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！

龙图腾网获悉浙江大学申请的专利基于注意力与迁移学习的零件加工表面粗糙度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：CN117047560B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202311144250.8，技术领域涉及：B23Q17/09；该发明授权基于注意力与迁移学习的零件加工表面粗糙度预测方法是由刘振宇;裘辿;谭建荣;蔡博洋;朱恺奕设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本基于注意力与迁移学习的零件加工表面粗糙度预测方法在说明书摘要公布了：本发明公开了一种基于注意力与迁移学习的零件加工表面粗糙度预测方法。包括以下步骤：首先，采集影响数控机床零件加工表面粗糙度演化的关键物理信号并构造信号特征矩阵；然后将各信号特征矩阵输入到加工表面粗糙度预测模型进行训练，获得训练好的加工表面粗糙度预测模型；再构建机床单指数退化模型并确定当前数控机床的退化趋势，在退化趋势的不同退化阶段中，分别利用迁移方法对加工表面粗糙度预测模型进行网络模型迁移，从而获得不同退化阶段的加工表面粗糙度预测模型，从而实现不同退化阶段下加工表面粗糙度的预测。本发明达成零件数控加工信号的时序性特征学习与多个信号之间的特征融合，从而实现了零件数控加工表面粗糙度的预测。

本发明授权基于注意力与迁移学习的零件加工表面粗糙度预测方法在权利要求书中公布了：1.一种基于注意力与迁移学习的零件加工表面粗糙度预测方法，其特征在于，包括以下步骤： S1：采集影响数控机床零件加工表面粗糙度演化的关键物理信号； S2：对各关键物理信号分别进行预处理和特征提取后，获得对应的特征，根据各关键物理信号对应的特征构造对应的信号特征矩阵； S3：将各信号特征矩阵输入到加工表面粗糙度预测模型进行训练，获得训练好的加工表面粗糙度预测模型； 所述加工表面粗糙度预测模型包括卷积层、记忆网络层、随机失活层、全连接层、子路径随机丢弃块、改进的SEContextGating注意力机制块和分类模块； 每个信号特征矩阵输入到对应的卷积层中，每个卷积层的输出经对应的第一全连接层和子路径随机丢弃块后输入到分类模块中，所有卷积层的输出经对应的记忆网络层后输入到随机失活层中，随机失活层经第二全连接层与改进的SEContextGating注意力机制块相连，改进的SEContextGating注意力机制块与分类模块相连，分类模块输出加工表面粗糙度预测结果； 所述改进的SEContextGating注意力机制块包括第三全连接层和激活层，改进的SEContextGating注意力机制块的输入作为第三全连接层的输入，第三全连接层与激活层相连，激活层的输出与改进的SEContextGating注意力机制块的输入进行特征融合后的融合特征作为改进的SEContextGating注意力机制块的输出； S4：根据数控机床的实测退化数据构建机床单指数退化模型，利用机床单指数退化模型确定当前数控机床的退化趋势，在退化趋势的不同退化阶段中，根据各退化阶段的关键物理信号，分别利用迁移方法对训练好的加工表面粗糙度预测模型进行网络模型迁移，从而获得不同退化阶段的加工表面粗糙度预测模型； S5：根据机床单指数退化模型确定当前数控机床的退化阶段，选择当前退化阶段的加工表面粗糙度预测模型，进而获得对应的表面粗糙度预测结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。