买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于深度强化学习的飞机结构装配变形实时控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119620694B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411526383.6，技术领域涉及：G05B19/418；该发明授权一种基于深度强化学习的飞机结构装配变形实时控制方法是由王青;张一帆;罗文旭;张强;张瑞;柯映林;李江雄设计研发完成，并于2024-10-30向国家知识产权局提交的专利申请。

本一种基于深度强化学习的飞机结构装配变形实时控制方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的飞机结构装配变形实时控制方法，包括：基于工艺控制参数和对应的飞机结构变形场变量数据，以构建对应的映射关系模型；映射关系模型包括第一阶段和第二阶段，所述第一阶段包括卷积神经网络，所述卷积神经网络用于飞机结构变形场变量数据在高维表示与低维表示之间进行转换；基于该映射关系，构建变形控制强化学习模型，以控制参数为动作，以场变量的低维表示为状态，训练获得变形控制策略模型；将当前时刻的飞机结构变形场变量数据输入至变形控制策略模型中，以输出下一时刻的工艺控制参数。本发明提供的方法能够根据装配现场装配对象的实际状态实时生成控制参数以优化装配对象变形。

本发明授权一种基于深度强化学习的飞机结构装配变形实时控制方法在权利要求书中公布了：1.一种基于深度强化学习的飞机结构装配变形实时控制方法，其特征在于，包括以下步骤： 基于飞机机构几何和材料参数进行仿真实验，以获取不同工艺控制参数下对应的飞机结构变形场变量数据，并基于所获取的工艺控制参数和对应的飞机结构变形场变量数据，以构建对应的映射关系模型； 所述映射关系模型包括第一阶段和第二阶段，所述第一阶段包括卷积神经网络，所述卷积神经网络用于飞机结构变形场变量数据在高维表示与低维表示之间进行转换，所述第一阶段的公式如下：；；其中，表示将高维场变量数据压缩成低维的所述卷积神经网络中的编码器，为原始高维场变量数据，为经压缩得到的所述场变量的低维表示，表示将场变量数据的低维表示恢复到原始高维数据的所述卷积神经网络中的解码器，所述卷积神经网络以重构误差为损失函数，通过最小化损失函数值完成所述卷积神经网络的训练；所述损失函数公式如下：；所述第二阶段包括多层感知机，所述多层感知机用于构建工艺控制参数与飞机结构变形场变量数据的低维表示之间的映射；其公式如下：；其中，为第二阶段所采用的多层感知机，为输入的控制参数；以所述卷积神经网络生成的低维表示作为智能体状态，并以工艺控制参数作为动作，基于深度强化学习框架构建对应的智能体策略网络和价值网络，并将智能体与所述映射关系模型的交互结果作为训练数据，对所述智能体策略网络和价值网络进行训练以更新参数权重，以获得用于预测下一时刻工艺控制参数的变形控制策略模型； 在装配现场中进行飞机结构形变控制时，将当前时刻的飞机结构变形场变量数据输入至变形控制策略模型中，以输出下一时刻的工艺控制参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。