基于卷积神经网络和声信号的 3D 打印机实时故障检测
信号处理
2026-02-19 v1 声音
音频与语音处理
摘要
3D 打印过程的可靠性和质量严重依赖于机械故障的及时检测。传统监控方法常依赖视觉检查和硬件传感器，这些方法既昂贵又受限于范围。本文探索了一种可扩展且无接触的方式，用于实时音频信号分析以检测 3D 打印机中的机械故障。通过捕获和分类打印过程中的声学信号，我们旨在识别常见故障，如喷嘴堵塞、线材断裂、皮带跳齿以及其他各种机械故障。利用卷积神经网络，我们实现了能够实时音频分类的算法，以便及时检测这些故障。我们的 methodology 包括进行一系列受控实验以收集音频数据，然后应用先进的机器学习模型进行故障检测。此外，我们综述了制造业和 3D 打印中基于音频的故障检测文献，以将研究置于更广泛的领域内。初步结果表明，音频信号经过机器学习技术分析，可提供一种可靠且成本效益高的方式，以增强实时故障检测。
引用
@article{arxiv.2602.16118,
title = {Real time fault detection in 3D printers using Convolutional Neural Networks and acoustic signals},
author = {Muhammad Fasih Waheed and Shonda Bernadin},
journal= {arXiv preprint arXiv:2602.16118},
year = {2026}
}
备注
6 pages