基于强化学习的复杂薄壁结构物体3D打印路径规划方法

发明专利有效专利

申请号：
CN201810784805.8
IPC分类号：B29C64/386;B33Y50/00
申请日期：
2018-07-17
申请人：
大连理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于强化学习的复杂薄壁结构物体3D打印路径规划方法
申请号	CN201810784805.8	申请日期	2018-07-17
法律状态	授权	申报国家	中国
公开/公告日	2018-12-14	公开/公告号	CN108995220A
优先权	暂无	优先权号	暂无
主分类号	B29C64/386 ? IPC结构图谱： B 作业；运输 B2 成型 B29 塑料的加工；一般处于塑性状态物质的加工 B29C 塑料的成型或连接；塑性状态材料的成型，不包含在其他类目中的；已成型产品的后处理，例如修整（制作预型件入B29B 11/00；通过将原本不相连接的层结合成为各层连在一起的产品来制造层状产品入B32B 7/00至B32B 41/00）〔4〕 B29C64/00 增材加工，即，三维（3D）物体通过增材沉积，聚结或层压，例如通过3D打印，通过光固化或选择性激光烧结〔2017.01〕 B29C64/30 辅助操作或设备〔2017.01〕 B29C64/386 附加制造的数据获得或数据处理〔2017.01〕	IPC分类号	B;2;9;C;6;4;/;3;8;6;;;B;3;3;Y;5;0;/;0;0查看分类表>
申请人	大连理工大学	申请人地址	辽宁省大连市甘井子区凌工路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	大连理工大学	当前权利人	大连理工大学
发明人	李佳奕;王祎;李凤岐;王胜法;杨德成
代理机构	大连理工大学专利中心	代理人	梅洪玉

摘要

本发明属于人工智能及3D打印领域，涉及一种基于强化学习的复杂薄壁结构物体3D打印路径规划方法。本发明首先建立路径规划的仿真环境，然后基于强化学习中的Q‑learning算法，建立回报矩阵R，由回报矩阵R生成状态‑动作矩阵Q；再通过对状态‑动作矩阵Q的数据进行分析，得到打印的路径规划仿真结果；最后由仿真结果，结合实际打印机参数，完成实际打印过程。本发明借助Q‑learning算法，对3D打印的路径进行智能的学习，通过学习训练，使计算机能够智能的找到适合打印的一条路径，能够大大的提高打印的效率，成形的效果也明显好于传统的路径规划算法。本发明对于复杂薄壁图形具有通用性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供