本发明属于3d打印，特别是一种基于神经网络的挤出补偿方法及系统。
背景技术：
1、在现代制造业中，3d打印技术以其灵活性和高精度逐渐成为重要的生产手段之一。与传统制造方法相比，3d打印可以根据数字模型快速生成复杂形状的部件，降低了生产成本和生产时间。然而，尽管3d打印技术的优势显著，但在实际应用中，其精度和质量仍面临诸多挑战，尤其是在材料挤出过程中。
2、在3d打印中，材料的挤出流量是影响打印质量的关键因素之一。理想的挤出流量应与设计文件中规定的流量保持一致，以确保打印件的尺寸精度和表面质量。然而，由于多种因素的影响，包括喷头温度、压力、材料特性、环境条件和设备的动态变化，实际挤出的材料流量常常与理想流量存在差异。这种差异不仅会导致打印件的尺寸偏差，还可能产生层间粘结不良、打印表面粗糙等问题，进而影响最终产品的性能和外观。
技术实现思路
1、本发明的目的是提供一种基于神经网络的挤出补偿方法及系统，以解决现有技术中的不足，能够利用人工智能技术提升挤出流量控制的精度和响应速度，进而提高3d打印的整体质量和效率。
2、本申请的一个实施例提供了一种基于神经网络的挤出补偿方法，所述方法包括：
3、通过多个传感器获取3d打印设备的喷头的多种参数信息；
4、基于所述参数信息，通过预先训练好的神经网络预测当前挤出流量和当前挤出材料；
5、根据预设打印计划，确定当前挤出材料对应的理想挤出流量；
6、计算理想挤出流量和当前挤出流量之间的差异度，根据所述差异度确定3d打印设备的挤出补偿控制指令，以对喷头的挤出流量进行补偿。
7、可选的，所述根据预设打印计划，确定当前挤出材料对应的理想挤出流量，包括：
8、根据预设打印计划中的打印速度和打印时间，计算层打印的线长度；
9、根据预设打印计划中的挤出截面积和所述层打印的线长度，计算每层需要的挤出材料体积；
10、根据预设打印计划中的流量比例和所述挤出材料体积，计算理想挤出体积；
11、根据预设打印计划中的打印时间和所述理想挤出体积，计算理想挤出流量。
12、可选的，所述差异度的计算公式为：
13、deltaq＝|q_{ideal}-q_{current}|
14、其中，所述q_{ideal}为理想挤出流量，所述q_{current}为当前挤出流量。
15、可选的，所述根据所述差异度确定3d打印设备的挤出补偿控制指令，以对喷头的挤出流量进行补偿，包括：
16、判断所述差异度delta q是否超过第一预设阈值；
17、如果未超过第一预设阈值，不对喷头的挤出流量进行补偿；
18、如果超过第一预设阈值未超过第二预设阈值，采用线性比例法进行补偿：
19、q_{compensated}＝q_{current}+k·delta q
20、其中，所述q_{compensated}为补偿后的挤出流量，所述k为补偿系数；
21、如果超过第二预设阈值，采用非线性比例法进行补偿：
22、q_{compensated}＝q_{current}+k·(delta q)n
23、其中，所述n为大于等于1的指数，以增强对差异度的响应。
24、可选的，所述方法还包括：
25、计算对喷头的挤出流量进行补偿后的流量稳定指数，如果所述流量稳定指数小于预设稳定阈值，则对喷头的当前挤出流量进行二次补偿。
26、本申请的又一实施例提供了一种基于神经网络的挤出补偿系统，所述系统包括：
27、获取模块，用于通过多个传感器获取3d打印设备的喷头的多种参数信息；
28、预测模块，用于基于所述参数信息，通过预先训练好的神经网络预测当前挤出流量和当前挤出材料；
29、确定模块，用于根据预设打印计划，确定当前挤出材料对应的理想挤出流量；
30、补偿模块，用于计算理想挤出流量和当前挤出流量之间的差异度，根据所述差异度确定3d打印设备的挤出补偿控制指令，以对喷头的挤出流量进行补偿。
31、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。
32、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。
33、与现有技术相比，本发明提供的一种基于神经网络的挤出补偿方法，通过多个传感器获取3d打印设备的喷头的多种参数信息；基于所述参数信息，通过预先训练好的神经网络预测当前挤出流量和当前挤出材料；根据预设打印计划，确定当前挤出材料对应的理想挤出流量；计算理想挤出流量和当前挤出流量之间的差异度，根据所述差异度确定3d打印设备的挤出补偿控制指令，以对喷头的挤出流量进行补偿，从而能够利用人工智能技术提升挤出流量控制的精度和响应速度，进而提高3d打印的整体质量和效率。
1.一种基于神经网络的挤出补偿方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据预设打印计划，确定当前挤出材料对应的理想挤出流量，包括：
3.根据权利要求2所述的方法，其特征在于，所述差异度的计算公式为：
4.根据权利要求3所述的方法，其特征在于，所述根据所述差异度确定3d打印设备的挤出补偿控制指令，以对喷头的挤出流量进行补偿，包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.一种基于神经网络的挤出补偿系统，其特征在于，所述系统包括：
7.根据权利要求6所述的系统，其特征在于，所述确定模块，具体用于：
8.根据权利要求7所述的系统，其特征在于，所述差异度的计算公式为：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-5中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1-5中任一项所述的方法。
