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！

龙图腾网获悉北京宇航推进科技有限公司申请的专利一种航空航天发动机涡轮叶片增材制造的缺陷修正方法及系统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：CN121659809B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610179511.7，技术领域涉及：G06F30/27；该发明授权一种航空航天发动机涡轮叶片增材制造的缺陷修正方法及系统是由王俊尧;孙玉静;申帅帅;杨海峰设计研发完成，并于2026-02-09向国家知识产权局提交的专利申请。

本一种航空航天发动机涡轮叶片增材制造的缺陷修正方法及系统在说明书摘要公布了：本发明涉及工业制造领域，提供一种航空航天发动机涡轮叶片增材制造的缺陷修正方法及系统。该方法包括；将量子点标记剂吸附于金属粉末表面，采集增材制造过程中的信号数据，得到多维监测特征参数集；构建图神经网络模型，将多维监测特征参数集作为节点特征输入，对熔池区域进行时空演化预测，得到缺陷概率分布场；通过贝叶斯优化算法对工艺参数向量进行多目标寻优，得到自适应调控参数组合，并对制造过程进行分区调控；针对分区调控结果的残余缺陷，采用强化学习策略网络选择修复动作序列，将修复动作序列输入执行单元对残余缺陷进行跨层级协同处理，得到修复叶片结构。本发明实现了涡轮叶片增材制造缺陷的智能预测与主动修正。

本发明授权一种航空航天发动机涡轮叶片增材制造的缺陷修正方法及系统在权利要求书中公布了：1.一种航空航天发动机涡轮叶片增材制造的缺陷修正方法，其特征在于，包括： S1、将量子点标记剂吸附于金属粉末表面，通过多物理场传感器采集增材制造过程中的信号数据，得到多维监测特征参数集； S2、构建图神经网络模型，将所述多维监测特征参数集作为节点特征输入，通过对抗训练机制对熔池区域进行时空演化预测，得到缺陷概率分布场； 其中，步骤S2进一步包括：S21、将叶片制造空间离散为体素网格，以每个体素作为图节点，根据热传导方向、应力传播路径和熔体流动轨迹建立节点间的空间邻接边和物理因果边，得到时空动态图结构；S22、构建对抗生成图注意力网络，所述对抗生成图注意力网络包括生成器、判别器和物理约束模块；S23、将所述多维监测特征参数集赋值给所述时空动态图结构的节点，输入所述生成器进行多头注意力聚合计算，得到初步预测结果；所述初步预测结果包括：温度场预测、应力场预测和初步缺陷分布；S24、根据所述初步预测结果更新所述对抗生成图注意力网络的网络参数；S25、采用课程学习策略调整训练样本难度，由所述生成器输出四维张量形式的缺陷概率分布场，标注每个体素的气孔概率、裂纹概率、夹杂概率和偏析概率； S3、根据所述缺陷概率分布场，通过贝叶斯优化算法对工艺参数向量进行多目标寻优，得到自适应调控参数组合，并按所述自适应调控参数组合对制造过程进行分区调控，获得分区调控结果； S4、针对所述分区调控结果的残余缺陷，采用强化学习策略网络选择修复动作序列，将修复动作序列输入执行单元对残余缺陷进行跨层级协同处理，得到修复叶片结构； 其中，步骤S4进一步包括：S41、构建部分可观测马尔可夫决策过程模型，将当前层及下方已成形的多层的所述多维监测特征参数集定义为状态空间，将局部重熔、激光冲击强化、超声微锻、电弧增强沉积和冷喷涂填充及其子参数定义为动作空间，将缺陷消除率与新缺陷引入惩罚的加权组合定义为奖励函数；S42、建立深度确定性策略梯度网络，所述深度确定性策略梯度网络包括双流Actor网络和Critic网络，将所述状态空间输入所述双流Actor网络的卷积流和循环流分别处理空间特征和时序依赖，输出连续修复参数，由所述Critic网络评估状态-动作对的Q值；S43、通过元学习模块加载预训练的多材料修复策略库，基于当前叶片前序层的所述多维监测特征参数集进行少样本快速适应，由所述双流Actor网络输出针对所述残余缺陷的修复动作序列；S44、驱动飞秒激光探针沿所述残余缺陷的路径扫描获得缺陷深度和走向数据，根据所述修复动作序列确定的修复策略对残余缺陷对应的缺陷区域进行多阶段组合处理，获得修复叶片结构。

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北京宇航推进科技有限公司，其通讯地址为：100176 北京市大兴区北京经济技术开发区凉水河二街8号院11号楼A座3层301室(北京自贸试验区高端产业片区亦庄组团)；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。