買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南昌大學申請的專利一種基于法向接觸力變化的打磨工藝參數自適應方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115374700B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210988264.7，技術領域涉及：G06F30/27；該發明授權一種基于法向接觸力變化的打磨工藝參數自適應方法是由李春泉;姚凱文;陳義潔;朱文德;劉家風;陳庚;劉小平設計研發完成，并于2022-08-17向國家知識產權局提交的專利申請。

本一種基于法向接觸力變化的打磨工藝參數自適應方法在說明書摘要公布了：本發明提供了一種基于法向接觸力變化的打磨工藝參數自適應方法，步驟1，設計正交中心組合實驗；步驟2，用深度偏最小二乘算法建立磨削工藝參數與表面粗糙度和材料去除深度的預測模型；步驟3，構建改進阿基米德優化算法；步驟4，建立滿足磨削要求的目標優化函數，確定K1和K2的值；步驟5，利用改進阿基米德優化算法來計算不同法向接觸力情況下各工藝參數的最優結果。本發明基于4因素3水平的正交中心組合試驗，采用偏最小二乘算法建立磨削工藝參數與表面粗糙度和材料去除深度的預測模型具有較高的預測精度；對于實際打磨中法向接觸力較難控制的部位，可以通過本發明保證加工過程中表面粗糙度和材料去除深度的一致性。

本發明授權一種基于法向接觸力變化的打磨工藝參數自適應方法在權利要求書中公布了：1.一種基于法向接觸力變化的打磨工藝參數自適應方法，其特征在于：包括以下步驟： 步驟1、設計正交中心組合試驗： 正交中心組合試驗中機器人砂帶磨削中影響表面粗糙度和材料去除深度的主要工藝參數有：砂帶線速度vs，進給速度vf,法向接觸力Fn，砂帶的粒度P，依據單因素試驗設計4因素3水平的正交中心組合表并進行試驗，在垂直磨削軌跡方向測量5點并取平均值作為最終表面粗糙度Ra；測量磨削路徑上3點的深度值h并取平均作為材料去除深度MRD； 步驟2、用深度偏最小二乘算法建立磨削工藝參數與表面粗糙度和材料去除深度的預測模型： 利用步驟1得到的數據對深度偏最小二乘模型進行訓練，建立工藝參數與表面粗糙度和材料去除深度的預測模型，用工藝參數P、、、還有表面粗糙度Ra和材料去除深度MRD作為深度偏最小二乘模型的輸入數組，在所有投影矩陣和預測矩陣求解完畢后，輸入工藝參數即可得到表面粗糙度Ra和材料去除深度MRD的預測值； 步驟3：根據磨削要求設計優化目標函數，具體的函數如下： ； 其中和為期望的表面粗糙度和材料去除深度，和為通過深度偏最小二乘算法所建立的材料去除深度和表面粗糙度預測模型輸出，和是表面粗糙度和材料去除深度的權重系數，其中限制為0-1之間，且和為1； 步驟4、利用改進阿基米德優化算法NSAOA來計算不同法向接觸力情況下各工藝參數的最優結果曲線； 步驟4優化具體步驟描述為： ①讀取訓練數據和測試數據，并且對其進行歸一化處理； ②確定P、、、四個參數的搜索范圍，在解空間中隨機初始化工藝參數P、、、的初始位置； ③將種群中每個個體輸入到步驟2所訓練好的深度偏最小二乘模型當中，得到每個個體對應的表面粗糙度Ra和材料去除深度MRD的值； ④通過步驟3所建立的優化函數，算出NSAOA里當前種群每一個個體的適應度值，并記錄最優適應度個體的位置、密度、體積和加速度； ⑤按照改進阿基米德優化算法的步驟重復③④過程進行不斷迭代，最終得到當前法向量力下最優的工藝參數值； ⑥針對不同的打磨法法向量接觸力，重復執行過程⑤，并將數據結果繪制成函數曲線，用于實際打磨時指導各工藝參數的變化； 改進阿基米德優化算法包括以下步驟： 步驟一：初始化種群：在目標函數的搜索空間隨機生成當前種群P每一個體的初始位置xi、個體密度deni、體積voli、和加速度acci，初始值計算方法重復如下： ； 其中i=1,2,3,…,N，N是種群的數量，j=1,2,…,D，D是所求函數自變量的維數，和則分別代表預設的、、、的約束范圍中的最大值和最小值，rand是[0,1]內隨機分布的隨機數； 步驟二：自我更新：在每次迭代開始時，隨機更新當前個體的密度以及體積，更新公式如下： ； ； 其中和表示第次迭代第個個體的密度和體積； 步驟三：計算遷移因子和密度因子：AOA根據浸泡在流體中的物體是否發生碰撞分成了全局搜索和局部開發兩個階段，而遷移因子主要用于實現全局搜索階段和局部開發階段的切換，其計算方式如下： ； 其中為當前迭代次數，為最大迭代次數，exp表示以e為底的指數函數，會隨著迭代次數的增加逐漸增加至1，為密度因子，隨著迭代次數的增加而減小，有助于從全局搜索階段過渡至局部開發階段，其計算方式如下： ； 步驟四：搜索與開發階段：當TF≤0.5時說明物體之間發生了碰撞，進行全局搜索，此時隨機選一個體Mr，個體加速度的更新如下： ； 其中、和為隨機選出個體的密度、體積和加速度，當TF0.5時物體之間未發生碰撞，進行局部開發，個體加速度的更新如下： ； 其中、和為當前最優個體的密度、體積和加速度，此外對加速度進行歸一化處理： ； 其中和為常數0.9和0.1； 步驟五：最優鄰域擾動策略：引入最優鄰域擾動策略來增加對附近區域的搜索，幫助算法在全局搜索時跳出局部最優，對最優位置進行鄰域擾動的過程如下： ； 其中為擾動后生成的位置，為全局搜索后更新的個體位置，，，為0到1之間的隨機數，同時對于擾動后的鄰域位置需要用到貪心算法判斷結果是否需要保留，貪心算法的計算過程如下： ； 其中為貪心算法得出的最優位置，為位置對應的適應度值； 步驟六：個體位置更新：當TF=0.5時處于搜索階段，當TF0.5時處于開發階段，隨機選一個個體Mr，個體位置的更新如下： ； 其中，，、、、和為固定常數，F為用于決定迭代位置更新的方向因子，當時為，時F為； 步驟七：停滯擾動策略：引入基于萊維飛行的停滯擾動策略對種群位置進行擾動以此來擴大搜索區域和增加群體的多樣性，產生服從萊維分布的隨機步長s方法如下： ； 其中、服從正態分布，，，并且： ； 當群體中歷史最優位置的適應度值連續5次迭代沒有發生變化時表示搜索陷入停滯，此時采用萊維飛行策略擾動群體中個體的位置，幫助算法跳出局部最優，基于萊維飛行的停滯擾動策略個體更新方式如下： ； 其中為比例因子，表示服從標準正態分布的隨機數； 步驟八：保存最優適應度值：利用目標函數進行評估，選出當前迭代最優適應度個體的位置、密度、體積和加速度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南昌大學，其通訊地址為：330000 江西省南昌市紅谷灘新區學府大道999號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。