增材制造有产品周期短的好处。不过呢，它打印过程的实时监控很难，因为相关质量参数不好获取，还会随时间和空间变化，所以这成了研究里的重点和难点。好在传感器技术发展起来了，现在能用传感器网络实时监控打印过程，再通过软件反馈来实时修正，这样就能控制产品质量了。但有两个问题还得研究，一个是怎么选实时监测的传感器参数，让这些参数能包含打印过程的质量信息；另一个是怎么用分析方法把这些质量信息提取出来，用于过程监测和故障诊断。

FDM 型 3D 打印技术也是增材制造技术里的一种，它也有产品质量控制的问题。在 FDM 型增材制造过程中，可能会出现喷头堵塞、材料断丝、丝杆磨损这些不正常的打印情况。这些情况对产品质量影响很大。可市场上好多 FDM 型 3D 设备都没有有效的故障工况监测系统。在零件加工时，没办法及时预警，最后导致产品做不出来。所以急需开发面向 FDM 打印过程的打印机工况监测系统。所以，开展基于 FDM 型 3D 打印工况的过程监测和故障诊断研究特别重要，这能提高打印产品质量，减少残次品出现的概率，保证 3D 打印机稳定运行，还能推动增材制造过程监测及故障诊断理论的发展。这一章先把第二章介绍的 FDM 打印工况监测平台当作实验平台，通过主动诱发的方式让 FDM 打印机产生三种不同工况，就是喷头正常出料、喷头堵塞和材料耗尽状态。其中喷头正常出料是正常工况，另外两种是异常工况。然后介绍了集成经验模态分解的基本理论在信号处理上的优势，还以这次实验数据为例，介绍了集成经验模态分解的信号预处理和信号特征提取工作，最后用 K 近邻分类方法对提取的不同特征量进行分类。经验模态分解是现代信号处理方法的一种，它在处理非线性、非平稳信号时有一定优势，它能把原始信号分解成多个本征模态函数分量。