公开(公告)号：CN119927024A

公开(公告)日：2025-05-06

申请号：CN202510182630.3

申请日：2025-02-19

Applicant: 南京邮电大学

Inventor： 徐丰羽 ,  王鹏宇 ,  丁大伟 ,  范保杰

IPC: B21D5/00 ,  B21C51/00

Abstract: 本发明公开了一种折弯机变形检测机构及方法，包括变形传感器和控制系统；折弯机包括下侧板和位于下侧板正上方的滑块，且滑块高度能够下降；控制系统中内置变形比例系数K；其中，变形比例系数K为滑块的弹性变形量A与下侧板的弹性变形量B的比值；变形传感器设置在下侧板或滑块上，能用于检测下侧板或滑块的弹性变形量。本发明能够在成本节省的同时，对折弯变形进行实时检测。尤其是大幅面厚板折弯时候，能够提高板材的折弯精度，减小板材的浪费。尤其作为智能折弯产线配备该功能的时候，能够实现闭环实时智能自动化控制。进一步，本发明可以对上下模安装的初始偏差进行计算补偿，装机调试更方便。

公开(公告)号：CN118862687A

公开(公告)日：2024-10-29

申请号：CN202411134750.8

申请日：2024-08-19

Applicant: 南京邮电大学

Inventor： 缪奕扬 ,  徐丰羽 ,  丁大伟 ,  黎兴宝 ,  王鹏宇 ,  黄炎 ,  沈浪 ,  胡亦恒

IPC: G06F30/27 ,  G06F30/17 ,  G06F111/06

Abstract: 本发明公开了基于SVSDF的机器人辅助钣金折弯上下料路径规划方法，包括步骤1、构建二维像素坐标系；步骤2、获取钣金件上下料初始运动轨迹；步骤3、计算路径安全性；步骤4、计算路径成本；步骤5、计算钣金件上下料初始运动轨迹的适应度值；步骤6、通过优化路径成本和路径安全性，获取钣金件上下料最优运动轨迹。本发明通过同步偏置贪婪策略、自适应椭圆区域采样和自适应节点增长解决了RRT‑Conncet算法容易受低值区域吸引、收敛速度不稳定的问题。另外，基于SVSDF的定量路径安全准则和水循环算法WCA的多目标优化，平衡路径成本和与障碍物的安全距离，从而能适用于不同复杂度的工件。

公开(公告)号：CN118966655A

公开(公告)日：2024-11-15

申请号：CN202411011015.8

申请日：2024-07-26

Applicant: 南京邮电大学

Inventor： 王鹏宇 ,  徐丰羽 ,  丁大伟 ,  蒋国平

IPC: G06Q10/0631 ,  G06Q50/04 ,  G06F18/2113

Abstract: 本发明公开了一种三轴铣削数控加工特征工步数据集自动构建方法，包括步骤1、确定样本量；步骤2、构建虚拟零件模型X；步骤3、长方体离散；步骤4、选择进刀加工方向；步骤5、选择栅格；步骤6、加工特征工步；步骤7、加工独立特征对应特征工步，包括选择顶部加工位置、确定特征工步数量、加工特征工步、以及特征工步数据保存；步骤8、加工相交特征对应特征工步，包括相交特征分解和加工子特征；步骤9、将步骤2至步骤8，重复N次，从而得到含有N个样本的加工特征工步数据集。本发明基于虚拟模型自动构造对应的特征工步信息，得到大量特征工步样本，从而解决了训练特征工步排序深度学习模型缺少数据集的问题。

公开(公告)号：CN118915620A

公开(公告)日：2024-11-08

申请号：CN202410943426.4

申请日：2024-07-15

Applicant: 南京邮电大学

Inventor： 王鹏宇 ,  徐丰羽 ,  丁大伟 ,  蒋国平

IPC: G05B19/4097

Abstract: 本发明公开了结合加工特征和工艺的多工步三维工序模型自动构造方法，包括以下步骤：导入待加工零件的三维实体模型，提取加工特征信息；指定所有加工特征的工艺链，规划所有特征工步的加工顺序；基于加工特征，提取构成加工特征的几何边界面；根据提取的边界面信息，构造特征粗加工工步执行前对应的特征状态体；根据边界面信息和工艺链信息，构造特征精加工工步执行前对应的特征状态体；创建特征状态表记录所有特征的加工状态，并动态调整加工状态表，将特征状态体动态填充到零件模型中，实现工序模型构造。本发明属于数控加工数字化制造领域，能实现铣削加工零件多工步三维工序模型的自动构造，从而提高工序模型的构造效率和数字化水平。

公开(公告)号：CN118966654A

公开(公告)日：2024-11-15

申请号：CN202411011011.X

申请日：2024-07-26

Applicant: 南京邮电大学

Inventor： 王鹏宇 ,  徐丰羽 ,  丁大伟 ,  蒋国平

IPC: G06Q10/0631 ,  G06Q10/0633 ,  G06Q10/101 ,  G06Q50/04 ,  G06N3/092

Abstract: 本发明公开了基于动态掩码和深度强化学习的特征加工工步排序方法，包括步骤1、构建特征工步排序深度强化学习模型；步骤2、构造输入向量的输入模式；步骤3、搭建Actor行动家网络和Critic评论家网络；步骤4、确定动态掩码：不满足几何前置特征、工艺前置特征、工艺链工步等加工约束条件的特征工步动态掩码赋予设定极大值；步骤5、确定局部耗费：考虑夹具更换、刀具更换、刀轨空行程的特征工步耗费；步骤6、确定特征工步排序深度强化学习模型；步骤7、模型训练；步骤8、特征加工工步排序。本发明能在可接受计算时间内实现满足加工约束的特征工步排序结果优化，从而缩短计算时间和提高加工效率。