本發明屬于數控加工相關技術領域,其公開了一種基于深度強化學習的銑削參數優化方法,基于BPNN回歸方法建立機床功耗模型,實現機床功耗狀態預測的連續性,并建立加工成本模型;然后,定義了相應的狀態、動作、獎勵函數和約束;最后,結合機床功耗模型和加工成本模型建立仿真環境,提出BP?TD3深度強化學習方法,求解銑削加工參數優化。如此,本發明可以利用少量數據輔助建立機床功耗仿真BPNN功耗模型,在TD3模型與仿真環境交互訓練中得到深度強化學習銑削參數優化模型,從而只需較少的實驗數據,穩定的訓練時間,就可以解決較大任務空間的銑削參數優化問題。
聲明:
“基于深度強化學習的銑削參數優化方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)