0 товар

На сумму : 0,00 грн.

Новости
02.02.2014
Продолжение сборки, обзор проектов

На данный момент собрана нижняя часть, кроме стола для печати. И этому есть причина – направляющие на базе 623 подшипников показали себя хуже, чем я рассчитывал. Мне даже показалось, что хуже чем с использованием стандартных LM8UU, немного поискав в интернете, я пришёл к выводу, что это логично, так как большинство направляющих и платформ для 3D принтеров и станков с ЧПУ используют в качестве направляющих подшипники вроде LM. По готовности принтера я проведу детальное тестирование качества печати при использовании разных видов направляющих.


Вот как выглядят направляющие на базе 623 подшипников:


Направляющая  на базе подшипника 623

Основная проблема в том, что идеальной точности при печати пластиком в домашних или гаражных условиях достичь сложно. А тут у нескольких отпечатанных и тщательно обработанных образцов направляющих на базе 623 подшипников выявилась проблема – чем плотнее они прилегают к самой гладкой шпильке направляющей – тем больше требуется усилие на их перемещение, а так же всё приспособление становится очень чувствительным к любым неровностям на шпильке, подшипнике или пластиковом корпусе. В случае с LM за счёт того, что шарики подшипников распределены вдоль шпильки погрешности, как шпильки, так и крепления сглаживаются за счёт их усреднения вдоль направляющей. Так что лучше попробовать использовать LM8UU в качестве подшипников для направляющих, но крепить их к платформе стола лучше не пластиком, а металлическими креплениями. Есть идеи как это сделать и что для этого использовать, но об этом немного позже – когда потеплеет и будут готовы нужные детали.


После подключения всех 3-х нижних двигателей – 2-х по оси Z и двигатель по оси Y, провёл тестирование, чтобы убедится в правильности подключения проводки внизу принтера и правильность подключения двигателей. По результатам оказалось, что у взятой мной платы RAMPS 1.4 не запаян диод D1, так что она не может использовать питание от RAMPS 1.4, так что для проведения теста пришлось подключить её к USB компьютера. На бедующее нужно будет запитать плату Arduino отдельно от блока питания, чтобы не разбирать весь блок электроники.


Видео теста:




Для того, чтобы провода, подключаемые к подвижному столу не повредились об разъёмы, чтобы защитить провода внизу принтера и улучшить его внешний вид, проводка внизу будет закрыта тонкой деревянной пластинкой.


Проводка выполнена снизу принтера

Относительно 3D принтера прихожу к выводу, что создание прототипа – долгий и трудоёмкий процесс. Каждый раз приходится выбирать компромиссы, принимать решения, которые затем будут сказываться на конструкции и дальнейшее развитие проекта. Приходится печатать и придумывать новые детали и элементы конструкции. На данный момент, так как большого ажиотажа нет, делаю ставку на максимально возможное развитие технологий прототипа ценой увеличения длительности проекта. Придётся так же сделать небольшую паузу из-за наступивших морозов и проблем с отоплением в гараже.


Это даёт время для проработки деталей дальнейшего развития проекта, возможность пополнить содержимое магазина. Для тех, кто хотел бы заниматься своими проектами это может оказаться полезным, так как при помощи того же набора электроники, при помощи которого можно создать 3D принтер, можно создать ещё много чего. Например, станок с ЧПУ, разные устройства и автоматику, требующие точности установки позиции или использующие шаговые двигатели.


Появилась возможность продолжить работу над другим не менее интересным проектом, о котором я тоже буду писать по мере его продвижения. Общая идей проекта – разработка программных алгоритмов и механизмов для возможности автоматизированного создания компьютерных инвариантных представлений. Статья о том, что такое инвариантное представление.


Наиболее подходящим кандидатом я считаю многослойный персептрон Розенблатта , потому что он обладает способностью к классификации и аппроксимации объектов. Наибольшей проблемой с многослойным персептроном представляются существующие его алгоритмы обучения. Рассматривая один из наиболее часто используемый из них - метод обратного распространения ошибки перестаёт работать при увеличении сложности задачи, количества и объёмов примеров. Происходит это, в основном, по причине остановки градиентного спуска на локальных минимумах. Это можно сравнить с поиском самой глубокой ямы при помощи железного шарика – пока яма одна и поверхность её достаточно ровная для спуска шарика решение мы будем находить быстро и точно – шарик окажется на максимальной глубине. Другое дело когда ям несколько да ещё с неровной поверхностью наш условный «железный шарик» алгоритма градиентного спуска наверняка не достигнет цели – самой глубокой точки самой глубокой ямы. Это не даёт возможности использовать данный алгоритм для построения достаточно сложных инвариантных представлений


Многие путают понятие многослойного персептрона и метода обратного распространения ошибки, считая что это одно и тоже. Это не так. Если найти способ, который не будет застревать на локальных экстремумах, теоретически многослойный персептрон может подойти для использования в качестве основы для более сложных инвариантных представлений, чем распознание цифр, для которого широко применяли метод обратного распространения. Это связано с теоретической возможностью решить с помощью многослойного персептрона линейно неразделимые задачи путём превращения задачи в линейно разделимую. Только для этого нужен алгоритм, который не будет застревать на локальных экстремумах, но и не будет скатываться к полному перебору всех возможных комбинаций


Мне, похоже, удалось приблизиться к решению этой задачи, придумав алгоритмы и подходы, способные решить проблемы существующих известных методов обучения многослойных персептронов. Во всяком случае, на простых примерах эти методы срабатывают и благополучно обходят проблему локальных минимумов для случая, когда мы стремимся найти глобальный минимум. Это доказывает, что нельзя считать невозможным использование многослойного персептрона для инвариантных представлений, но это само по себе ещё не подтверждает такую возможность. Для этого необходим более показательный пример. Желательно практический. Именно такой пример, который ближе к реальному миру и использованию в нём реализации инвариантных представлений, сравнительно недавно нашёлся. Главное, что это уже работает при использовании специализированной технологии с определённым качеством. Это распознавание лица человека при помощи признаков Хаара. Показательно в этом плане то, что это хороший пример для проверки возможности использования алгоритмов в качестве основы для базовых инвариантных представлений, из которых вполне может получится создания реальных устройств, способных за счёт этого адаптироваться к условиям реального мира. Показательно ещё то, что это не специализированный алгоритм, разработанный специально для задачи и ограниченный в применимости, а подход более общий, применяемый для проверки возможности его применения в частных задачах близкого уровня сложности. Хорошо ещё то, что в данном случае из-за проблем с локальными минимума метод обратного распространения ошибки практически не даёт ощутимых результатов, я решить задачу перебором не получится из-за астрономического числа комбинаций


Пока что по данному направлению достигнуты только промежуточные результаты, так что делать выводы ещё рано.


В последнее время ко мне обращались разработчики, которые стремятся применить технологии в электронике, используемые в моих проектах для создания 3D принтеров в интересах собственных разработок. Это стало причиной расширения ассортимента электроники, доступной для заказа в магазине. Сейчас в нём есть вся необходимая для этого электроника, начиная от платы Arduino с платой расширения RAMPS и до драйверов шаговых двигателей с шаговыми двигателями.


P.S.: Ещё недавно была разработана простая программа, которую я изначально сделал для своих детей по просьбе жены, чтобы они не засиживались слишком за компьютером, так как это для них вредно. Подробности можно узнать здесь, а заодно можно и поддержать проекты, представленные на сайте приобретя эту программу за 30 грн. для своего ребёнка.