Search academic texts

Information × Registration Number 0826U000042, PhD dissertation Status Доктор філософії Date popup.evolution o Title Method and model of intelligent automated control of 3D printing based on machine learning. Author IVAN OLEINIKOV, popup.head Andrii Aronov popup.opponent Pavlo M. Skladannyi popup.opponent Alona Desiatko popup.review Iryna V. Zamrii popup.review Natalia O. Lashchevska Description РЕФЕРАТ Олейніков І. А. Метод та модель інтелектуального автоматизованого керування 3D-друком на основі машинного навчання. Роботу присвячено підвищенню надійності та якості FDM/FFF-3D-друку шляхом розроблення методу та моделі інтелектуального автоматизованого керування, що спираються на мультимодальний моніторинг і глибинні моделі комп’ютерного зору. Побутовий та напівпромисловий FDM-принтер розглянуто як багатоконтурний технічний об’єкт із відкритими інтерфейсами, у якому штатні засоби контролю здебільшого обмежуються пороговими перевірками та оцінюванням готового виробу. Показано, що за таких умов значна частка дефектів виявляється лише після завершення тривалого циклу друку, що зумовлює втрати матеріалу, часу та електроенергії. Актуальність дослідження визначається поширенням FDM-технологій у прототипуванні, малосерійному виробництві та освіті за високої чутливості процесу до відхилень режимів, стану механіки, властивостей філаменту й умов експлуатації. Запропоновано розв’язувати проблему шляхом побудови автоматизованого наглядового контуру, що використовує відеопотік підвищеної роздільної здатності, телеметрію приводів і термоконтурів та моделі глибинного навчання класу ResNet, розгорнуті на вбудованій платформі Raspberry Pi 5 на краю мережі. Метою роботи є створення та експериментальне обґрунтування методу і моделі інтелектуального автоматизованого керування FDM-друком на основі мультимодального моніторингу та моделей ResNet, які забезпечують своєчасне виявлення дрібномасштабних дефектів, формування ризикоорієнтованих керувальних дій і дотримання часових обмежень контурів керування за умов обмежених ресурсів Raspberry Pi 5. Для досягнення мети розроблено узагальнену архітектуру комплексу, що поєднує відеопідсистему, конвеєр попереднього оброблення та підготовки тензорів, модуль оцінювання ризику, блок політик втручання та засоби інтеграції з прошивками Marlin і Klipper через стандартизовані інтерфейси передавання команд і даних. Наукова новизна полягає в удосконаленні моделі інтелектуального наглядового контролю процесу FDM-друку, яка реалізує каскад тригерного виявлення, уточнювальної верифікації та адаптивної дії з урахуванням поточного ризику технологічних відхилень. Запропоновано формалізований ризикоорієнтований підхід, за яким оцінки візуального стану, телеметрії та контексту G-коду відображаються в скалярні індикатори ризику і узгоджуються з політиками «м’яких» та «жорстких» дій із гістерезисом і підтвердженням. Розвинено модель мультисенсорної інтеграції відеосигналів і технічної телеметрії для підвищення стійкості до змін освітлення, матеріалів і кінематичних конфігурацій принтера. Сформовано спеціалізований корпус даних для задач автоматизованого контролю FDM-друку, що відображає нерівномірний розподіл ризиків у просторі побудови та часі й містить дрібномасштабні дефекти, зокрема локальні провисання, ниткоутворення, деламінацію, «спагеті»-структури та мікрозсуви шарів. Запропоновано принцип вибірки з урахуванням ризику та удосконалено протоколи розмітки на основі поєднання кадрових міток, рамок детекції, піксельних масок і часових позначок розвитку дефектів. Розроблено архітектурні модифікації моделей ResNet для виявлення дрібних дефектів FDM-друку на основі багатомасштабного декодера ознак та адаптивного аналізу локальних ділянок із підвищеною роздільною здатністю. Досліджено вплив квантування, прунінгу та оптимізації конвеєра на точність і латентність інференсу на Raspberry Pi 5 і сформовано рекомендації щодо вибору конфігурацій для режимів поточного та міжшарового аналізу. Удосконалено метод інтеграції модуля комп’ютерного зору з контурами керування 3D-принтера шляхом подання політик втручання як системи контекстних правил, що враховують оцінений ризик, тип дефекту, фазу друку та експлуатаційні вимоги. Реалізовано сценарії «м’яких» втручань у вигляді локальних корекцій швидкості, температури та інтенсивності обдуву і сценарії «жорстких» втручань у вигляді паузи з паркуванням голови. Практичне значення результатів полягає у створенні прототипу інформаційної технології інтелектуального автоматизованого керування FDM-друком на базі Raspberry Pi 5 з відкритим програмним стеком. Технологія забезпечує зменшення частки відбракованих виробів, скорочення непродуктивних витрат філаменту та часу, підвищення відтворюваності геометричних характеристик і стабільності термічних режимів. Запропонований комплекс може бути використаний як еталонна платформа для впровадження наглядових систем у парках 3D-принтерів малого та середнього бізнесу, а також як навчальний полігон для підготовки фахівців з інтелектуального керування адитивними технологіями, комп’ютерного зору та інженерії програмного забезпечення. Registration Date 2026-01-06 popup.nrat_date 2026-01-06 Close