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！

龙图腾网获悉中国科学院大学申请的专利一种基于深度学习的减材制造实时刀具路径规划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：CN115859519B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211581673.1，技术领域涉及：G06F30/17；该发明授权一种基于深度学习的减材制造实时刀具路径规划方法是由冯毅飞;马鸿宇;申立勇;袁春明设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于深度学习的减材制造实时刀具路径规划方法在说明书摘要公布了：本发明提供了一种基于深度学习的减材制造实时刀具路径规划方法，用于刀具路径规划，包括：预获取B样条曲面与刀具路径关系；构建B样条重参数化网络；以所述B样条曲面与刀具路径关系作为训练样本，对所述B样条重参数化网络进行训练，并将具有不同权重的损失项，组合为最终损失；基于所述最终损失训练所述B样条重参数化网络，得到刀具路径生成网络；将B样条曲面输入所述刀具路径生成网络，输出重新参数化推断；基于所述重新参数化推断重建刀具路径。本发明采用神经网络根据残高约束对工件表面进行重新参数化；得到的等参数线可以直接作为满足残高约束的刀具路径，整个过程只需几微秒；该方法结构简单，计算量低，易于应用于CADCAM软件。

本发明授权一种基于深度学习的减材制造实时刀具路径规划方法在权利要求书中公布了：1.一种基于深度学习的减材制造实时刀具路径规划方法，其特征在于，包括： 预获取B样条曲面与刀具路径关系； 构建B样条重参数化网络； 以所述B样条曲面与刀具路径关系作为训练样本，对所述B样条重参数化网络进行训练，并将具有不同权重的损失项，组合为最终损失；基于所述最终损失训练所述B样条重参数化网络，得到刀具路径生成网络； 将B样条曲面输入所述刀具路径生成网络，输出重新参数化推断； 基于所述重新参数化推断重建刀具路径； 所述重新参数化推断为重新参数化函数； 所述重新参数化函数的约束表达式为： ； 其中，表示每两条刀具路径相交的交点；表示控制点；表示与控制点相适配的基函数；表示在参数域上的采样位置； 所述预获取B样条曲面与刀具路径关系，具体包括： 针对不同类型的表面，采用不同方法分别生成控制网格，并基于所述控制网格生成所述B样条曲面； 利用自适应等残高方法在所述B样条曲面上生成所述刀具路径； 基于生成的所述刀具路径获取所述B样条曲面和所述刀具路径关系； 在所述B样条重参数化网络中重新参数化推断的获取，具体包括： 获取n条和m条； 获取第条直线和第条直线所有交点，构建映射关键点； 优化所述B样条曲面上所述控制点拟合所述初步刀具路径； 在直线{或}和参数刀具路径{或}之间构造双射； 基于所述双射，在所述B样条曲面上生成所述刀具路径； 其中，所述双射和所述控制点满足和的约束；所述初步路径表示为离散点；所述交点为三阶多项式的解。

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中国科学院大学，其通讯地址为：100049 北京市石景山区玉泉路19号(甲)；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。