167个分段区间；在实验2持续15 S的监控过程中，共产生75个分段区间。对每个分段区间中的绝对能量和击数特征值数据进行求均值与标准差的统计运算，如下图所示：
                  

   
实验（1）特征值分段分析结果              实验（2）特征值分段分析结果
将上述特征值分段分析的结果利用K—means聚类算法进行对两类故障模式的同时分类与识别研究，得到基于绝对能量特征值的分段分析进行故障分类与识别的结果如下图：
  
      
基于绝对能量特征值的故障识别结果              基于击数特征值的故障识别结果

更多声发射方面问题请咨询18874824200​QQ  2881036738  郭小姐