1.一种FDM型3D打印机送丝机构流量监测方法，其特征在于，包括：(1)按照预设的时间步长采集打印过程中的喷头振动待测信号；

(2)对所述待测信号进行归一化处理，得到预处理的待测信号；

(3)利用快速傅里叶变换法将所述预处理的待测信号转换为频域待测信号；

(4)对所述频域待测信号划分为多个频率区间，提取每个频率区间的最大幅值，得到表征所述频域待测信号的特征向量；

(5)根据预先构建的动态识别模型，对所述频域待测信号的特征向量进行聚类分析，得到识别结果；

其中，所述预先构建的动态识别模型通过以下步骤建立：(21)从打印机的历史打印数据中按照预先设定的流量比区间选取多组历史数据作为样本数据；

(22)分别对多组所述历史数据进行归一化处理，得到预处理的样本数据；

(23)利用快速傅里叶变换法分别将多组所述预处理的样本数据转换为对应的频域样本信号；

(24)根据所述频域样本信号的频域特征，将其划分为多个频率区间，提取每个频率区间的最大幅值，得到表征所述频域样本信号的特征向量；

(25)利用KNN分类算法构建分类器分别对多组所述频域样本信号的特征向量进行分类，构建不同流量比下的识别模型；

步骤(25)包括：

(251)将多组样本信号对应的特征向量按照预先设定的比例划分为训练集和测试集；

(252)将训练集对应的每组数据都记上与之对应的类别标签；

(253)针对测试集中特定样本，计算其与训练集中每一个样本之间的距离；

(254)根据预先设定的K值，选取K个离所述特定样本最近的点；

(255)将出现次数最多的类别作为所述特定样本所属的类别。

2.根据权利要求1所述的方法，其特征在于，步骤(22)中，采用z‑score算法分别对多组历史数据进行归一化处理，所述归一化处理具体表示为：其中，Y＝[y1,y2,...,yn]为样本数据，μ1为样本数据Y的均值，σ1为样本数据Y的标准差，Y*为归一化处理后的结果。

3.根据权利要求2所述的方法，其特征在于，步骤(23)包括：将归一化后的样本数据Y*进行离散傅里叶变换：其中e是自然对数的底数，j是虚数单位，N为时域信号Y*的长度；

再对其进行快速傅里叶变换，具体为：

其中，Fodd(k)和Feven(k)是两个分别关于序列 奇数号和偶数号序列N/2点变换，WN为N次单位根表示的

4.根据权利要求1所述的方法，其特征在于，可采用闵式距离、马氏距离或余弦距离计算每个样本点与其余样本点之间的距离。

5.根据权利要求1所述的方法，其特征在于，步骤(254)中采用k折交叉验证算法利用k折交叉验证算法对分类器进行验证，并得到预先设定的K值。