3D打印技术持续演变，高速打印机以前所未有的速度改变着3D打印的规则。K1 Max作为尊龙ag的旗舰高速新品，融合了高速和智能的革命性特性，自上市以来，深受用户喜爱。
本文将深度解析K1 Max高速打印机的核心技术，以及其如何实现高速度和高质量打印的原理。
1.超高速打印
K1 Max以其卓越性能而广受青睐，得益于精湛的工程设计，其打印速度高达600mm/s，加速度更达20000mm/s²。为了达成这种超高速打印效果，我们运用了一系列先进的技术：
·高流量挤出机构
K1 Max配备了专门设计的高流量挤出机构，确保了稳定且连续的耗材挤出，从而支持高速打印，避免了因耗材挤出不足导致的打印效率降低。
·高速运动机构
我们精心设计了包括轴承、驱动系统和传动装置在内的高速运动机构，确保打印头在高速移动中依然稳定且精准。因此，即使在高速打印状态下，K1 Max也能持续保持精细的打印质量。
·特殊的运动学算法
我们开发了一套针对超高速打印优化的运动学算法，这些算法考虑了打印头、打印平台以及材料特性等因素，以确保在高速运动下能够实现最佳的打印效果，同时避免因快速运动引发的振动或丢步等问题，从而防止打印失败。
1.1高流量挤出机构
K1 Max引入了一系列精心设计的功能，从而展现出色的打印性能：
1.1.1精准的步进电机
采用36mm高精度步进电机作为挤出动力，自重小，精度高，确保每一次挤出过程都能精准可控，这为打印提供了稳定的基础。
1.1.2强大的挤出力
近端双齿轮减速挤出机构使得K1 Max获得强大的挤出力。无论是高速挤出耗材还是处理复杂工程材料，这一创新保障了打印的效率和质量。
1.1.3耐堵塞设计
融合陶瓷加热热端与双金属喉管的设计，带来了独特的优势：陶瓷加热热端能在一分钟内迅速升温，从30℃提升至200℃；双金属喉管，巧妙地将上端采用铜合金，下端采用钛合金。钛合金下端的设计阻碍热量传播至喉管关键区域，有效预防耗材堵塞问题。而铜合金上端则以高效散热为目标，迅速将喉管内的热量通过喉管与散热片的接触迅速散发，降低了堵塞的风险；这种创新的组合使得打印过程更加稳定，高效而流畅。陶瓷加热热端的快速升温与双金属喉管的有效热量控制，共同在耗材挤出中发挥关键作用。
1.1.4耐磨的喷嘴材质
铜合金镶嵌硬化钢喷嘴设计在确保良好传热的同时，显著延长了喷嘴的使用寿命，可以支持各种加纤材料打印，拓宽了应用场景。
1.2高速运动机构
k1 Max采用coreXY结构来支持高速运动，它具有以下特点:
1.2.1高精度运动控制
CoreXY 结构驱动电机位置固定，不会随着打印头一起运动，可以实现平稳、精确的运动。这使得打印机能够更准确地定位打印头或其他工具，从而提高打印的精度。
1.2.2平行运动
CoreXY 结构的驱动系统使得两个驱动系统的运动轨迹保持平行。这种设计有助于避免运动时的扭曲和偏移，确保打印机的精准度。
1.2.3高速运动
CoreXY 结构的设计允许两个驱动系统同时工作，从而可以实现更高的打印速度，这使得打印任务可以更快地完成。
1.2.4较小的移动质量
Core XY结构的驱动电机固定在同一平面的，不会随着打印头一起运动，这使得运动部件的质量大大降低，避免在移动过程中的不必要惯性影响打印质量。
1.2.5适合大尺寸打印
CoreXY 结构的特点使其适合于需要大尺寸打印平台的打印机，因为它能够有效地控制和稳定大尺寸平台上的运动。
1.2.6较小的机械振动
CoreXY 结构的设计,可以减少机械振动，因为运动是由两个独立驱动系统共同完成的，而不是一个驱动系统单独完成。
1.3运动学算法控制系统
K1 Max采用Creality OS基于klipper的运动控制系统来支持机器高速稳定运动，这种运动控制系统具有以下特点：
