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！

龙图腾网获悉北京工业大学申请的专利一种基于数据驱动的加工工艺节能规划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：CN114611379B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210123931.5，技术领域涉及：G06F30/27；该发明授权一种基于数据驱动的加工工艺节能规划方法是由初红艳;董可;刘志峰;张彩霞;李卓然;程强设计研发完成，并于2022-02-10向国家知识产权局提交的专利申请。

本一种基于数据驱动的加工工艺节能规划方法在说明书摘要公布了：本发明公开了一种基于数据驱动的加工工艺节能规划方法，包括，基于数字化离散车间机床历史采集数据和数控程序建立加工元加工能耗预测模型，并结合该能耗预测模型对数字化离散车间加工工艺节能规划问题进行求解。建立机床加工数据、零件特征加工元、数控程序参数和加工能耗之间的映射关系，获得数据集，并训练设计的神经网络，获得零件特征加工元的能耗预测模型。利用车间生产实时加工数据优化预测模型，建立一种加工工艺节能规划问题模型，其中，加工元的能耗通过训练好的预测模型进行预测；通过设计的智能优化算法进行工艺规划模型优化求解。本发明可用于数字化离散车间工艺辅助设计，提高车间生产效率，降低能耗，促进绿色节能生产。

本发明授权一种基于数据驱动的加工工艺节能规划方法在权利要求书中公布了：1.一种基于数据驱动的加工工艺节能规划方法，其特征在于，包括以下步骤： 步骤1：基于零件加工元分解规则，将零件所有特征匹配的加工方法分解为独立的加工单元，得到用于工序排序优化的加工元序列； 步骤2：基于设备运行的实时状态数据，给每个加工元选择合适的加工资源；以最小加工能耗为优化目标进行排序优化，通过神经网络预测模型去拟合零件实际加工所需的能耗，获得更加符合车间实际工况的最优节能工艺路线； 步骤2的实现分为三步： 第一步：挖掘数控程序中与加工元对应的加工数据，利用采集的机床加工历史数据，建立零件特征加工元、机床加工数据、数控程序和能耗之间的映射模型； 建立映射模型的方法如下： a提取数控程序中加工工序的程序段； b结合工序信息进行最小化加工单元的程序段划分，并将机床的加工数据以同样的方法进行处理； c以加工单元为纽带，连接对应的机床加工数据和数控程序； d完成映射模型的建立； 第二步：根据步骤第一步所述的映射模型进行加工数据分析，将预处理后的数据进行归一化操作，训练神经网络，建立面向特征加工元的能耗预测模型，并利用采集的实时加工数据优化能耗预测模型； 建立预测模型的主要流程如下： a将机床采集的加工数据进行预处理，并通过归一化处理形成样本集； b建立初始BP神经网络，并应用处理好的数据进行训练； c将工艺案例数据输入BP神经网络中进行测试，判断误差是否达标； d完成自适应能耗预测模型； e用实时采集的加工数据进行预测模型的精确度测试； BP神经网络设计： a分析所用的数据集，确定输入输出节点数； b根据经验公式确定隐含层节点数； c设置Sigmoid函数为隐含层传递函数，输出层函数采用线性函数，防止输出值被限制在0,1和-1,1之间； d选择BP神经网络的训练方法为误差逆向传播算法，并采用串行训练方式避免陷入局部最优； e确定神经网络中的初始权值； f将训练样本数据进行归一化处理，并输入网络中进行学习，获得所需的神经网络； 第三步：以能耗作为优化目标进行工序排序优化，通过神经网络预测每个加工元所需要的加工能耗；采用智能优化算法进行最小能耗的工序排序优化，获得符合实际工况的最小能耗的最优工艺路线； 结合BP神经网络的遗传算法设计： 使用遗传算法进行工艺规划优化，将加工资源约束和该零件存在的工艺约束作为算法优化中需输入的约束信息，进行工序排序，求解出满足所有约束的最优工艺规划结果； a编码：染色体编码方式采用基于加工元的整数编码，每个染色体能够表示工件所有加工元的加工顺序； b初始解的产生：通过随机生成的方法产生大部分初始种群个体，启发式规则产生小部分初始种群个体； c适应度函数值的计算：将每个个体对应的工艺方案的目标能耗E作为种群个体的适应度值； d遗传操作： ①选择：根据各个个体的适应度值，采用锦标赛的选择方法从父代群体选择个体基因遗传到下一代； ②交叉：以一定的交叉概率进行单点交叉； ③变异：以一定的变异概率随机进行两点互换基因变异和插入变异。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。