Към съдържанието Към съдържанието
EduFacturing
Софтуер

AI предсказване на дефекти от G-code: Превантивен контрол

AI предсказване на дефекти от G-code: Превантивен контрол

Днес разглеждаме AI-базираното предсказване на дефекти директно от G-code – технология, която идентифицира потенциални проблеми преди да бъдат принтирани. Вместо да чакаме дефектите да се проявят (и да ги детектираме с CV), AI анализира G-code файла и предсказва:

  • Зони с потенциален warp.
  • Слоеве с недостатъчна адхезия.
  • Области с overheating от прекалено бърз infill.
  • Преходи с вероятен stringing.

Принцип: G-code като времеви сигнал

G-code не е просто координати – той е пълна хронология на печатния процес. От G-code може да се извлече:

Параметър Извлечен от G-code
Скорост на движение F параметър
Дебит на екструзия E стойности (flow rate)
Температурен профил M104/M109 команди
Layer time Изчислен от G1 команди
Retraction pattern G10/G11 или E negative
Travel moves G0 vs G1 без E
Fan speed M106 стойности

Интерактивен избор на филамент

Отговори на 3 бързи въпроса и намери оптималния материал за твоя проект.

1. Какви са механичните изисквания към детайла?


AI модели за G-code анализ

1. Thermal Simulation от G-code

  • ML модел симулира термичния профил на детайла на базата на:
    • Layer time (по-кратък layer → по-топъл → потенциален warp).
    • Fan speed vs extrusion temperature.
    • Infill density и pattern (high-density → повече heat accumulation).
  • Output: Топлинна карта на детайла с маркирани рискови зони.

2. Stringing Predictor

  • Анализира travel moves (G0 без retraction) и предсказва зони с вероятен stringing.
  • Input: Travel distance, retraction settings, temperature, material type.
  • Output: Рискови travel moves, препоръки за допълнителни retractions.

3. Layer Adhesion Risk

  • CNN анализира последователността от layer times и предсказва зони с слаба междуслойна адхезия.
  • Критичен за тънкостенни вертикални структури с бърз layer time.

Предимства и недостатъци

Предимства:

  • Превантивен: Открива проблеми преди принтиране – нулев разход на материал.
  • Бърз: Анализът на G-code е минути vs часове за принтиране.
  • Actionable: Може автоматично да модифицира G-code за корекция.

Недостатъци:

  • Апроксимация: Не отчита реалната термична среда (ambient temp, drafts).
  • Material-specific: Модел за PLA не работи за PETG.
  • Ограничена точност: Предсказва рискове, не гаранции.

FAQ

Q: Съществува ли вече инструмент за AI G-code анализ?
A:
SimplyPrint и 3DPrinterOS предлагат базов G-code анализ. Изследователски проекти (3DPML, DeepGCode) работят върху по-напреднали ML модели. В EduFacturing разработваме собствен G-code analyzer като част от инструменталната платформа.
Q: Може ли AI да коригира G-code автоматично?
A:
Частично – може да добави допълнителни retractions, да промени fan speed за рискови слоеве или да вмъкне pause/dwell команди за охлаждане. Но промяна на фундаментални параметри (скорост, температура) изисква re-slicing.

Калкулатор за Ai предсказване на дефекти от g-code: превантивен контрол

Интерактивен калкулатор за оптимизация.

Оптимална стойност
0.00

Инженер, автор на „Голямата книга на 3D принтирането“ и експерт по адитивни технологии

Използваме бисквитки. Необходимите правят сайта да работи.

Искаш AI на Google да ти дава точни отговори за 3D принтиране? Добави EduFacturing като Предпочитан източник (отваря Google, добави „edufacturing.com“).