System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种基于深度强化学习的增材路径工艺协同优化方法,属于梯度材料增材制造。
技术介绍
1、增材制造是一种新兴的材料加工技术,其一种通过逐层添加材料来制造三维物体的过程,具有材料利用率高,设计自由度高等优点。增材制造的构件质量和性能与增材沉积路径和沉积工艺参数直接相关。然而,目前增材制造沉积路径规划主要通过直线式,折线式,轮廓式等几种简单路径组成,进一步综合考虑路径对增材后构件性能的影响的路径规划方法则更少,适用于零件级的综合考虑路径和工艺同步优化方法则没有。
2、近年来,深度强化学习是机器学习领域的一个重要分支,它结合了深度学习和强化学习,是一种通过构建和训练多层(深层)神经网络来学习数据表示的方法,而强化学习则是一种让智能体在环境中通过与环境的交互来学习最优行为策略的方法。其有望于解决零件级增材路径与工艺协同优化问题,专利:cn116629128a-一种基于深度强化学习的控制电弧增材成型的方法给出了基于现有路径的工艺优化方法,达到了控制增材成型的效果,在此基础上,有望进一步利用深度强化学习解决上诉问题。
技术实现思路
1、本专利技术为解决现有技术中增材构件的性能低,不能解决零件级增材路径与工艺协同优化的技术问题,进而提出一种基于深度强化学习的增材路径工艺协同优化方法。
2、本专利技术为解决上述问题采取的技术方案是:本专利技术提出一种基于深度强化学习的增材路径工艺协同优化方法,包括:
3、步骤1:构建增材路径规划强化学习环境;
< ...【技术保护点】
1.一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,所述一种基于深度强化学习的增材路径工艺协同优化方法的步骤包括:
2.根据权利要求1所述的一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,步骤1中增材路径规划强化学习环境包括路径规划的环境边界、初始路径规划状态、路径规划终止状态、智能体的运动空间和路径规划可视化。
3.根据权利要求1所述的一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,步骤2中智能体奖励机制为奖励函数,奖励函数为沉积道数,沉积面积,交叉沉积节点,沉积道曲率和夹角的函数,基于所述奖励函数对智能体所采取沉积路径进行综合评估。
4.根据权利要求1所述的一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,步骤3中训练路径规划强化学习模型的步骤包括:
5.根据权利要求1所述的一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,步骤4中对当前智能体选择的路径环境进行优化的步骤包括:
6.根据权利要求1所述的一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,
...【技术特征摘要】
1.一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,所述一种基于深度强化学习的增材路径工艺协同优化方法的步骤包括:
2.根据权利要求1所述的一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,步骤1中增材路径规划强化学习环境包括路径规划的环境边界、初始路径规划状态、路径规划终止状态、智能体的运动空间和路径规划可视化。
3.根据权利要求1所述的一种基于深度强化学习的增材路径工艺协同优化方法,其特征在于,步骤2中智能体奖励机制为奖励函数,奖励函数为沉积道数,沉积面积,交叉沉积节点...
【专利技术属性】
技术研发人员:邓路兵,林三宝,董博伦,蔡笑宇,赵昀,张本顺,孙宏伟,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。