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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于强化学习的薄壁件铣削振动主动控制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：CN117182651B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202311245733.7，技术领域涉及：B23Q17/00；该发明授权一种基于强化学习的薄壁件铣削振动主动控制方法是由姜彦翠;李哲铭设计研发完成，并于2023-09-25向国家知识产权局提交的专利申请。

本一种基于强化学习的薄壁件铣削振动主动控制方法在说明书摘要公布了：本发明提出了一种基于强化学习的薄壁件铣削振动主动控制方法及装置，本发明属于机械加工技术领域，涉及一种薄壁件结构的振动主动控制方法。其抑振方法为：在薄壁件铣削的工况下，使用加速度传感器获取薄壁件铣削时的振动信号，传感器获取的振动信号经过电荷放大器的放大，信号经过数模转换器输入到上位机里，经过Q学习控制器的处理产生驱动信号，经过电压放大器的放大后，作用到压电纤维片上，使其产生理想的驱动力。本方法能够以较高的精度实现薄壁件铣削过程中的振动实时控制；将压电纤维片作为作动器，具有良好的驱动功能；Q学习控制器可以实时调节压电纤维片的输出力，可以适应工件‑刀具的加工过程的时变性和复杂性，同时Q学习算法稳定性好，运算速度快。

本发明授权一种基于强化学习的薄壁件铣削振动主动控制方法在权利要求书中公布了：1.一种基于强化学习的薄壁件铣削振动主动控制方法，其特征在于，该方法包括以下步骤： 步骤一：建立压电纤维片驱动下的薄壁件动力学模型，得到系统的状态控制空间方程； 步骤二：设计薄壁件铣削振动的Q学习控制器，定义强化学习中的三个基本要素：状态、动作、奖励函数；通过每一步的学习获得相应的立即奖励值，利用立即奖励值与下一状态的Q值不断循环计算逼近真实的状态一动作对函数Qs,a，从而利用完整的Q函数信息，即Q表格可以在状态s下选择Q值最大的动作a；具体过程为： Q函数的迭代公式为： 其中为在状态时选择控制动作后达到目标状态时可以获得的总奖励值，为状态时选择控制动作后到达下一个状态所获得的立即奖励，为在状态时选择控制动作后达到目标状态时可以获得的总奖励值； 位移物理量离散方式为选取振动过程的最大值和最小值，并在最大值与最小值之间等分份，则位移离散空间包含个元素，分别为，其中； 在速度物理量分别为，其中； 在控制电压物理量分别为，其中； 状态空间由位移和速度两个物理量构成，因此状态空间包含了个元素，分别为： 由于动作空间就是电压空间，因此动作空间为： ； 步骤三：建立薄壁件铣削振动的Q学习控制器的调控方式； 步骤四：搭建薄壁件铣削振动的Q学习控制系统所需的硬件设备。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。