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！

龙图腾网获悉华南理工大学申请的专利基于强化学习的粉末床熔融增材制造缺陷检测及抑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：CN116740005B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310641513.X，技术领域涉及：G06T7/00；该发明授权基于强化学习的粉末床熔融增材制造缺陷检测及抑制方法是由韩昌骏;严佛宝;黎凯;袁道林;王迪;胡高令;董志;杨永强设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本基于强化学习的粉末床熔融增材制造缺陷检测及抑制方法在说明书摘要公布了：本发明涉及一种基于强化学习的粉末床熔融增材制造缺陷检测及抑制方法，包括如下步骤S1实时获取粉末床熔融增材制造过程中的图像及状态数据，并对所述图像及所述状态数据进行预处理；S2搭建基于D3QN的强化学习模型，包括定义环境、奖惩机制定义、搭建神经网络和经验回放过程；S3将步骤S1经预处理后获取的所述粉末床熔融增材制造过程中的图像信息以及状态数据输入至所述基于D3QN的强化学习模型中进行训练，获取粉末床熔融增材制造过程中的最佳决策信息，并获得相应的训练模型；S4利用基于D3QN的强化学习模型获取的所述训练模型实现粉末床熔融增材制造过程缺陷检测及抑制，以此提高粉末床熔融增材制造的零件品质。

本发明授权基于强化学习的粉末床熔融增材制造缺陷检测及抑制方法在权利要求书中公布了：1.一种基于强化学习的粉末床熔融增材制造缺陷检测及抑制方法，其特征在于，包括如下步骤： S1：实时获取粉末床熔融增材制造过程中的图像及状态数据，并对所述图像及所述状态数据进行预处理； S2：搭建基于D3QN的强化学习模型，包括定义环境、奖惩机制定义、搭建神经网络和经验回放过程； S3：将步骤S1经预处理后获取的所述粉末床熔融增材制造过程中的图像信息以及状态数据输入至所述基于D3QN的强化学习模型中进行训练，获取粉末床熔融增材制造过程中的最佳决策信息，并获得相应的训练模型； S4：利用基于D3QN的强化学习模型获取的所述训练模型实现粉末床熔融增材制造过程缺陷检测及抑制； 所述搭建基于D3QN的强化学习模型的具体步骤包括： S21：构建智能体的状态空间S{s1,s2,…,st}、动作空间A{a1,a2,…,at}以及奖励或惩罚函数r； S22：搭建神经网络，所述神经网络包括输入层、隐藏层和输出层； S23：设置评估网络和目标网络，所述评估网络用于估计当前时刻状态st下每一动作at的Q值，所述目标网络用于计算目标Q值； S24：设置经验回放池，所述经验回放池用于容纳所述智能体交互过程中的经验样本； 所述状态空间为： S＝{Y,Pa,F,Q,T,C,HZ,P,V,H,μ,G,L} 其中，Y表示氧含量数值，Pa表示成形缸内压力值，F表示储粉缸粉量，Q表示保护气流量，T表示基板温度，HZ表示循环风机频率，P表示激光功率，V表示扫描速度，H表示扫描间距，μ表示层厚，G表示供粉量，L表示填充策略； 所述动作空间为： A＝{a1,a2,a3,a4,a5,a6,a7,a8} 其中，a1表示调整激光功率的动作，a2表示调整扫描速度的动作，a3表示调整层厚的动作，a4表示调整扫描间距的动作，a5表示调整供粉量的动作，a6表示调整循环风机频率的动作，a7表示调整基板温度的动作，a8表示调整填充策略的动作。

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华南理工大学，其通讯地址为：510635 广东省广州市天河区五山路；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”。

以上内容由龙图腾AI智能生成。