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！

龙图腾网获悉大连理工大学申请的专利一种基于阶次谱与动态免疫模糊聚类的铣刀磨损监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：CN117182654B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202311292041.8，技术领域涉及：B23Q17/09；该发明授权一种基于阶次谱与动态免疫模糊聚类的铣刀磨损监测方法是由李宏坤;王朝东;刘淑杰;吕帅设计研发完成，并于2023-10-08向国家知识产权局提交的专利申请。

本一种基于阶次谱与动态免疫模糊聚类的铣刀磨损监测方法在说明书摘要公布了：本发明公开一种基于阶次谱与动态免疫模糊聚类的铣刀磨损监测方法，属于智能制造与加工技术领域，包括如下几个步骤：以铣刀铣削过程中主轴电流的原始时域信号为模型输入，参比超景深三维显微镜同步观测结果与定量标准，提取铣刀不同磨损等级电流信号的特征参数向量，考虑实验数据在铣刀磨损各等级临界状态识别上的模糊、不确定性，引入动态模糊聚类算法，通过输出阈值λ获得初始模糊聚类划分，进一步考虑动态模糊聚类算法易陷入局部最优值等问题，采用具有全局搜索和并行能力的免疫算法进行优化，获得最优阈值λ，最终建立免疫优化的动态模糊聚类模型，为实际工程铣刀磨损状态等级评定与设备安全定量评价提供新思路。

本发明授权一种基于阶次谱与动态免疫模糊聚类的铣刀磨损监测方法在权利要求书中公布了：1.一种基于阶次谱与动态免疫模糊聚类的铣刀磨损监测方法，其特征在于，包括以下步骤： 步骤1：实验方案的制定； 通过模拟实验，确定刀具不同磨损状态对应的磨损量，用于指导加工；采集一把新刀从切削开始到严重磨损的全寿命信号，并在实验过程中测量刀具后刀面的磨损量，建立电流监测信号与刀具不同磨损状态磨损量间的对应关系；所用刀具为硬质合金平头立铣刀，2刃，直径12mm，螺旋角为30°，总长度为72mm，铣削加工的工件材料为40Cr；实验过程中实时停机，使用超景深显微镜测量刀具后刀面的磨损量； 为探究变工况下铣削加工过程对刀具不同磨损状态的监测与识别能力，采用交叉实验法设置各铣削参数，并循环重复进行加工过程以获取主轴电流信号； 步骤2：实验数据的分析； 对上述步骤1中所获取的主轴电流信号进行整理、分类，同时利用电流有效值求解公式，对所获取多种工况下主轴电机的三相电流信号进行融合求解，即将所获三相电流信号Iu，Iv，Iw融合为三相电流有效值Irms； 依据后刀面磨损量，将刀具的磨损程度情况划分为四种状态：磨损状态Ⅰ、磨损状态II、磨损状态III和磨损状态Ⅳ； 对主轴电流信号的有效值Irms数据进行预处理，并按照磨损状态进行样本划分，然后依次训练、测试信号样本；其中，当前信号总长度包含36组数据，对其进行样本化处理以获得具有不同磨损状态的信号，所得1400个样本，每种磨损状态有350个样本，对四种磨损状态各选取250个样本作为训练样本，剩下的作为测试样本，样本的分布情况具体如表2所示： 表2刀具四种磨损状态样本 针对变工况下，刀具各等级临界磨损状态识别上的模糊和不确定性，结合动态模糊聚类算法不需事先确定聚类数的特性，以模糊聚类分析描述样本归属不同类别的不确定程度，同时考虑每个特征指标的特点和分类决策影响，使其最终分类结果具有更好的模糊相似关系； 步骤3：动态模糊聚类算法的分析； 通过建立模糊相似矩阵和传递闭包，利用不同阈值λ对初始数据集进行动态模糊聚类；设论域U＝{x1,x2,···,xn}为样本空间，样本总数n，每个样本对应m个特征，即xi＝{x1,x2,···,xim}，得到原始数据矩阵xijn×m，其中xij表示第i个样本第j个特征指标，i＝1,2,...,n；j＝1,2,…,m；对原始数据进行标准化处理，采用式2平移-极差变换公式，将数据压缩到区间[0,1]标准化矩阵： 采用绝对值减数法-欧式距离，计算样本xi与xj的相似度rij为： 其中，dxi,xj表示样本xi与xj的欧式距离，c为权值参数，使得0≤rij≤1，c取0.1； 在相似度rij基础上建立样本的模糊相似矩阵Rxi,xj： 将R改造成模糊等价矩阵tR，即R的传递闭包tR；利用式5平方法依次计算，求出包含该模糊相似矩阵R的等价矩阵tR： R→R·R→R22→…R2k→…5 在已建立的模糊等价关系中，对R的传递闭包tR进行模糊聚类，为能够客观反映样本数据集的聚类状态，引入阈值λ∈[0,1]，作R的λ截矩阵Rλ＝λrijn×n，因不同阈值λ对应不同的分类等级数，因此达到动态分类的目的，如式6所示： 根据式6初始划分聚类数据集，获得显示动态模糊聚类的分类结果；但由于阈值λ取值不同，分类等级数也不同，因此需要进一步进行最佳聚类分析，以优化阈值λ，获得最佳等级分类结果与分类等级数； 步骤4：模型的训练与验证； 使用免疫优化的动态模糊聚类算法对个体的亲和度进行评价，根据亲和度和抗体浓度选择进行免疫操作的个体，增大群体的多样性，保证算法终止时得到的结果为全局最优解，并确定最佳分类等级数，提高分类准确性。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。