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！

龙图腾网恭喜河南工业贸易职业学院;河南迅美机电设备工程有限公司申请的专利一种基于深度学习的数控加工路径优化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：CN118938807B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202410988265.0，技术领域涉及：G05B19/408；该发明授权一种基于深度学习的数控加工路径优化方法是由马鑫;余均;高广慧;林梅;李慧设计研发完成，并于2024-07-23向国家知识产权局提交的专利申请。

本一种基于深度学习的数控加工路径优化方法在说明书摘要公布了：本发明公开了一种基于深度学习的数控加工路径优化方法，包括S1、从数控机床的操作中自动收集历史加工数据集；S2、对所述历史加工数据集进行预处理；S3、基于预处理后的历史加工数据集，使用深度学习算法训练神经网络模型；S4、根据实际加工任务材料类型和加工要求的输入参数，输入到训练好的深度学习模型中；S5、通过深度学习模型，生成最优的加工路径；S6、对生成的加工路径进行仿真验证；S7、在加工过程中实时监控加工状态；S8、根据实时监控的反馈数据，动态调整优化深度学习模型；S9、将优化后的加工路径上传至数控机床并执行加工任务。本发明能够显著提高加工效率和路径精度，避免了传统方法中因规则设定和经验不足导致的误差。

本发明授权一种基于深度学习的数控加工路径优化方法在权利要求书中公布了：1.一种基于深度学习的数控加工路径优化方法，其特征在于，包括如下步骤：S1、从数控机床的操作中自动收集历史加工数据集；S2、对所述历史加工数据集进行预处理，去除噪声和无效数据，并进行标准化处理；S3、基于预处理后的历史加工数据集，使用深度学习算法训练神经网络模型，使深度学习模型学习和识别不同加工条件下的最优路径模式；S4、根据实际加工任务材料类型和加工要求的输入参数，输入到训练好的深度学习模型中；S5、通过深度学习模型，生成最优的加工路径；S6、对生成的加工路径进行仿真验证，确保路径的有效性和可靠性；S7、在加工过程中实时监控加工状态，收集反馈数据；S8、根据实时监控的反馈数据，动态调整优化深度学习模型，优化后的路径参数实时更新到加工路径中；S9、将优化后的加工路径上传至数控机床并执行加工任务；所述S1包括以下步骤：S11、从数控机床的操作中自动收集数控加工路径数据，所述数控加工路径数据包括机床移动轨迹、进给速度和加工顺序，记录为Pt，其中，Pit表示在时间t时刻的第i条路径数据： 其中，xijt、yijt、zijt分别表示第i条路径的第j个位置在三维空间的坐标，vijt表示进给速度，sijt表示加工顺序；S12、从数控机床的操作中自动收集数控加工时间数据，所述数控加工时间数据包括开始时间、结束时间和加工周期，记录为Tt，其中，Tit表示在时间t时刻的第i条时间数据： 其中，δstartt'和δendt'分别表示加工开始和结束的时间点的指示函数，α和β为时间衰减因子；S13、从数控机床的操作中自动收集数控刀具磨损情况数据，所述数控刀具磨损情况数据包括刀具使用时间、刀具磨损程度和更换记录，记录为Wt，其中，Wit表示在时间t时刻的第i条刀具磨损数据： 其中，ωk表示刀具磨损权重因子，uikt表示第i条刀具在时间t时刻的使用状态，τikt表示刀具使用时间；S14、从数控机床的操作中自动收集加工的材料特性数据，所述加工的材料特性数据包括材料类型、硬度和表面光洁度，记录为Mt，其中，Mit表示在时间t时刻的第i条材料特性数据： 其中，μl表示材料特性权重因子，Kilt表示材料类型，ρilt表示材料硬度，σilt表示材料表面光洁度；S15、对所述数控加工路径数据Pt、数控加工时间数据Tt、数控刀具磨损情况数据Wt和加工的材料特性数据Mt进行数据整合，构建历史加工数据集Dt：Dt＝{Pit，Tit，Wit，Mit|i＝1,2，...，N}；其中，N为数据采集的总样本数。

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河南工业贸易职业学院;河南迅美机电设备工程有限公司，其通讯地址为：450012 河南省郑州市金水区优胜北路4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”。