1.3.1加速度
K1 Max在打印头调整速度时，实施了稳定的加速度策略，即速度逐渐过渡到新的阶段，而非突然剧变。它始终强制在打印头和打印过程之间维持一定的加速度。并且，由挤出机流出的熔融耗材可能相当脆弱，过快的回抽或挤出机流量的改变可能会导致打印质量下降和底层附着力减弱。即便在不挤出的情况下，若打印头与打印平面保持同一高度，打印头的快速回抽也可能扰动最近挤出的耗材丝。因此，控制打印头的速度变化有助于降低影响打印效果的风险。
1.3.2梯形运动生成器
K1 Max通过使用“梯形生成器”来模拟每次的运动过程。这个过程包括：起始速度，以固定的加速度提升至巡航速度，持续巡航，然后以固定的加速度减速至最终速度，此命名源于运动速度图形呈梯形状。
巡航速度始终大于或等于起始速度和终点速度。加速阶段的持续时间可能为零（如果起始速度等于巡航速度），巡航阶段的持续时间可能为零（如果移动在加速后立即开始减速），以及/或者减速阶段的持续时间可能为零（如果终点速度等于巡航速度）。
1.3.3前瞻运动系统
前瞻系统用于确定两个移动之间的拐角速度
考虑以下在XY平面上的两个移动
在上述情况下，可以在第一个移动后完全减速，然后在下一个移动开始时完全加速，但这并不是最佳方案，因为所有的加速和减速会大大增加打印时间，频繁的挤出机流量变化会导致打印质量下降。
为了解决这个问题，“前瞻性”机制会排队多个即将到来的移动，并分析移动之间的角度，以确定在两个移动之间的“交汇点”处可以获得的合理速度。如果下一个移动几乎是在相同的方向上，则打印头只需稍微减速。
平滑的前瞻技术 K1 Max还实现了一种机制，用于平滑短“之”字形移动的运动。
考虑以下移动
在上述情况中，频繁的加速和减速变化可能会导致机器振动，从而对机器施加压力并增加噪音。为了减少这种情况，K1 Max控制系统跟踪常规移动加速度以及虚拟的“加速度到减速度”率。使用这个系统，这些短“之”字形移动的最高速度被限制，以平滑打印机的运动，提升机器运行稳定性。
1.3.4智能振动补偿
模型振纹是由打印机在迅速改变打印方向时所产生的机械振动，这种现象在高速打印时更为突出。需要强调的是，振纹主要源于机械问题，包括但不限于打印机框架强度不足、皮带过松或过弹性、机械部件装配问题，以及运动过程中的质量不均等问题。 振动补偿算法是一种开环控制技术，它通过生成专门的控制信号来抵消设备本身的振动。它不仅可以纠正模型表面的振纹，还能有效降低打印机的振动和摇晃，从而提升设备运行的稳定性。此外，该算法还可以支持打印机在更高的速度和加速度下运行，而不会对设备造成损害，从而有效延长了设备的使用寿命。 此外，K1 Max采用了传感器主动测量设备的振动频率，通过应用振动补偿算法，可以有效地抑制设备运行过程中的振动。这种创新技术不仅成功地解决了振纹问题，也使得整个打印过程更加稳定。因此，用户可以享受到卓越的打印体验，同时设备的稳定性和性能也得到了显著的提升。
1.3.5挤出压力提前算法
当打印机加速，再减速打印一条直线时，理想状态下应该打印出一条直线，而实际情况是图中这种状况，这种情况会造成模型打印质量问题造成打印精度下降，K1 Max为解决此问题引入了挤出压力提前算法。
在我们的挤出过程研究中发现挤出机热端喷嘴的熔融腔必须达到一定的压力水平，才能确保耗材连续流动。这种挤压压力需要一段时间才能稳定达到。在加速过程中，如果压力尚未完全达到，就会导致挤出不足，如图中第②处所示。而在减速阶段，压力会逐渐释放，这可能导致多余的耗材流出喷嘴，如图中第④处所示。即便在减速完成后，可能仍会有少量多余的材料流出，如图中第⑤处所示。
