Детальная информация

Данная работа посвящена разработке системы offline-оптимизации параметров FDM-печати на основе численного решения уравнения нестационарной теплопроводности. Задачи, которые решались в ходе исследования: 1) Анализ существующих методов тепловой симуляции процесса FDM- печати и подходов к автоматизации подбора параметров. 2) Построение математической модели нестационарного теплопереноса с движущимся источником тепла от экструдера. 3) Разработка и программная реализация модулей парсинга G-кода, тепловой симуляции на GPU, детектирования дефектов и постпроцессинга. 4) Экспериментальная проверка системы на физическом FDM-принтере и сравнительная оценка качества изделий. В результате работы разработана автоматизированная система, включающая пять программных модулей: парсер G-кода, симулятор теплового поля (метод конечных разностей, GPU-ускорение ~50× на NVIDIA RTX 3080 Ti), детектор дефектов типа OVERHEAT и COLD_CRACK, оптимизатор параметров и постпроцессор G-кода. Тестирование на калибровочном кубе (ABS, 198 слоёв) показало обнаружение 3 252 дефектов и генерацию более 3 000 корректирующих команд. В работе использованы следующие информационные технологии: язык программирования Python 3.11, библиотека PyTorch 2.x с поддержкой CUDA, NumPy, Matplotlib, слайсер Cura, система контроля версий Git.

This work focuses on developing an offline optimization system for FDM printing parameters based on the numerical solution of the unsteady heat conduction equation. Tasks accomplished during the research: 1) Analysis of existing thermal simulation methods for the FDM printing process and approaches to automating parameter selection. 2) Development of a mathematical model of unsteady heat transfer with a moving heat source from the extruder. 3) Development and software implementation of modules for G-code parsing, GPU-accelerated thermal simulation, defect detection, and post-processing. 4) Experimental validation of the system using a physical FDM printer and comparative assessment of manufactured part quality. Results: As a result of the work, an automated system consisting of five software modules was developed: a G-code parser, a thermal field simulator (finite difference method, GPU acceleration ~50× on NVIDIA RTX 3080 Ti), a defect detector for OVERHEAT and COLD_CRACK types, a parameter optimizer, and a G-code post-processor. Testing on a calibration cube (ABS, 198 layers) resulted in the detection of 3,252 defects and the generation of over 3,000 corrective commands. Information technologies used: Python 3.11 programming language, PyTorch 2.x with CUDA support, NumPy, Matplotlib, Cura slicer, Git version control system.