本文依托3D打印耗材制备挤出生产线的智能化升级项目,基于物联网技术和人工智能技术,在设备运行状态核心参数的采集方式、工艺条件的准确和快速确定以及设备能耗的精确分析方面开展研究工作,对实验室现有的3D打印耗材生产线进行数字化、网络化和智能化升级。研究的主要内容如下:(1)针对实验室3D打印耗材生产线线径测量装置功能单一的问题,利用单轴激光测径仪显示仪表的485通讯接口与Arduino串口通讯技术相结合的方法,设计了耗材线径监测系统。该系统不仅实现线径数据在PC端中Matlab环境下的实时采集、监测和记录,而且通过增加无线通讯模块将线径数据传输到OneNET物联网平台,实现线径数据的远程监测。(2)利用实验的方法,分析出小型单螺杆挤出机耗材生产线工艺因素与3D打印耗材线径间的相互关系,建立了一个基于GA-BP神经网络的预测模型。将生产线的定径模头温度(三段)、机筒温度、螺杆转速、牵引机转速作为输入变量,耗材线径作为输出变量。结果表明,该网络预测模型能获得较精确的结果。此外,基于所建立的网络模型设计了一款具有耗材线径预测功能和生产工艺预测功能的软件,该软件对高效合理地安排和调整耗材生产工艺具有一定指导意义。(3)在线径预测模型的基础上,综合考虑工艺因素和环境因素对能耗的影响,建立了一个基于RBF神经网络的能耗预测模型。其中,网络的输入节点为定径模头温度(三段)、机筒温度、螺杆转速、环境温度,输出节点为生产线电能能耗。结果表明该网络模型具有较高的预测精度。并且基于此网络模型开发了能耗预测软件,为提升耗材生产线节能潜力提供了软件工具支持。