特别需要注意的是，随着打印速度的增加，上述效应会变得更加严重，从而影响打印模型的质量。这种现象在高速打印时会更为明显，因此我们不得不寻找方法来解决这些问题，以确保打印模型的质量不受影响。
为解决这种问题，K1 Max使用了压力提前算法。
压力提前的作用是它为带有挤出的加速提供“压力提前”（额外压力），以抵消这种滞后。
在减速过程中，它会做相反的事情 - 它会向后拉（有点像提前回抽）以减轻喷嘴熔融腔所积聚的压力并防止渗漏。
2.自动调平
自动调平是3D打印中的一项技术，利用传感器和控制系统自动检测并调整打印平台的高度，确保打印过程中打印平台与打印头的距离一致。这不仅有助于获得更准确的首层效果，提高打印的稳定性和质量，还提升了打印的可靠性。首层打印效果是评估自动调平是否良好的首要标准，因为模型的首层直接与打印平台接触，需要在平台上牢固附着。如果首层打印效果不稳定或不牢固，可能会导致打印过程出现问题，造成模型脱落或歪斜。因此，良好的首层打印效果需要自动调平系统的高效运行。
2.1自动调平硬件系统
2.1.1四个阵列压力传感器
我们巧妙地在打印平台的关键位置集成了四个阵列式压力传感器。这些传感器能实时感知平台表面的微小变化，精准捕捉高低差异。借助这些数据，系统可以准确了解平台状态，从而实现更高精度的自动调平。
2.1.2打印头
在自动调平过程中，K1 Max的打印头起着至关重要的作用。不仅是执行打印任务的工具，其还具备感知功能。打印头会接触到打印平台，触发下方的压力传感器并根据其反馈的数据调整位置，确保打印头与平台始终保持合适的距离，从而保证打印过程的稳定性和质量。
2.1.3数据处理主控
位于系统核心的数据处理主控单元，负责整合传感器数据和打印头的调整操作。主控以高效的算法，将来自传感器的信息与预设标准进行比较，并计算出必要的平台调整值。这些值将指导打印头的移动，以达到最佳的平台调平效果。
2.1.4调平算法
K1 Max的调平算法通过利用阵列传感器数据生成高度网格地图，实现打印平台在打印过程中根据实时高度数据的自动调整。这种算法对于维持打印平台全面的打印质量尤为关键，特别在应对不均匀平台表面的情况时，能显著降低打印平台装配的机器要求。
调平算法的工作原理如下：
打印头在打印平台上移动或检测，获取不同位置的高度数据。这些数据用于捕捉平台的高低不平情况。
传感器获取的高度数据会被记录下来，并被转化为一个高度图，其中每个点都表示了相应位置的高度信息。这些数据构成了一个网格，在K1 Max上可以在浏览器输入机器IP获取预览图。
基于传感器数据，算法会生成一个网格，将打印平台的高度差异表示出来。这个网格可以是一个二维数组，每个单元格都包含了相应位置的高度值。
在打印过程中，调平算法会根据打印头的位置，查找相应网格单元格的高度值。如果打印头所在位置的高度不正确，算法会自动调整打印头的高度，使其与目标高度值匹配。这样可以确保打印头始终保持适当的距离，从而保证打印质量。
3.交流热床加热系统
K1 Max采用了交流热床加热系统，这是一项关键技术，它在3D打印过程中确保了对打印平台温度的精确控制和维护。此系统通过交流电进行精确加热控制，使打印材料在稳定的温度环境中可靠地附着在打印平台上。 相较于传统的直流热床加热系统，交流热床加热系统具有明显的优势。传统的直流系统需要将交流电转换为低压直流电，导致能量效率降低。而且，由于直流电压较大，热床的设计仅能小功率，这限制了加热速度。此外，传统直流系统在高温热床环境下的应用受限。 而交流热床加热系统充分利用了交流电流的特性，实现了均匀的温度分布，快速加热，并可应用于更广泛的温度范围，包括高温环境。这些优势不仅提高了3D打印效率和质量，也改善了用户体验。 为了增强其功能，K1 Max还集成了智能电压切换系统，使得交流热床加热系统能在110V AC和220V AC环境下智能切换。这项创新技术增强了K1 Max的适应性和便利性，无论在哪种电源环境下，系统都能智能地进行电压切换，免去用户担心电压兼容性问题，无需进行额外调整。这一创新为用户提供了更流畅、可靠的使用体验，有助于优化生产流程，减少资源浪费，提高生产效率。
