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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于多尺度DenseNet-ResNet-GRU模型的刀具磨损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：CN115169401B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210796305.2，技术领域涉及：G06F18/27；该发明授权一种基于多尺度DenseNet-ResNet-GRU模型的刀具磨损量预测方法是由程耀楠;金英博;盖小羽;关睿;卢梦达设计研发完成，并于2022-07-07向国家知识产权局提交的专利申请。

本一种基于多尺度DenseNet-ResNet-GRU模型的刀具磨损量预测方法在说明书摘要公布了：本发明提出一种基于多尺度DenseNet‑ResNet‑GRU模型的刀具磨损量预测方法，避免依据主观经验对磨损量判断不够精准，以及机器学习中需人工提取信号特征费时费力的问题。方法包括以下步骤：选取切削力信号对刀具磨损量进行预测；进行信号预处理，采用格拉布斯Grubbs准则法剔除数据集中偏离较远的数据，减少异常值对总体数据的影响；采用小波阈值去噪，并将渐进半软阈值函数应用于切削力信号降噪过程；将去噪后的信号构造为输入矩阵；构建多尺度DenseNet‑ResNet‑GRU模型，采用不同尺度的卷积核提取特征，并利用DenseNet和ResNet不同的优势提取样本特征的不同空间特征，进而通过GRU提取样本序列特征，构造全连接层和回归层，对刀具磨损量进行预测。

本发明授权一种基于多尺度DenseNet-ResNet-GRU模型的刀具磨损量预测方法在权利要求书中公布了：1.一种基于多尺度DenseNet-ResNet-GRU模型的刀具磨损量预测方法，其方法包括以下步骤： S1：通过力传感器数据获取刀具加工过程中三向力原始数据，构造原始力信号样本； S2：对原始力信号进行数据预处理，包括数据中异常值处理，以及对处理后的数据进行去噪；对异常值进行处理，采用格拉布斯准则法剔除数据中偏离较远的数据； S3：将异常值处理后的切削力信号进行小波阈值去噪处理； S4：对数据进行归一化处理，归一化公式如下： y＝x-xminxmax-xmin 式中：xmax为数据中的最大值、xmin为特征数据中最小值、x为要归一化的数据； S5：将归一化后的切削力数据输入多尺度DenseNet-ResNet-GRU模型中，多尺度DenseNet-ResNet-GRU模型中的DenseNet和ResNet采用并行连接，对输入数据矩阵进行不同尺度的卷积提取特征，并利用DenseNet和ResNet不同的优势提取样本的不同空间特征，进而通过GRU提取样本序列特征，构造全连接层和回归层将特征映射到样本标记空间，完成对刀具磨损量进行预测，获得刀具磨损量； S6：采用平均绝对误差、均方根误差和平均绝对百分比误差对提出模型的有效性进行验证。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。