科创中国
智能制造中的数学基础与应用
成果类型：: 发明专利
发布时间: 2025-10-19 17:03:04
科技成果产业化落地方案
方案提交机构：成果发布人| 陈杰 | 2025-10-19 17:03:05
中国科学院大学开展了智能制造领域核心技术 —— 数学基础与应用的攻关研究，重点解决数控机床刀具路径优化、CAD 模型精准构建、生产流程数学化管控等关键问题。实现指标：可基于差分方程、微分方程建立生产过程动态调控模型，通过样条函数与分块逼近提升 CAD 模型精度，结合深度学习技术实现刀具路径规划效率提升 30% 以上，为智能制造流程的数学化、智能化转型提供基础支撑。
当前智能制造领域中，数控机床刀具路径规划依赖经验参数、CAD 模型与实际生产适配性不足、生产流程缺乏精准数学管控模型等问题突出，导致生产效率低、产品精度不稳定。本项目以数学理论为核心，将差分方程、微分方程、样条函数等融入智能制造关键环节，同时结合深度学习技术实现 “数学建模 + 智能优化” 双驱动，可有效提升设备运行效率与产品精度，技术应用场景广泛，经济效益与产业价值显著。
本项目研究的智能制造数学基础与应用成果，可广泛应用于多个领域。在装备制造领域，支撑数控机床、工业机器人等设备的刀具路径优化与运动轨迹精准控制；在汽车、航空航天等离散制造领域，提升 CAD 模型设计精度与生产流程的动态调控能力；在电子信息制造领域，助力芯片封装、电子元件加工等环节的工艺参数优化；此外，还可应用于智能制造系统集成服务商的解决方案开发，为全行业智能制造升级提供数学理论与技术支撑。
中国科学院大学开展了智能制造领域核心技术 —— 数学基础与应用的攻关研究，重点解决数控机床刀具路径优化、CAD 模型精准构建、生产流程数学化管控等关键问题。实现指标：可基于差分方程、微分方程建立生产过程动态调控模型，通过样条函数与分块逼近提升 CAD 模型精度，结合深度学习技术实现刀具路径规划效率提升 30% 以上，为智能制造流程的数学化、智能化转型提供基础支撑。
科技进步贡献：突破了 “智能制造依赖经验参数” 的传统模式，建立了数学理论与智能制造场景的深度融合体系，推动行业从 “经验驱动” 向 “数据与数学模型双驱动” 转型，相关技术可提升行业整体生产效率 20%-30%。
社会与生态效益：通过优化刀具路径与生产流程，可降低数控机床能耗 15%，减少原材料浪费 10%，助力“双碳” 目标实现；同时提升产品精度与稳定性，减少不合格品产生，间接降低企业生产成本与资源消耗，保障制造业供应链稳定。
民生与安全价值：技术应用可提升高端装备制造能力，减少对国外高端数控机床技术的依赖，增强我国智能制造领域自主可控水平，同时带动相关领域就业，培养 “数学 + 智能制造” 复合型人才。
科研成果持有者将科技成果作为合作的基础和条件，与其他企业、研究机构或个人共同开展科技活动转化活动
下载app