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！

龙图腾网获悉南京航空航天大学申请的专利一种机理-数据混合驱动的加工变形在线预测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：CN121009752B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511526147.9，技术领域涉及：G06F30/23；该发明授权一种机理-数据混合驱动的加工变形在线预测方法是由赵正彩;王禹封;郑亚微;苏宏华设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本一种机理-数据混合驱动的加工变形在线预测方法在说明书摘要公布了：本发明公开了一种机理‑数据混合驱动的加工变形在线预测方法，包括：建立残余应力场变形机理模型，根据输入的零件离散单元残余应力值，计算得到零件离散单元的变形量；建立多层感知机模型，根据零件离散单元变形量输出为零件整体变形量；建立深度学习网络模型，根据零件离散单元残余应力值输出为多层感知机模型的隐藏层权重；对深度学习网络模型进行训练；在线采集加工过程多源数据输入机理模型和深度学习模型，输出加工变形预测结果并量化局部应力对整体变形的影响程度。本发明能够在线预测薄壁件铣削加工变形，同时量化局部应力对整体变形的影响程度，可为基于残余应力场调控的加工变形控制策略提供参考。

本发明授权一种机理-数据混合驱动的加工变形在线预测方法在权利要求书中公布了：1.一种机理-数据混合驱动的加工变形在线预测方法，其特征在于，所述方法包括以下步骤： S1，开展薄壁件铣削加工试验，对若干个薄壁件分层切削，采集每个薄壁件加工过程中的切削力、夹紧力、加速度、整体变形量以及薄壁件的最大变形位置； S2，依次针对每个薄壁件进行有限元网格划分，得到若干个零件离散单元；根据采集的切削力、夹紧力和加速度预测得到薄壁件的内部残余应力状态，得到每个零件离散单元的残余应力值；建立残余应力场变形机理模型，根据输入的每个零件离散单元的残余应力值，计算得到每个零件离散单元的变形量； S3，整合每个薄壁件对应的所有零件离散单元的变形量、零件离散单元中心点与最大变形位置的距离以及整体变形量，生成第一训练数据集和第一测试集；将任意一个薄壁件对应的所有零件离散单元的变形量作为多层感知机模型的输入数据，所有零件离散单元中心点与最大变形位置的距离构成的距离向量作为多层感知机模型的初始隐藏层权重向量，薄壁件的整体变形量作为输出数据，采用第一训练数据集和第一测试集对多层感知机模型进行训练和验证；输出并保存训练完成的多层感知机模型的隐藏层权重向量； S4，在U-net模型引入残差模块，构建得到深度学习网络模型；整合每个薄壁件的所有零件离散单元的变形量和对应的多层感知机模型的隐藏层权重向量，生成第二训练数据集和第二测试集；将每个薄壁件的所有零件离散单元的变形量作为深度学习网络模型的输入数据，对应的多层感知机模型的隐藏层权重向量作为深度学习网络模型的输出数据，采用第二训练数据集和第二测试集对深度学习网络模型进行训练和验证； S5，针对正在铣削加工的薄壁件，在线采集薄壁件在加工过程中的切削力、夹紧力和加速度，得到该薄壁件对应的每个零件离散单元的残余应力值，再利用残余应力场变形机理模型计算得到该薄壁件对应的所有零件离散单元的变形量；将计算得到的薄壁件对应的所有零件离散单元的变形量输入训练完成的深度学习网络模型，输出多层感知机模型的隐藏层权重向量；将输出的多层感知机模型的隐藏层权重向量和薄壁件对应的所有零件离散单元的变形量一起输入多层感知机模型，输出薄壁件的整体变形量。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。