[发明专利]基于强化学习的复杂薄壁结构物体3D打印路径规划方法

说明书

本发明属于人工智能及3D打印领域，涉及一种基于强化学习的复杂薄壁结构物体3D打印路径规划方法。本发明首先建立路径规划的仿真环境，然后基于强化学习中的Q‑learning算法，建立回报矩阵R，由回报矩阵R生成状态‑动作矩阵Q；再通过对状态‑动作矩阵Q的数据进行分析，得到打印的路径规划仿真结果；最后由仿真结果，结合实际打印机参数，完成实际打印过程。本发明借助Q‑learning算法，对3D打印的路径进行智能的学习，通过学习训练，使计算机能够智能的找到适合打印的一条路径，能够大大的提高打印的效率，成形的效果也明显好于传统的路径规划算法。本发明对于复杂薄壁图形具有通用性。

技术领域

本发明属于人工智能及3D打印领域，涉及一种基于强化学习的复杂薄壁结构物体3D打印路径规划方法。

背景技术

3D打印技术又称为增材制造技术，最初在工业设计及模具制造领域中用来制造零件模具模型，而后使用于产品的直接制造生产。经过近十年的迅速发展，3D打印技术已在医疗，航空航天，教育等领域都有了广泛的应用。目前应用最广泛的是层积式3D打印方法，通过对目标物体模型进行分层，并从底而上逐层累积打印，最终得到目标实体。

其中，对目标物体模型分层后，每一层的打印头运动路径规划是3D打印的重要步骤。选择合适的路径能够很大程度上减少打印过程中的启停次数以及拐弯次数，从而增加打印的平稳性以及打印的效率。因此，为了提高打印的精度与效率，3D打印路径规划问题越来越引起相关研究者的重视。

近些年来，3D打印的路径规划取得了很大进步，如Z字形扫描算法、偏置轮廓算法等在对一般物体的打印中都取得了一定的效果。但对于外部、内部结构为薄壁的物体(常用于工业生产轻量化)，现有传统的路径规划方法存在着一定的局限性，例如：Z字形扫描算法因近距离平行往返容易因材料密集散热而产生应力过于集中，降低材料散热效果，直接导致产品出现变形、裂纹等现象。偏置轮廓算法打印出的模型轮廓由于打印跨度较大容易断开连接，形成断开的“口袋”，而且打印的中断次数也较多，在终点会出现“拔丝”现象，即产生多余的固化毛刺。因此急需更适合复杂薄壁物体的路径规划方法。

强化学习(Reinforcement Learning)在近些年来的发展极为迅速，是一种新颖的人工智能方法，主要应用在智能控制机器人及分析预测等领域。强化学习包括环境、智能体(Agent)和控制策略三要素。强化学习目的是构造一个控制策略，使得Agent行为性能达到最大，从而通过学习选择能达到其目标的最优动作。目前增强学习在机器人避障，走迷宫游戏等以及迷宫等方面取得了一系列的进展。3D打印路径规划问题属于全路径遍历问题，可以和强化学习结合起来进行提高复杂薄壁结构物体的打印效率。

发明内容

为解决上述问题，本发明提出了一种基于强化学习的复杂薄壁结构物体3D打印路径规划方法。

本发明的技术方案：

一种基于强化学习的复杂薄壁结构物体3D打印路径规划方法，首先建立路径规划的仿真环境，然后基于强化学习中的Q-learning算法，建立回报矩阵R，由回报矩阵R生成状态-动作矩阵Q；再通过对状态-动作矩阵Q的数据进行分析，得到打印的路径规划仿真结果；最后由仿真结果，结合实际打印机参数，完成实际打印过程；

具体步骤如下：

第一步，建立3D打印路径规划的仿真环境

根据需要打印的已知目标物体三维模型，并且目标物体三维模型被切片为K层，得到层目标物体Cⁱ，其中，i＝1,…,K；为每层的层目标物体Cⁱ建立一个离散二维空间作为其打印仿真环境Iⁱ；以层目标物体Cⁱ的左下角为坐标原点O(0,0)，从左下角向上建立离散的二维打印环境坐标系；横轴X和纵轴Y的刻度范围为(0,…,N)，模拟打印头在打印仿真环境中最小移动距离为单位1；