1.一种基于实时反馈的3D打印过程智能控制系统，其特征在于：包括数据采集模块、预处理模块、图像分析模块、综合评估模块以及智能控制模块；

所述数据采集模块用于采集3D打印过程中的打印层表面高清图像和打印数据，并依据收集到的打印层表面高清图像和打印数据，构建图像数据集合和打印数据集合；

所述预处理模块用于对图像数据集合和打印数据集合中的打印层表面高清图像和打印数据进行预处理；

所述图像分析模块用于依据卷积神经网络构建缺陷分析模型，将预处理后的打印层表面高清图像输入缺陷分析模型，获取打印层缺陷评分D，并预设缺陷评分阈值Dl，将预设的缺陷评分阈值Dl与打印层缺陷评分D进行对比分析，评估打印层状态，并触发预警机制，控制打印层；

所述综合评估模块用于依据预处理后的打印数据集合和打印层缺陷评分D，获取裂纹生成概率Z；

所述智能控制模块用于预设裂纹生成概率阈值Zl，并将预设的裂纹生成概率阈值Zl和裂纹生成概率Z进行对比分析，评估3D打印状态，并依据评估出的3D打印状态，反馈数据给3D打印数据中心，控制3D打印进程。

2.根据权利要求1所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述数据采集模块包括图像数据采集单元和打印数据采集单元；

所述图像数据采集单元用于使用安装在打印头上方的高分辨率摄像头，在每一层打印过程完成后，采集打印层表面图像，并通过无线网络技术将采集到的打印层表面图像传输至3D打印数据中心，构建图像数据集合；

所述打印数据采集单元用于在3D打印机平台底部部署智能传感器组，获取3D打印过程的打印数据，所述打印数据包括打印层温度、打印层应力和沉积层厚度，并通过打印材料的物理性质数据库和材料手册中获取材料的热膨胀系数和有效弹性模量；

所述打印层温度数据指使用红外温度传感器，实时监控打印层的温度获取；

所述打印层应力指使用安装在打印平台底部的激光应力片，实时监测打印过程中产生的应力变化，获取打印层应力数据；

所述沉积层厚度指使用部署的光学传感器，通过反射光信号来检测打印层的高度变换，获取沉积层高度数据；

将上述获取的打印层温度数据、打印层应力数据和沉积层高度数据通过无线网络技术传输至3D打印数据中心，构建打印数据集合。

3.根据权利要求2所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述预处理模块包括打印数据处理单元和图像数据处理单元；

所述打印数据处理单元用于对打印数据集合中的打印数据进行噪声过滤、数据清洗和归一化处理；

所述噪声过滤指使用卡尔曼滤波器去除打印数据随机噪声；

所述数据清洗指使用箱线图检测异常值，在箱线图中计算四分位距IQR，得到正常数据范围（Q1-1.5×IQR，Q3＋1.5×IQR），对于不在正常数据范围内的打印数据，视为异常数据，进行异常值去除；

所述归一化处理指对采集的打印数据进行无量纲处理，将采集到的打印数据进行单位统一化。

4.根据权利要求3所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述图像数据处理单元指将图像数据集合中的图像数据进行区域裁剪、RGB标准化和边界设定；

所述区域裁剪指使用计算机视觉技术裁剪出打印区域，去除背景信息；

所述RGB标准化指对图像数据进行像素操作，将每个像素进行标准版处理；

所述边界设定指使用边缘检测算法标记图像边界点。

5.根据权利要求4所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述图像分析模块包括模型构建单元和初步评估单元；

所述模型构建单元用于依据卷积神经网络技术构建缺陷分析模型，并结合3D打印数据库，获取历史打印图像数据，将历史打印图像数据作为训练数据输入缺陷分析模型的输入层，使用反向传播和优化算法调整缺陷分析模型参数，将实时采集的打印图像数据输入训练后的缺陷分析模型，获得打印层缺陷评分D；

其中，所述缺陷分析模型包括输入层、卷积层、池化层、全连接层和输出层；

所述输入层用于将实时采集的打印图像数据输入缺陷分析模型；

所述卷积层用于提取图像数据的局部特征，生成局部特征图；

所述池化层用于降低卷积层获取的局部特征图的维度；

所述全连接层用于将特征映射到打印层缺陷评分D输出；

所述输出层用于输出打印层缺陷评分D，所述打印层缺陷评分D具体获取方式为：;

式中，是平均边缘强度，是纹理均匀度，是颜色均匀分布系数，分别是平均边缘强度、纹理均匀度和颜色均匀分布系数的权重值，c是偏置项；

所述平均边缘强度获取方式为：

对图像进行边缘检测，使用Sobel算子检测图像中所有像素的边缘强度，获取水平梯度边缘强度和垂直梯度边缘强度，并依据水平梯度边缘强度和垂直梯度边缘强度获取每个像素点的边缘强度G：;

