(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211191646.3 (22)申请日 2022.09.28 (71)申请人 西安建筑科技大 学 地址 710055 陕西省西安市雁塔路13号 (72)发明人 马宗方　万伟鹏　宋琳　段明　 刘超　刘化威　武怡文　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 王晶 (51)Int.Cl. B28B 1/00(2006.01) B33Y 10/00(2015.01) B33Y 50/00(2015.01) G06F 30/10(2020.01) G06F 30/20(2020.01) (54)发明名称 一种路径宽度可变的混凝土3D打印路径优 化方法 (57)摘要 本发明公开了一种路径宽度可变的混凝土 3D打印路径优化方法， 包 括以下步骤： 步骤1)： 混 凝土打印构件模型切片； 步骤2)： 混凝土打印构 件切片模型转化为几何模型； 步骤3)： 初始化几 何模型中的位置信息， 将几何模 型分为多个一次 性遍历完的连通域； 步骤4)： 利用两点之间的距 离公式求出混凝土构件不同区域的宽度； 步骤 5)： 利用多元线性回归方程求解喷头直径， 下料 速度， 混凝土构 件宽度三者之间的关系； 步骤6)： 用不同颜色标记不同打印宽度的具体下料速度， 细化具体的构 件打印状态， 完成路径宽度可变的 混凝土3D打印过程。 本发明合理的安排了整个打 印过程， 有效的提高了成型的时间和质量。 权利要求书2页 说明书5页 附图2页 CN 115464745 A 2022.12.13 CN 115464745 A 1.一种路径宽度可变的混凝 土3D打印路径优化方法， 其特 征在于， 包括以下步骤； 步骤1)： 混凝 土打印构件 模型切片； 步骤2)： 将步骤1)中混凝 土打印构件切片模型转 化为几何模型； 步骤3)： 初始化步骤2)得到的几何模型中各个点以及八个矢量方向(分别为上、 下、 左、 右、 左上、 左下、 右上、 右下)的位置信息， 利用分型模型的方法将几何模型分为多个可以一 次性遍历完的连通 域； 步骤4)： 利用两点之间的距离公式找出基于矢量方向上的中点,连接中点找出构件打 印时的中轴线， 并求出混凝 土构件不同区域的宽度； 步骤5)： 利用多元线性回归方程求解喷头直径、 下料速度、 混凝土构件宽度三者之间的 关系； 步骤6)： 用不同颜色标记不同打印宽度的具体下料速度， 细化具体的构件打印状态， 完 成路径宽度可变的混凝 土3D打印过程。 2.根据权利要求1所述的一种路径宽度可变的混凝土3D打印路径优化方法， 其特征在 于， 所述步骤2)的模型转 化步骤： (1)提取几何模型中打印喷头需要下 料的区域， 其 余信息进行删除操作； (2)按照几何模型比例赋予每个几何点(x,y)坐标值， 对几何模型的几何点进行标记， 先标记各个几何顶点， 然后对几何模型中各个打印路径所相交的点 也进行标记； (3)将标记的几何点按照打印路径宽度等比例连接起 来； (4)转化完成后将几何模型进行等比例缩放。 3.根据权利要求1所述的一种路径宽度可变的混凝土3D打印路径优化方法， 其特征在 于， 所述步骤3)将几何模型图像导入计算机中转化为二值图像并得到其像素矩阵， 遍历细 化处理后几何模型上的每一个点， 并将根据分类模型处理之后的不同连通域将几何点分 类。 4.根据权利要求1所述的一种路径宽度可变的混凝土3D打印路径优化方法， 其特征在 于， 所述步骤4)基于 两点距离公式求矢量的模长， 从而求出中点， 模长公式如下： 5.根据权利要求1所述的一种路径宽度可变的混凝土3D打印路径优化方法， 其特征在 于， 所述步骤5)利用多 元线性回归方程求解喷头直径、 下料速度、 混凝土构件宽度三者之间 的关系， 具体过程如下： (1)现在有三个独立观测的数据(y， xi1， xi2)， 分别为喷头直径(xi1)、 下料速度(xi2)、 打 印直径(y)； 由多元线性回归方程(如下式)可 得： y＝β0+β1xi1+β2xi2+ ε 记 β ＝[β0β1β2]T 则多元线性回归方程式可以表示 为： yi＝Xβ + ε权　利　要　求　书 1/2 页 2 CN 115464745 A 2其中， β0， β1， β2分别为多元线性回归方程中所需要求取的未知参数。 (2)对于多元线性回归方程参数估计部分使用最小二乘法估计， 去求误差平方和的最 小值， 其中最小二乘法的基本原理是： 设(x,y)是一对观测量， 且x＝[x1,x2,x3,x4…xn]∈R,y ＝R满足以下的理论 函数： y＝f(x, β ) β ＝[β1, β2, β3, β4…βn]为待定参数， 为了寻找函数y＝f(x, β )的参数β 的最优估计值， 对 于给定m组(通常 m>n)观测数据， 求 解目标函数 取最小值的参数βi(i＝1,2,3,4 ……n)； (3)使用回归分析的假设检验去检验模型是否合理， 如同一元线性回归方程的假设检 验， 针对每个β 进行假设， 令H0： βj＝0(j＝2)同样利用F检验， 但是注意， 接受H0只能说明y与 xi1.xi2的线性关系不明显， 可能存在非线性关系； 还有一些衡 量y与xi1， xi2相关程度的指标， 如使用回归平方在总平方和中的比值定义复判定系数； 其中， U为y的残差平方和， S ST为xi1， xi2总平方和。 称为复相关系数， R越大， y与xi1， xi2相关关系越密切， R大于0.8或0.9才认为相 关关系成立。权　利　要　求　书 2/2 页 3 CN 115464745 A 3