Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西南交通大学张楷获国家专利权

西南交通大学张楷获国家专利权

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!

龙图腾网获悉西南交通大学申请的专利一种非连续特性约束的铣刀磨损监测单源域泛化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:CN117620774B

龙图腾网通过国家知识产权局官网在2025-09-09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:202311695581.0,技术领域涉及:B23Q17/09;该发明授权一种非连续特性约束的铣刀磨损监测单源域泛化方法是由张楷;赖旭伟;郑庆;丁国富;黄锋飞;李致萱设计研发完成,并于2023-12-08向国家知识产权局提交的专利申请。

一种非连续特性约束的铣刀磨损监测单源域泛化方法在说明书摘要公布了:本发明提供了一种非连续特性约束的铣刀磨损监测单源域泛化方法,利用工艺参数、刀具结构参数和信号采样率,对铣刀加工过程中的非连续特性进行了量化,并以此为基础构建了注意力模块,实现对非连续特性的自适应提取,抑制与刀具磨损不相关的信号段;此外基于非连续特性构建了生成模块,用于增强源域信号特征的多样性;同时对一种满足非连续特性的标准趋势样本进行了构建,用于约束生成特征与真实信号之间的一致性。本发明所提出的方法可在源域特征、生成特征以及目标域特征建立一致性约束,使得模型在不同工况下能够准确定位关键信号段,提高模型泛化性及可解释性,对推动深度学习方法在未知工况下的刀具磨损状态辨识领域的应用具有重要意义。

本发明授权一种非连续特性约束的铣刀磨损监测单源域泛化方法在权利要求书中公布了:1.一种非连续特性约束的铣刀磨损监测单源域泛化方法,其特征在于,包括一种非连续特性约束的铣刀磨损监测单源域泛化模型;所述模型包括空间注意力模块MS、生成模块MG、特征提取模块MF、分类模块MC和标准趋势样本ST;所述ST为向量{-1,…,1,0,…,0,……,-1,…,1,0,…,0},所述向量由N个长度为l的子向量{-1,…,1,0,…,0}顺序排列组成;所述子向量{-1,…,1,0,…,0}由从-1到1的单调递增向量t1{-1,…,1}和连续的0向量t0{0,…,0}周期性构成;所述t0和t1的长度之和为其中n为刀具齿数;所述t1的长度其中Ap为轴向切深mm,α为刀具螺旋角°,D为刀具直径mm,π为圆周率;所述l为刀具旋转一圈对应的监测信号长度;所述方法包括以下步骤: S1:获取源域工况A下带有铣刀磨损阶段标签的磨损过程监测信号,对信号进行预处理及空间对齐,按长度为N×l进行样本截取,得到源域样本集data_S; S2:MS训练: S21:将data_S中的样本随机打乱顺序后,按每批次数量为Batch分批输入到MS,提取样本对应的具有非连续特性的空间注意力权重w_att1; S22:利用w_att1对输入样本进行注意力加权,得到加权特征w_s; S23:将w_s输入到顺序连接的MF和MC,得到输出的分类概率; S24:将分类概率与输入样本对应的磨损阶段标签进行交叉熵运算,经过反向传播实现MS、MF和MC的优化; S25:重复S21至S24指定轮数后,得到训练好的MS_trained; S3:MF,MC训练: S31:将data_S中的样本随机打乱顺序后,按每批次数量为Batch分批输入到MS_trained,提取样本对应的具有非连续特性的空间注意力权重w_att2; S32:利用w_att2对输入样本进行注意力加权,得到加权特征w_S; S33:将w_S输入到MG,得到具有非连续特性的生成权重w_g,将w_g和所述ST进行相似性Lg1度量; S34:采用w_g对输入样本进行加权,得到生成特征w_G; S35:将w_S和w_G同时输入MF,分别得到源域特征fea_S和生成域特征fea_G; S36:对fea_S和fea_G之间的多样性Lg2进行度量,利用Lg1+β×Lg2作为生成模块损失对MG进行优化; S37:将fea_S和fea_G输入到MC,分别输出源域分类概率和生成域分类概率; S38:将源域分类概率和生成域分类概率分别与输入样本对应的磨损阶段标签进行交叉熵运算,得到源域损失LS和生成域损失LG; S39:利用LS+LG对MF、MC同时进行优化; S310:重复S31至S39指定轮数后,得到训练好的MF_trained和MC_trained; S4,对目标域工况B下待监测铣刀磨损过程监测信号进行预处理及空间对齐,按长度为N×l进行样本截取,得到目标域样本data_T;将data_T输入到顺序连接的MS_trained、MF_trained、MC_trained,输出刀具磨损状态监测结果。

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西南交通大学,其通讯地址为:610031 四川省成都市二环路北一段111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”。

以上内容由AI智能生成
免责声明
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。