依据每个像素的边缘强度G获取整体图像的平均边缘强度：;

式中，是图像中像素的总数，k是图像的第k个像素，是第k个像素的边缘强度；

所述纹理均匀度获取方式为：

将图像转化为灰度图像，获取灰度共生矩阵，并依据灰度共生矩阵获取纹理均匀度：;

式中，a和b分别代表灰度共生矩阵的两个灰度值，是在灰度共生矩阵中，灰度值为a的像素和相邻灰度值为b的像素组合的相对频率；

所述颜色均匀分布系数获取方式为：

将图像转换为HSV颜色空间，包括色调、饱和度和亮度三个通道，分别计算每个通道的标准差，并依据每个通道的标准差和均值获取颜色均匀分布系数：;

式中，、和分别是色调通道、饱和度通道和亮度通道的标准差。

6.根据权利要求5所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述初步评估单元用于预设缺陷评分阈值Dl，并将获取的打印层缺陷评分D与缺陷评分阈值Dl进行对比分析，评估3D打印质量，具体评估内容如下：若打印层缺陷评分D小于缺陷评分阈值Dl，即D＜Dl时，判定打印处于正常风险状态，表明打印层表面质量正常，无需进行调整，持续监控打印进程；

若打印层缺陷评分D大于或等于缺陷评分阈值Dl，即D≥Dl时，判定打印处于异常风险状态，表明打印层表面存在缺陷，触发报警机制，立刻停止打印并记录打印数据发送给3D打印控制人员，直到3D打印控制人员响应。

7.根据权利要求3所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述综合评估模块包括打印数据分析单元和裂纹概率预测单元；

所述打印数据分析单元用于根据预处理后的打印数据集合，获取平均冷却速率和热应力；

所述平均冷却速率获取方式为：

;

式中，是在时间点时，打印层的瞬时温度，是在时间点时，打印层的瞬时温度，M是总的采样时间点数，是第i个采样时间点，是第i-1个采样时间点，i=1，2，...，M，是相邻的两个数据采集时间点的时间间隔；

所述热应力获取方式为：

;

式中，是打印材料内不同位置的温度差，是打印材料的热膨胀系数，是打印材料的有效弹性模量。

8.根据权利要求7所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述裂纹概率预测单元用于构建裂纹概率预测模型，并使用历史打印数据进行裂纹概率预测模型训练；

将打印层的缺陷评分D、平均冷却速率以及热应力输入训练后的裂纹概率预测模型，获取裂纹生成概率Z，所述裂纹生成概率Z获取方式为：;

式中，分别是打印层的缺陷评分D、平均冷却速率和热应力的权重系数，q是偏置项。

9.根据权利要求8所述的一种基于实时反馈的3D打印过程智能控制系统，其特征在于：所述智能控制模块用于预设裂纹生成概率阈值Zl，将裂纹生成概率阈值Zl与裂纹生成概率Z进行对比分析，评估3D打印状态，具体评估内容如下：若裂纹生成概率Z大于或等于裂纹生成概率阈值Zl，即Z≥Zl时，判定打印处于异常状态，触发报警机制，立即降低温度为原先温度的一半，并重新规划打印路径，调整层与层之间的打印时间间隔为原先的一倍；

若裂纹生成概率Z小于裂纹生成概率阈值Zl，即Z＜Zl时，判定打印处于正常状态，打印状态相对平稳，持续监测打印状态并生成打印报告存储于3D打印数据中心。

10.一种基于实时反馈的3D打印过程智能控制方法，用于实现上述权利要求1~9任一项所述的教育管理培训系统，其特征在于：包括以下步骤，步骤一、采集3D打印过程中的打印层表面高清图像和打印数据，并依据收集到的打印层表面高清图像和打印数据，构建图像数据集合和打印数据集合；

步骤二、对图像数据集合和打印数据集合中的打印层表面高清图像和打印数据进行预处理；

步骤三、依据卷积神经网络构建缺陷分析模型，将预处理后的打印层表面高清图像输入缺陷分析模型，获取打印层缺陷评分D，并预设缺陷评分阈值Dl，将预设的缺陷评分阈值Dl与打印层缺陷评分D进行对比分析，评估打印层状态，并触发预警机制，控制打印层；

步骤四、依据预处理后的打印数据集合和打印层缺陷评分D，获取裂纹生成概率Z；

步骤五、预设裂纹生成概率阈值Zl，并将预设的裂纹生成概率阈值Zl和裂纹生成概率Z进行对比分析，评估3D打印状态，并依据评估出的3D打印状态，反馈数据给3D打印数据中心，控制3D打印进程。