4.AI故障检测系统
K1 Max在设备上部署了边缘AI技术，帮助用户进行实时故障监控。
边缘AI是一种将人工智能技术嵌入物联网（IoT）设备或系统中的方法，其目标是在设备本地完成数据处理和决策，而不是将数据发送到中央服务器进行处理。这一方法带来了多项优势，包括实时性、隐私保护和网络带宽的有效利用。
在AI故障检测系统中，关键技术是图像识别与处理、深度学习神经网络以及端到端目标检测算法。
图像识别与处理是系统的基础，它允许系统获取摄像头捕捉到的图像信息，识别图片中有哪些物体以及物体的坐标位置。
深度学习神经网络通过多次迭代优化模型的权重和参数，逐步学习图像中的模式、形状和特征。端到端目标检测算法致力于直接从原始图像中提取目标物体的位置和特征，通过多个阶段的处理流程实现更精细的检测。
K1 Max的边缘AI技术以及故障检测系统在打印过程中起到了关键作用。通过将先进的图像识别与处理、深度学习神经网络和端到端目标检测算法相融合，系统能够高效、准确地识别物体，从而保障了打印的安全性。
4.1异物检测
K1 Max的AI故障检测系统能够检测到3D打印平台上的遗留工具，例如剪钳、铲刀或螺丝刀等，又或者是上一次打印的模型未被取走，如果不及时移除，它们可能会导致打印头直接撞击这些物体，造成机器损坏。K1 Max通过暂停打印来提醒用户，有效避免这种风险的发生。系统通过AI异物检测功能，更好地保护打印设备和减少材料浪费。
4.2意面检测
在3D打印过程中，有时会因为一些意外情况导致打印质量发生缺陷，从而导致平台上出现一些丝状物，我们形象的称此现象为炒面或者意面，以下是一些可能会发生的意外情况：
-
模型倒塌，当打印的模型没有足够的结构支撑或者层与层之间的附着力不够强时，模型可能会在打印过程中部分或完全倒塌。这会导致打印出的模型出现意外的形变或失真。
-
支撑结构失败，为了打印具有悬空部分或悬臂的模型，通常需要添加支撑结构。如果支撑结构设计不当或者打印过程中支撑结构的附着力不够强，支撑结构可能会断裂或失效，导致模型表面出现意面。
-
层间附着力不足，每一层打印完成后，下一层需要附着在上一层上。如果层间附着力不足，新的层可能无法牢固地附着在上一层上，导致模型表面出现断裂、层与层之间的间隙或空洞。
-
温度问题，3D打印过程中的温度控制对于材料的熔化和固化至关重要。如果打印温度过高或过低，可能会导致材料熔化不足或不均匀，从而产生意面或不良表面。
-
打印速度过快，过高的打印速度可能会导致材料在打印过程中无法充分熔化或附着，产生意面。
K1 Max系统通过摄像头每隔一段时间进行一次检测，当识别到上述情况产生意面时，将自动弹出警示窗口，提醒用户存在打印质量问题，并暂停打印操作。这一智能机制不仅减少了耗材浪费，还有效防止了设备损坏的风险。
4.3流量校准
在机器正常打印过程中，通常会出现挤出量开始挤出时过少、结束挤出时过多，这可能导致打印模型的边角出现缺料或多料，以往的测试方法需要用户手动打印校准图案使用眼睛判断。
压力补偿值偏大： 压力补偿值偏小：
为了解决这个问题，我们使用了AI激光雷达和深度学习目标检测和注意力机制算法。采用了端到端神经网络来进行目标检测，并引入了类似于人类选择性视觉注意力的注意力机制。通过这种方式，能够聚焦于校准图案的关键细节，以获取最佳的压力补偿值PA，以平衡打印开始和结束时的挤出量，从而避免了缺料和多料的问题。这个方法可以提高模型的打印质量。
