杭州电子科技大学倪敬获国家专利权
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!
龙图腾网获悉杭州电子科技大学申请的专利基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测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:CN117066972B 。
龙图腾网通过国家知识产权局官网在2025-06-17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:202311128833.1,技术领域涉及:B23Q17/20;该发明授权基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法是由倪敬;陈凯;蒙臻;李子聪;柳伟光设计研发完成,并于2023-09-04向国家知识产权局提交的专利申请。
本基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法在说明书摘要公布了:本发明公开了基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法。当前在毛刺长度预测方面的研究并不多,所利用的数据都是单一信号或者一维数据,对于毛刺长度的预测准确性不高,误差比较大。本发明通过铣削过程语音信号特征和振动信号特征评估铣刀状态,通过铣刀状态与工艺参数对毛刺长度进行预测;通过机理模型与数据模型的共同推理,同步优化了预测方法的鲁棒性和准确性;通过对本预测方法的迁移学习,可以适用于其他复杂构件铣削加工的毛刺预测。
本发明授权基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法在权利要求书中公布了:1.基于数据推理的涡轮叶片叶根槽铣削出口毛刺预测方法,其特征在于: 步骤一:利用声音传感器和三轴加速度传感器,采集涡轮叶片叶根槽铣削时的声音信号和振动信号,对得到的数据进行去噪处理,然后利用离散傅立叶变换得到信号的短时能量,同时进行时频分析; 步骤二:对时频分析后的信号进行多层最大重叠离散小波包变换,得到相应的分解频带能量特性,利用得到的分解频带能量特性构造自适应权值分配滤波器组; 步骤三:将得到的短时能量加入到自适应权值分配滤波器组中得到最大重叠离散小波包变换倒谱; 步骤四:将最大重叠离散小波包变换倒谱数据作为输入,输入到建立好的多特征卷积神经网络中进行处理,得到一组连续的刀具磨损率数据; 步骤五:比较预测出的刀具磨损率与刀具磨损率真实标签的误差,选择交叉熵损失函数作为双特征融合卷积神经网络的损伤函数,通过反向传播进一步优化多特征卷积神经网络模型; 步骤六:将刀具磨损率、前角、主轴转速、切削进给量、切削深度和切削速度数据通过特征交叉转为多维数据; 步骤七、将多维数据输入多维残差卷积网络中获得毛刺长度; 步骤八:将得到的结果与实际测量的毛刺长度进行比较,比较后再通过反向传播更新多维残差卷积网络结构,最后得到一个最优多维残差卷积网络模型; 多维残差卷积网络中设置了两个残差结构,每个残差结构中设置两个卷积核大小不一致的卷积层;通过第一个残差结构将两个卷积层的结果与特征进行融合,再经过Relu激活函数后输入到第二个残差结构,第二个残差结构将两个卷积层的结果与特征进行融合,再经过Relu激活函数后传输给最后一个卷积层经过ReLu激活函数处理后输入到全连接层中,经过全连接层操作映射得到预测的毛刺长度值,最后由输出层输出; 全连接层操作映射得到预测的毛刺长度值,具体计算如下: Yi=fXi=fx1,x2,x3,x4,x5,x6 其中,输入矩阵Xi=x1,x2,x3,x4,x5,x6,x1,x2,x3,x4,x5,x6分别代表第二个残差结构输出的与磨损率、前角、主轴转速、切削进给量、切削深度和切削速度对应的数据,f*表示全连接层的运行;Yi表示多维残差卷积网络输出的第i条数据。
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杭州电子科技大学,其通讯地址为:310018 浙江省杭州市下沙高教园区2号大街;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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。