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！

龙图腾网获悉河南科技大学申请的专利基于改进强化学习算法的数控磨床磨削参数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：CN115600504B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211387264.8，技术领域涉及：G06F30/27；该发明授权基于改进强化学习算法的数控磨床磨削参数优化方法是由李健;李洹坤;何鹏博;徐莉萍;刘善慧设计研发完成，并于2022-11-07向国家知识产权局提交的专利申请。

本基于改进强化学习算法的数控磨床磨削参数优化方法在说明书摘要公布了：基于改进强化学习算法的数控磨床磨削参数优化方法，首先获取磨削比能公式与材料表面粗糙度公式，采用多元线性回归与最小二乘法原理对影响磨削比能与材料粗糙度中的系数进行拟合，建立数控磨床磨削阶段加工参数优化的数学模型；采用多智能体进行互相学习的方式对磨削参数进行优化，进而获得最优磨削参数。本方案通过优化设计，通过分析磨削过程时加工能耗与材料表面粗糙度，从而对磨削参数进行优化，实现数控磨床在磨削阶段中的加工能耗与加工质量的双目标同时优化；本方案在不改变材料表面粗糙度的同时有效地降低机床的能源消耗，提高加工效率。

本发明授权基于改进强化学习算法的数控磨床磨削参数优化方法在权利要求书中公布了：1.一种基于改进强化学习算法的数控磨床磨削参数优化方法，其特征在于： S1、首先获取磨削比能公式与材料表面粗糙度公式，采用多元线性回归与最小二乘法原理对影响磨削比能与材料粗糙度中的系数进行拟合，建立数控磨床磨削阶段加工参数优化的数学模型； S2、采用多智能体进行互相学习的方式对磨削参数进行优化，具体步骤如下： S2.1、设定有n个智能体，迭代次数为T，通过对每个智能体进行状态初始化并进行观测； S2.2、初始化每个智能体后，智能体会根据观测进行动作选取，设定智能体在每次迭代中共有个步长，每一时刻t时，智能体会更新一次步长，直至时，该迭代时步长更新结束； S2.3、智能体根据当前t时刻的行为与环境进行交互，得到新的状态与奖励，奖励设定为：，智能体根据环境得到的新的状态与奖励，采取新的措施；如果时，表示当前智能体的该行为不会使结果趋向于更好，则使智能体重新退回原状态；智能体根据新的状态进行观测，从而得到新的观测值； S2.4、智能体更新； S2.5、当智能体迭代更新状态达到最大迭代次数T时，最后一次迭代的最优智能体即为最优解，其对应的状态为最优状态即为所要求出的最优磨削参数； 所述步骤S1，具体过程如下： 建立磨削比能模型SEG： 其中，表示净磨削功率，表示切向磨削力，表示砂轮线速度，表示材料去除率，由于在磨削过程中，砂轮线速度要远大于工件进给速度，此时工件进给速度可忽略不计；MRR表示为： 其中，为工件进给速度；为磨削深度；b为砂轮宽度； 而法向磨削力的变化与磨削参数有关，法向磨削力经验公式表示为： 其中，K1、1、b1、c1为与机床和加工材料有关的系数； 联立上式建立磨削比能公式为： ； 根据经验公式，材料表面粗糙度常表示为： 同理可得表面粗糙度的数学表达式中的参数、、、； 针对数控磨床的磨削比能与材料表面粗糙度同时优化，则需要设置不同权值系数将多目标转化为单目标进行求解，并对二者进行归一化处理，将多目标转化为单目标函数，函数表达式为： 其中c为磨削比能与材料表面粗糙度的权值系数，； 实际加工中，需要对工件进给速度、砂轮转速、磨削深度进行约束，得到磨削阶段加工参数优化最终数学模型为： 。

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科技大学，其通讯地址为：471000 河南省洛阳市涧西区西苑路48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。