基于次优网络深度学习的3D打印机故障诊断

摘要

为实现精度可靠且成本节约的3D打印机故障诊断,釆用消费品级的姿态传感器釆集打印机的健康状态数据,并提出次优网络深度学习以弥补低成本硬件精度的不足。次优网络深度学习在由预训练和精细调节组成的传统深度学习基础上,一方面提出预分类方法自适应确定次优的网络结构参数,另一方面釆用精细分类方法进一步提高故障诊断分类的精度。试验中,将姿态传感器安装于并联臂3D打印传动链的末端即打印头上。传感器全部通道的运动信号作为输入信息,釆用深度玻尔兹曼机构建了次优网络故障诊断算法进行大数据驱动的故障诊断。将所提岀的次优网络深度学习故障诊断方法与其他方法相比较,其结果表明,所提出方法可以有效诊断3D打印机的传动故障。