申请/专利权人：湖南大学

申请日：2024-02-03

公开（公告）日：2024-06-25

公开（公告）号：CN118246312A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/092;G06F111/04

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了基于DDPG的航空发动机异形叶片视点自主规划方法，包括以下步骤：S1,导入待测叶片的标准CAD模型；S2,定义强化学习环境的状态空间；S3，定义强化学习环境的动作空间；S4，定义强化学习的奖励函数，根据占有体素增长率、未知体素减少率和待测叶片重叠率误差惩罚得到奖励函数；S5，定义强化学习训练终止条件；S6，定义强化学习训练过程,进行动作网络和评价网络的参数训练；S7,重复步骤S2‑S6，得到训练后的动作网络和训练后的评价网络；S8，强化学习训练结束，得到一组最优视点。本发明是在连续空间内进行最优视点的求取，适用于叶片的薄壁复杂曲面结构，确保所选择的视点为连续空间内最优视点。

主权项：1.基于DDPG的航空发动机异形叶片视点自主规划方法，其特征在于，所述方法包括：S1,在测量系统中导入待测航空发动机异形叶片的标准CAD模型，同时设置待测叶片最大覆盖率、扫描设备最大动作次数、强化学习训练次数；S2,基于DDPG定义强化学习环境的状态空间,根据待测航空发动机异形叶片的标准CAD模型的包围盒体素集合得到观测空间，由观测空间的状态表示得到状态空间，将状态空间定义为未占有体素、占有体素和未知体素三种体素状态的集合，扫描设备每次对待测航空发动机异形叶片的标准CAD模型扫描完成后，对状态空间的体素状态进行更新计算得到占有体素增长率、未知体素减少率、待测叶片覆盖率、待测叶片重叠率；S3，基于DDPG定义强化学习环境的动作空间A，设扫描设备在以待测航空发动机异形叶片的标准CAD模型的重心为球心的球体表面上运动，根据扫描设备景深约束得到的动作空间A1和机械臂动作空间约束得到的动作空间A2的交集得到动作空间A,根据扫描设备在动作空间A的位置得到视点，扫描设备由一个视点运动到另一个视点记为动作一次；S4，基于DDPG定义强化学习的奖励函数，根据占有体素增长率、未知体素减少率和待测叶片重叠率误差惩罚得到奖励函数；S5，基于DDPG定义强化学习训练终止条件,当待测叶片覆盖率达到设置的待测叶片最大覆盖率或扫描设备动作次数达到设置的扫描设备最大动作次数时，一次训练结束；S6，基于DDPG定义强化学习训练过程,基于动作空间A构建动作网络，动作网络根据状态空间得到动作空间A的视点，基于状态空间和奖励函数构建评价网络，将动作空间A的视点输入至评价网络生成评价网络评分，动作网络根据生成的评价网络评分进行动作网络和评价网络的参数训练；S7,重复步骤S2到步骤S6，动作网络和评价网络的参数训练次数达到设置的强化学习训练次数时，得到训练后的动作网络和训练后的评价网络；S8，将待测航空发动机异形叶片的标准CAD模型输入到训练后的动作网络和训练后的评价网络中，得到下一个最优视点，循环操作扫描设备运动到下一个最优视点并扫描待测航空发动机异形叶片的标准CAD模型后，将更新后的状态空间的体素状态输入到训练后的动作网络和训练后的评价网络，得到更新后的下一个最优视点，至待测叶片覆盖率达到设置的待测叶片最大覆盖率，强化学习训练结束，得到一组最优视点。

全文数据：

权利要求：

百度查询： 湖南大学 基于DDPG的航空发动机异形叶片视点自主规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD