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！

龙图腾网获悉南京航空航天大学申请的专利一种基于多模态数据的机械加工表面质量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：CN118551297B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202410665139.1，技术领域涉及：G06F18/243；该发明授权一种基于多模态数据的机械加工表面质量预测方法是由汪俊;卜尉航;吴翔;王元耿;张沅;濮宬涵设计研发完成，并于2024-05-27向国家知识产权局提交的专利申请。

本一种基于多模态数据的机械加工表面质量预测方法在说明书摘要公布了：本发明公开了一种基于多模态数据的机械加工表面质量预测方法，包括：S1、从数控机床上获取当前工件加工使用的工艺参数；S2、实时获取工件加工的图像并采用图像处理模型进行处理，获得工件的表面加工质量等级；S3、获取工件加工时切削力和材料的声发射信号并进行预处理，得到切削力和声发射信号的特征；S4、以工件的表面加工质量等级、切削力和声发射信号的特征和工艺参数作为输入，对应的加工表面质量作为输出，训练随机森林模型；S5、采用训练得到的随机森林模型对每次加工时加工表面质量进行预测。本发明基于多模态数据的处理，可以从多方面分析影响机械加工表面质量的因素，从而提高预测的准确性。

本发明授权一种基于多模态数据的机械加工表面质量预测方法在权利要求书中公布了：1.一种基于多模态数据的机械加工表面质量预测方法，其特征在于，包括： S1、从数控机床上获取当前工件加工使用的工艺参数； S2、实时获取工件加工的图像并采用图像处理模型进行处理，获得工件的表面加工质量等级； S3、获取工件加工时切削力和材料的声发射信号并进行预处理，得到切削力和声发射信号的特征； S4、以工件的表面加工质量等级、切削力和声发射信号的特征和工艺参数作为输入，对应的加工表面质量作为输出，训练随机森林模型； S5、采用训练得到的随机森林模型对每次加工时加工表面质量进行预测； S2所述图像处理模型通过使用工业摄像机获得工件表面加工时的图像对swin-transformer模型进行训练得到，具体过程包括以下步骤： S201、在数控机床上安装工业摄像机，在每一个工件加工过程中，拍摄b张工件表面加工时的图像，并将这b张图像作为一个表面图像组； S202、对工件的加工表面质量进行等级划分，将表面加工质量划分为a个级别；加工质量最差的定义为等级1，加工质量最好的定义为等级a； S203、选取大量表面图像组，并定义每一组图像对应的加工质量等级，将图像组及其对应的加工质量等级分别作为swin-transformer模型的输入和输出进行训练，获得图像处理模型； 所述S203具体包括： S2031、假设图像原始的像素为，先将图像经过一个PatchPartition模块，使用一个4×4相邻像素的Patch在channel方向展平，此时图像的维度变成了；再经过一个LinearEmbeding层对每个像素的channel数据做线性变化，使图像变为； 其中C为swin-transformer的超参数； S2032、将经过步骤S2031处理过后的图像输入到一个SwinTransformerBlock中，所述SwinTransformerBlock是由一个W-MSA和一个SW-MSA连接组成； S2033、将经过步骤S2032处理过后的图像再输入到一个PatchMerging层中，PatchMerging层会将每个的相邻像素划分为一个Patch，然后将Patch中相同位置像素拼接在一起获得4个featuremap，将这4个featuremap在深度方向进行concat拼接，再通过一个LayerNorm层，最后通过一个全连接层在featuremap的深度方向做线性变化，将featuremap的深度由C变为，则此时的图像就变为； S2034、将经过步骤S2033处理过后的图像输入到一个SwinTransformerBlock中，之后再经过一个PatchMerging层将图像变为，然后再经过3个SwinTransformerBlock；继续经过一个PatchMerging层将图像变为，再经过1个SwinTransformerBlock，最后经过一个LayerNorm层、全局池化层和全连接层得到最终的输出； 所述S4具体包括以下步骤： 将输入与输出一一对应，并划分为一个组；将每一组进行编号，一共有w组数据；设置一个随机区间，在进行训练的时候随机取其中的v组数据进行训练，v的表达式如下：，一共取m次，将m次的结果分别输入到m个随机森林模型中进行训练，训练完成的m个随机森林模型中，取测试结果相同数量最多的结果作为最终的随机森林模型； 单个随机森林模型的训练过程为： 1）假设第个随机森林模型中输入了组数据，其中为之间的一个随机数，则输入的特征矩阵X为k×vi的特征矩阵，则在这个模型当中有k×vi个数据，分别以每一个数据作为一个节点，将总体的数据分为2个子数据集和，其中k为输入变量的维度； 2）分别计算划分为和过后的信息熵与未划分前的信息熵，信息熵的公式如下： ； 其中，为本组参数下加工质量的概率； 则目标函数为信息增益最大： ； 其中，为当前使用的参数类型，为划分节点； 将k×vi个数据全部当作划分节点，找到其中满足目标函数的节点作为一级根节点； 3）使用一级根节点将数据分割为两个一级子数据集、，对分割后的一级子数据集、分别重复进行根节点查询和子数据集的划分，获得的二级根节点和二级子数据集、；的二级根节点和二级子数据集、； 4）继续对3）中所有二级子数据集重复进行根节点查询和子数据集的划分，按照步骤1）-3）的方式一直往下划分，直到有d级子数据集划分过后的信息增益小于G，则子数据集停止划分，其他子数据集继续划分，直到所有级别的子数据集划分过后的信息增益都小于阈值G，则完成第个随机森林模型训练。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；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”。