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！

龙图腾网获悉四川大学申请的专利单边无限延伸原料板三维薄壁零件排样算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：CN119312975B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411429552.4，技术领域涉及：G06Q10/04；该发明授权单边无限延伸原料板三维薄壁零件排样算法是由汤卿;董嘉瑞;王丽霞设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本单边无限延伸原料板三维薄壁零件排样算法在说明书摘要公布了：本发明公开了一种基于强化学习的单边无限延伸原料板三维薄壁零件排样算法。本发明包括：采用三维投影算法、最小凸包算法和闵可夫斯基矢量和算法生成二维膨胀多边形；多边形编码为广义图，选择图为动作，当前布局编码为广义图作为状态，摆放面积、紧凑程度作为动作回报，使用深度强化学习迭代获得动作序列，最终获得每个多边形的摆放顺序、角度和位置。本发明能解决机械加工中的薄壁三维特征零件的排样问题；强化学习充分探索摆放过程未知状态，充分考虑零件排列顺序对最终结果的影响，能快速给出较优的排样方式；此外，使用深度学习拟合强化学习价值函数泛化能力强，对于全新的排样问题不重新训练网络参数就可以获得较好的排样结果。

本发明授权单边无限延伸原料板三维薄壁零件排样算法在权利要求书中公布了：1.一种单边无限延伸原料板三维薄壁零件排样算法，其特征在于，该方法包括以下步骤： S1.通过三维投影算法将三维零件投影到二维平面，采用最小凸包算法计算二维平面投影点集最小包络多边形，利用多边形膨胀算法计算出最小包络多边形的膨胀多边形； S2.编码强化学习动作和状态，将膨胀多边形编码为广义图像，强化学习动作即从中 选择一个广义图像，将原料板中的当前布局编码为广义图像作为强化学习状态；根据动作 和状态设计状态转换函数，从多边形放入后紧凑程度和单多边形面积大小两个方面综合考 虑设计强化学习回报函数，构建深度强化学习模型：根据强化学习状态设计两个 完全相同的神经网络：价值网络和目标网络，并采用-衰减策略探索让智 能体与环境互动，在状态中智能体按照策略选择动作后，对布局更新得到新状态，并 根据动作和状态计算该动作带来的回报，将状态、动作、回报 和新状态放入经验池，当经验池中数据达到batch1后计算预测得分和实际得分： 并训练更新价值网络参数epoch1次，当总轮数达到epoch2次后将参数 赋值给更新目标网络参数，当轮数到达总轮数epoch次后输出动作序列，最后根据 动作序列生成每个多边形的摆放角度、摆放顺序和摆放位置； S3.摆放原料板于坐标原点，对每个三维零件按投影方向坐标变换得到变换零件1，再按根据S2中计算得到的多边形摆放角度和位置，对变换零件1进行坐标变换获得在原料板中最终摆放后的三维零件位置，最后将所有的零件摆放到一个原料板坐标系下，输出最终排样完成后布局的三维装配体； 步骤S2所述“编码强化学习动作和状态”，其编码方法如下： 强化学习动作编码，取出膨胀多边形中所有元素并按旋转角度间隔，遍历旋转生成膨胀多边形子多边形集，每次动作即选择膨胀多边形子多边形集 中一个元素，即，动作和膨胀子多边形表示为如下映射： 其中，i、n为整数，为膨胀多边形子多边形集中第i个多边形旋转角度后生成的子多边形； 将动作对应的多边形看作像素为的图像，像素值对应该像素范围内是 否存在多边形顶点，若说明该像素为多边形顶点，设计设置特征矩阵作为最 终编码后的动作，第一特征表示该像素值是否为顶点、第二特征和第三特征分别为顶点准 确值，即： 强化学习状态编码，将当前原料板中布局作为强化学习状态，为进一步提取特征，将布 局看作像素为的图像，像素值代表该像素范围内是否存在多边形顶点，设置 特征矩阵进一步描述状态特征： 特征矩阵采用当前像素中多边形顶点数量、顶点准确x坐标和准确y坐标 描述多边形顶点状态，具体计算方法如下：

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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”。