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液体火箭发动机喷注孔的智能加工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：CN119820350B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510153985.X，技术领域涉及：B23Q3/06；该发明授权一种液体火箭发动机喷注孔的智能加工方法是由刘海波;邓平;王志鹏;刘赫;卢博;程喜文;李特;王永青设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种液体火箭发动机喷注孔的智能加工方法在说明书摘要公布了：本发明属于机械工程领域，公开了一种液体火箭发动机喷注孔的智能加工方法。该智能加工方法所用的系统包括配置可读取数据信息系统的五轴数控加工机床、可测量物体高度信息的线激光传感器、在加工过程中可实时读取力信号的测力刀柄等。通过夹具将火箭发动机喷注盘固定在数控机床工作台上，防止加工过程中发生位置变动；使用高精度工装将线激光传感器与刀柄相连，扫描工件得到喷注孔三维点云信息；通过点云重构进行加工参数求解；采用测力刀柄进行加工，根据实时力信号对加工过程进行调控。本发明提出的智能加工方法摒弃了传统加工方法中对工件加工参数难以确定的难题，可提高显著加工精度，降低工人劳动强度。

本发明授权一种液体火箭发动机喷注孔的智能加工方法在权利要求书中公布了：1.一种液体火箭发动机喷注孔的智能加工方法，其特征在于，步骤如下： 首先，通过自适应定心夹具将工件即液体火箭发动机喷注盘固定于五轴数控机床工作台面，确定工件坐标系与机床坐标系间的相对位置关系；其中使用自适应定心夹具进行工件定位装夹，自适应定心夹具主要由固定端和活动端两个半圆形结构组成；工件装夹过程中，首先将液体火箭发动机喷注盘外壁面靠紧固定端，然后通过螺钉将活动端合拢拧紧； 其次，利用线激光传感器对喷注盘进行多角度扫描，以确保喷注孔三维点云数据的完整性，不受喷注盘结构限制存在遮挡；其中线激光扫描测量具体如下：线激光传感器通过网线与机床数控系统建立通讯，并采用刀柄式工装集成于机床主轴末端；完成线激光传感器的位姿标定后，执行”SPOS”指令锁定机床主轴；为确保每个喷注孔的三维点云数据完整性，设计多向线激光扫描测量轨迹； 随后，通过点云重构技术对待加工部位的空间几何特征进行精准解析，获得喷注孔的实际圆心坐标及待加工倒角高度信息；其中加工相关量求解具体如下：选取可完整包覆单个喷注孔几何特征的最小包围盒，提取包围盒内点云数据建立子点云N；根据所属线激光扫描线的不同对子点云N内坐标点进行分组，编号为P1,P2…Pi…Pn，n为所获取工件点云内包含的线激光扫描线总数，从Pi起每3条连续线激光扫描线数据Pi+1、Pi+2、Pi+3组成一个数据矩阵Di；使用大小为3×3的卷积核K进行卷积操作得到卷积之后的数据矩阵； ； 人工标注数个喷注孔钢喷管的上表面数据点作为标签，使用多层感知机进行端到端训练；输入数据为不同喷注孔处理所得数据矩阵，输出数据为喷注孔钢喷管上表面数据点集，数据点集的数据量与标签保持一致；采用均方误差函数值MSE作为神经网络的损失函数计算和参数训练标准； ； 其中，i为数据点集与标签的数据数量；使用训练所得神经网络获得单个喷注孔钢喷管上表面数据点集，计算所有点的平均高度作为该喷注孔上表面高度htop； ； 根据喷注孔钢喷管上表面数据点集P，找到喷注孔钢喷管最外圈边缘点集Sside，对其向外扩展得到喷注孔铜基体锥面点集Scone； S1：喷注孔圆心坐标求解 在喷注孔钢喷管最外圈边缘点集中随机选取三个点,,构成初始样本，采用最小二乘拟合算法进行圆拟合，圆拟合方程为： ； 