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一种多原料板三维零件排样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：CN119397616B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411402025.4，技术领域涉及：G06F30/10；该发明授权一种多原料板三维零件排样方法是由汤卿;董嘉瑞;王丽霞;戴尚坤设计研发完成，并于2024-10-09向国家知识产权局提交的专利申请。

本一种多原料板三维零件排样方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多原料板薄壁三维零件排样算法。本发明包括：采用三维投影、最小凸包算法和闵可夫斯基矢量和算法完成二维膨胀多边形的生成；将多边形编码为图像，选择图像为动作，当前所有原料板布局编码为图像作为状态，结合紧凑程度、单原料板和多原料板布局情况设计动作回报，使用深度强化迭代学习，最终获得每个多边形的摆放顺序、角度、位置和放入的原料板。本发明适用于单个或多个原料板排料问题；使用强化学习的方法充分探索了摆放状态，充分考虑了零件摆放顺序和放入的原料板对最终结果的影响，能快速给出较优乃至最优的排料方式；此外，使用深度学习拟合强化学习价值函数泛化能力强，就参数对于新问题依然实用。

本发明授权一种多原料板三维零件排样方法在权利要求书中公布了：1.一种多原料板三维零件排样方法，其特征在于，包括： S1.采用降维投影算法将三维零件投影为二维点集，利用最小凸包算法计算二维点集的最小包络凸多边形，使用多边形膨胀算法计算最小包络凸多边形的膨胀多边形； S2.编码强化学习动作和状态，将所有膨胀多边形编码为图像，每次选择多边形即为强化学习动作，将每个原料板的布局状态编码为图像，并堆叠所有原料板编码图构成强化学习状态；根据动作和状态设计状态转换函数，综合考虑单原料板排样紧密程度和多原料板间整体布局情况设计强化学习回报函数Rtat|st；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Qat,st和目标网络Tat,st，并采用ε-衰减策略探索让智能体与环境互动，在状态st中智能体按照策略选择动作at后，对布局更新得到新状态st+1，将状态st、动作at、新状态st+1和回报Rtat|st放入经验池中，当经验池数据量达到batch组后，每次智能体于环境交互，随机取出batch个数据，计算预测得分和实际得分Ut具体计算公式如下： 并训练更新Qat,st参数epoch1轮，当迭代轮数到达epoch2次后将Qat,st参数赋值给Tat,st更新目标网络参数，当迭代轮数到达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、摆放位置和放入的原料板索引； S3.将多个原料板分别摆放于不同装配文件的坐标原点，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其对应原料板的坐标系下，输出最终排样完成后所有原料板布局的三维装配体； 步骤S2所述“编码强化学习动作和状态”，包括： 强化学习状态编码，将当前所有原料板布局作为强化学习状态，若存在个Nm原料板Pm，则将每个原料板当前布局看作像素为w×h的图像Is，像素值Isc,r代表该像素是否在已摆放的多边形内部，即： 将每个原料板当前布局图像描述强化学习状态Is,j堆叠起来作为最终强化学习状态，即最终强化学习状态编码为 强化学习动作编码，取出膨胀多边形{Poffset}中所有元素并按旋转角度间隔θ，遍历旋转360°生成膨胀多边形子多边形集{Piα}，每次动作即选择膨胀多边形子多边形集{Piα}中一个元素，动作和膨胀子多边形表示为如下映射： ati,k＝Pi,kθ 其中，i、n为整数，Pi,kθ为膨胀多边形子多边形集{Piα}中第i个多边形旋转角度α＝kθ后生成的子多边形； 可将膨胀多边形Piα看作像素为d×d的图像Ia，像素值Iac,r对应该像素点坐标是否在多边形内，若Iac,r＝1说明该像素在多边形内，若Iac,r＝0则该像素不在多边形内，最终将动作编码为特征矩阵即：

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”。

以上内容由龙图腾AI智能生成。