[發明專利]機器學習模型的訓練方法、訓練裝置、預測系統

在審

• 申請號: 202011173854.1
• 申請日: 2020-10-28
• 公開（公告）號: CN114429058A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 大衛·西蒙·哈特曼;趙則昂;羅小帆
• 申請（專利權）人: 蘇州奇流信息科技有限公司
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06N20/00;G06T17/20;B29C64/118;B29C64/386;B33Y50/00
• 代理公司: 上海巔石知識產權代理事務所(普通合伙) 31309
• 代理人: 王再朝

本申請公開一種機器學習模型的訓練方法、機器學習模型的訓練裝置、預測系統、計算機設備及計算機可讀存儲介質；其中，所述機器學習模型的訓練數據中的輸入數據即物件三維模型的打印特征中包括體素特征及模型幾何特征，通過獲取物件三維模型的各個基本單元的特性及基本單元之間的關聯，使訓練獲得的目標機器學習模型在對不同打印構件打印過程進行預測時可基于將復雜結構離散化獲得的體素特征及模型幾何特征以計算預測復雜結構打印中隨時間變換的溫度歷史或/及應力歷史數據，本申請的機器學習模型的訓練方法獲得的機器學習模型不僅局限于簡單幾何體例如填充立方體的打印預測，也可適應于對多種打印構件的打印預測。

技術領域

本申請涉及計算機數據處理領域，具體的涉及一種機器學習模型的訓練方法、訓練裝置、一種預測系統、計算機設備、以及計算機可讀存儲介質。

背景技術

現有的熔融沉積打印切片軟件中，采用純幾何的方式確定打印路徑和打印參數，無法有效保證打印速度和最終打印產品的性能如形狀畸變、層間粘接、彈性模量和強度等。基于現有的切片技術的對打印過程進行分析以及對獲得的物件進行性能評價以調整打印路徑與打印參數，難以實現對打印過程的材料溫度場與應力場變化狀態的追蹤，同時需要承擔高昂的經濟成本與時間成本。

針對上述問題，現已存在一些基于有限元的多物理場模擬方法，由此獲得材料成型過程中打印材料的溫度和應力數據，但在有限元模擬的過程中，往往存在計算效率低、計算時間長、計算消耗資源大的問題，因此也難以將有限元模擬方法部署至用戶可直接操作的應用程序上。

發明內容

鑒于以上所述相關技術的缺點，本申請提供了一種機器學習模型的訓練方法、機器學習模型的訓練裝置、預測系統、計算機設備及計算機可讀存儲介質，以解決現有技術中存在的3D打印的模擬打印過程中計算效率低下及計算資源消耗大的問題。

為實現上述目的及其他相關目的，本申請公開的第一方面提供一種機器學習模型的訓練方法，所述機器學習模型用于預測3D打印中打印材料隨時間變化的溫度歷史或/及應力歷史數據，所述訓練方法包括以下步驟：獲取多組物件三維模型的打印特征，以及獲取多組物件三維模型對應的打印中隨時間變化的溫度歷史或/及應力歷史數據；其中，所述打印特征包括模型幾何特征以及體素特征；其中，所述體素特征包括：物件三維模型中基本單元的類型、基本單元到自由表面的距離、基本單元打印速度、基本單元所處層打印時間、基本單元位置坐標、基本單元所處位置的密度中的一種或多種信息形成的特征量；將所述多組物件三維模型的打印特征作為輸入數據以及將所述多組述物件三維模型的溫度歷史或/及應力歷史數據作為輸出數據，基于所述輸入數據及輸出數據有監督學習以獲得所述機器學習模型。

本申請公開的第二方面提供一種機器學習模型的訓練裝置，所述機器學習模型用于預測3D打印中打印材料隨時間變化的溫度歷史或/及應力歷史數據，所述訓練裝置包括：訓練樣本獲取模塊，用于獲取多組物件三維模型的打印特征，以及用于獲取多組物件三維模型對應的打印中隨時間變化的溫度歷史或/及應力歷史數據；其中，所述打印特征包括模型幾何特征以及體素特征；其中，所述體素特征包括：物件三維模型中基本單元的類型、基本單元到自由表面的距離、基本單元打印速度、基本單元所處層打印時間、基本單元位置坐標、基本單元所處位置的密度中的一種或多種信息形成的特征量；訓練模塊，用于將所述多組物件三維模型的打印特征作為輸入數據以及將所述多組述物件三維模型的溫度歷史或/及應力歷史數據作為輸出數據，基于所述輸入數據及輸出數據有監督學習以獲得所述機器學習模型。

本申請公開的第三方面提供一種預測系統，用于預測3D打印中打印材料隨時間變化的溫度歷史或/及應力歷史數據，包括：接收模塊，用于接收所述物件三維模型的打印特征；預測模塊，用于調用如本申請第一方面提供的任一實施方式所述的機器學習模型的訓練方法生成的機器學習模型對所述物件三維模型的打印特征進行預測，輸出所述物件三維模型在打印中打印材料隨時間變化的溫度歷史或/及應力歷史數據。