声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状分析
1.2.1 3D打印技术
1.2.2 强化学习
1.3 研究内容
1.4 本文组织结构
2 相关技术介绍
2.1 3D打印技术原理
2.2 路径的几何性质
2.3 传统3D打印路径规划算法
2.3.1 平行直线扫描算法
2.3.2 Z字形扫描算法
2.3.3 偏置轮廓扫描算法
2.4 强化学习
2.4.1 Q-learning介绍
2.4.2 Q-learning算法中简单探索策略
2.4.3 Q-learning核心算法
2.5 本章小结
3 基于强化学习的路径规划算法
3.1 3D打印模型的建立
3.2 强化学习三要素的设定
3.3 对Q-learning算法的改进
3.4 基于Q-learning的路径规划的核心算法
3.5 本章小结
4 强化学习与传统扫描组合路径规划算法
4.1 问题的提出
4.2 可分区模型路径规划相关工作
4.3 分区算法的设计与实现
4.3.1 分区算法设计
4.3.2 可分区模型核心算法
4.4 路径规划算法设计与实现
4.4.1 传统路径规划算法的实现
4.4.2 分区后Q-learning路径规划算法
4.5 本章小结
5 打印实验与结果分析
5.1 打印实验
5.1.1 G代码
5.1.2 打印结果
5.2 对比算法及实验目的
5.3 实验及分析
5.3.1 实验设置
5.3.2 薄壁模型路径规划实验
5.3.3 复杂薄壁模型路径规划实验
5.3.4 厚壁模型路径规划实验
5.3.5 简单可分区模型的路径规划
5.3.6 多种传统扫描算法可分区模型的路径规划实验
5.3.7 多分区模型的路径规划实验
5.4 本章小结
结论
参考文献
致谢
大连理工大学学位论文版权使用授权书