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！

龙图腾网获悉大连理工大学申请的专利一种机理数据双驱动的复杂薄壁件加工让刀变形补偿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：CN118377267B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202410468051.0，技术领域涉及：G05B19/404；该发明授权一种机理数据双驱动的复杂薄壁件加工让刀变形补偿方法是由刘海波;柴兴亮;吴春辉;薄其乐;李旭;李特;刘阔;王永青设计研发完成，并于2024-04-18向国家知识产权局提交的专利申请。

本一种机理数据双驱动的复杂薄壁件加工让刀变形补偿方法在说明书摘要公布了：一种机理数据双驱动的复杂薄壁件加工让刀变形补偿方法。获取工件的实际外廓型及壁厚信息，沿壁厚方向偏置求解实际内型面；虑及补偿量与让刀变形的耦合作用，建立加工中变形补偿机理模型，求解补偿柔度修正系数；基于BP神经网络预测模型，以加工数据为训练集，预测壁厚补偿值；以补偿柔度系数与目标壁厚的乘积同壁厚预测补偿值取均值，作为实际壁厚补偿值，沿壁厚法矢向外偏置，求解实际补偿刀位点；以刀位点的法矢及三维坐标为输入，生成数控加工代码，完成复杂薄壁件让刀变形补偿。本发明提出补偿柔度系数概念，针对单一方法的局限性提出机理与数据双驱动的补偿方法，解算补偿刀位点完成数字化加工，全过程实现自动化且提高加工效率及精度。

本发明授权一种机理数据双驱动的复杂薄壁件加工让刀变形补偿方法在权利要求书中公布了：1.一种机理数据双驱动的复杂薄壁件加工让刀变形补偿方法，其特征在于，步骤如下： 第一步，基于在机测量数据求解工件实际内型面 综合考虑机床行程及工件的实际尺寸，在传感器与工件不发生干涉且不超量程的前提下规划在机测量轨迹，通过外置式通讯方法，获取工件的实际廓形信息pixi,yi,zi,Ai,Ci，i≤m，m为廓形采样点总数；基于实际廓形规划电磁超声测厚轨迹，采集工件壁厚信息qjxj,yj,zj,Aj,Cj,dj，j≤n，n为壁厚采样点总数；由于廓形采样点总数m远大于n，通过Kd-tree邻域搜索算法，将壁厚信息与廓形信息进行匹配，即得实际廓形各点对应的壁厚值，记为pi′xi,yi,zi,Ai,Ci,di； 根据采样点云密度设定邻域半径，在邻域半径内基于PCA点云法向量估计方法，利用近邻点估计平面，通过最小化目标函数，使pi′点与其近邻点构成的向量与法向量的点乘为零： 其中，r为邻域内对应的点数，c为邻域中心点；令S是一个3*3的协方差矩阵，通过求解协方差矩阵最小特征值的特征向量，即为法向量的解； 将p′i点沿法向量向内偏置对应厚度di的距离，即获得实际内型面的点云数据pi″xi',yi',zi',Ai,Ci,di： 其中，x′,y′,z′为实际内型面的三维坐标； 第二步，建立让刀变形机理模型，求解补偿柔度系数 在装夹系统稳定的情况下，加工中的壁厚偏差主要是由刀具-工件系统耦合作用产生的挠度让刀变形引起，将此误差设为δd；若加工过程中的进给速度、主轴转速工艺参数保持恒定，则δd表示为： δd＝k′df3 其中，k′为补偿柔度系数，df为实际切削深度； 由薄壁壳体计算理论可知，薄壳微元段径向挠度变形计算公式为： 其中，F为微元径向铣削力，E,h,μ分别为薄壁件的弹性模量、剩余壁厚及泊松比； 铣削力F与实际切削深度、主轴转速及待加工材料属性有关，其计算公式为： F＝k*df*zt*nrpm5 其中，k为切削力系数，zt为每齿进给量，nrpm为主轴转速； 将式5、3代入式4中，即解得补偿柔度系数k′为： 工件的型面在每轮加工后均会发生变化，因此，补偿柔度系数的预测均面向内型面对应点M1考虑；每轮加工的理论壁厚为h1,w，w＝1,...,N；每轮加工的实际壁厚为hi1,w，每轮加工的补偿柔度系数为k′1,w，每轮加工的实际切削深度为df1,w； 补偿柔度系数与工件的剩余壁厚密切相关，基于实际切削加工数据，利用多项式插值法对后续加工过程的补偿柔度系数进行预测，则第N+1轮的补偿柔度系数k′1,N+1为： 由于补偿量与切削进给量的耦合作用，加工后误差δd1,N+1与实际补偿量c1,N+1并不相等，为保证壁厚精度，则实际补偿量与变形量的累和值为0，即得如下等式： k′1,N+1·hi1,N-h1,N+1+c1,N+1-c1,N+1＝08 即解得实际补偿量c1,N+1的计算公式为： 第三步，基于BP神经网络回归模型预测实际壁厚补偿量 首先，确定变形影响因子为实际壁厚hi1,w、理论加工壁厚h1,w、主轴转速nrpm、刀具每齿进给量zt，则输入数据集表示为X＝{x1,x2,…,xl}，l为训练数据集样本数量，xi表示历史加工数据的特征向量，表示为其次，将不同单位输入量去量纲化和数量级差别，使输入数据集见得均方差相比很小，提高收敛速度；BP神经网络回归预测模型由输入层、隐藏层、输出层组成，则最终的输出模型表示为： 其中，W1,W2,b1,b2分别为属于输入层与隐藏层、隐藏层与输出层之间的权重值与偏置值，Z1,Z2分别为隐藏层与输出层的输入，A1为隐藏层的输出，为模型的输出，v为非线性激活函数； 非线性激活函数采用Sigmoid函数，该函数的计算公式为： 其中，a为输入的自变量； 最后，通过反向传播算法沿误差函数下降最快方向更新参数，建立精确求解模型，以部分数据集为测试集，验证BP神经网络回归预测模型，最终将当前加工数据为输入，预测下一轮加工的补偿量c′1,N+1； 第四步，根据机理与数据驱动的壁厚补偿值，生成补偿刀位点 根据第二步机理解析模型计算得到的补偿值c1,N+1及第三步BP神经网络回归模型预测的补偿值c′1,N+1，求取对应点位的预测值均值，将其作为最终的补偿值其计算公式为： 根据最终各点求解的补偿值结合各点位的实际壁厚值与目标壁厚值dti，对实际内廓形的各点位沿法矢方向向外偏置，获取补偿加工刀位点，则刀位点求解公式为： 其中，xtool,ytool,ztool为补偿刀位点的位置坐标X，Y，Z； 最终，按照补偿刀位点的位置坐标和法矢，生成补偿加工数控代码，针对复杂薄壁件多轮减薄加工，粗加工阶段按照理论刀轨铣削进行大量材料去除，从半精加工阶段开始重复执行第二步至第四步的工作，即实现机理数据双驱动的复杂薄壁件让刀变形补偿，实现壁厚的精准控制，满足实际加工需求。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。