其中，为待拟合圆的圆心坐标，R为待拟合圆的半径； 计算喷注孔钢喷管最外圈边缘点集中其他点与拟合所得圆的误差，对于任意点，如果误差在拟合所得圆心预设的半径阈值内，则认为该点为内点；判断依据如下： ； ； 重复上述步骤多次，选取内点数量最多的拟合圆的参数作为最终结果，得到圆心坐标即为喷注孔圆心坐标； S2：喷注孔倒角高度求解 取喷注孔钢喷管上表面点云使用最小二乘法拟合得到第一直线，钢喷管侧面点云使用最小二乘法进行拟合得到第二直线，经过第一直线与第二直线交点垂直水平面求解得到第三直线；取喷注孔铜基体锥面上的点进行使用最小二乘法拟合得到第四直线，第四直线与第三直线的交点即为最低点，最低点高度即下表面高度hbottom，喷注孔喷嘴高度表示为： ； 假设全部喷注孔圆心坐标和待加工倒角高度的数据集为，其中N为喷注孔数量，则对于每个数据点，需验证其是否满足以下条件： ； 其中，、、是喷注孔对应的理论坐标和待加工高度，、、分别为喷注孔对应的理论坐标与实际坐标差值和待加工高度分布情况的标准差； 再次，基于解算的加工特征参数，借助数控系统的二次开发接口实现加工G代码的自动生成；其中加工G代码生成具体如下： 利用数控系统的二次开发接口编写通用化的加工G代码模板，将待加工喷注孔的高度坐标值和喷注孔圆心坐标设计为动态变量；在G代码模板中，参数初始值为工件设计的理论坐标与加工高度；结合第三步中解算得到的全部喷注孔圆心坐标和待加工倒角高度的数据信息，通过动态赋值与实时调整导入G代码模板，实现参数的动态化与个性化；加工第个喷注孔加工过程代码结构如下： ； 其中，G90为执行机床坐标系下操作的指令，G01为直线运动的指令，为提高的安全距离，防止发生撞刀； 在进行数据处理之后，将待写入模板的参数进行存储，如发生断电或系统异常，可恢复上次稳定状态；通过模板的动态调整与容错逻辑的结合，实现加工G代码的智能生成与优化； 最终，使用测力刀柄在加工过程中实时采集切削力信号，并结合深度学习模型对切削力数据进行动态分析，自适应调整加工参数以优化加工状态，实现全过程的智能化监控与精细化调控；其中基于测力刀柄的智能加工具体如下： 利用测力刀柄对加工过程中的切削力信号进行采集，由于切削力信号的动态变化快，采样频率必须满足奈奎斯特采样定理，以捕捉完整细节；采样频率应该符合下式： ； 其中，为主轴转速，为刀具的齿数，为加工系统的固有频率，为切削力频率；由于数据采集包含噪声或者异常值，需要对信号进行滤波；由于切削过程属于高频力信号，因此采用低通滤波，公式如下： ； 其中，为截止频率； 由于系统反馈存在时间误差，通过设计基于长短时记忆网络、一维卷积神经网络的深度学习框架，实现对切削力信号预测及关键特征的提取；切削力信号被采集为时间序列数据：表示为： ； 以喷注盘中的多个喷注孔实际加工数据为训练样本，采用长短时记忆神经网络捕捉切削力信号的时间依赖性；过程采用一维卷积神经网络提取所预测切削力信号中的加工特征，长短时记忆神经网络与一维卷积神经网络模型表达式分别为： ； ； 其中，为当前时间步的隐藏状态，为当前时间步的细胞状态，为当前时间步的输入，为上一时间步的隐藏状态，为上一时间步的细胞状态；表示在时间步t时，第k个卷积核的输出，K表示卷积核的大小，即卷积操作中涉及的输入序列元素的数量，表示第k个卷积核中第j个位置的权重，表示输入序列在时间步t+j−1的值，表示第k个卷积核的偏置项； 当加工完成特征预测结果所得高度值低于几何特征计算结果时，采用数控系统跳过当前行指令提前中断当前喷注孔加工并继续后续操作，待加工几何参数备份在文档中，整体加工任务完成后复检数据及加工质量判断加工完成度。

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。