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！

龙图腾网获悉中国石油大学(华东)申请的专利一种加工状态监测与实时误差重构可视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：CN120670917B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511178533.3，技术领域涉及：G06F30/27；该发明授权一种加工状态监测与实时误差重构可视化方法是由李干;赵一新;武鑫磊;王小楠;纪仁杰;刘永红设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本一种加工状态监测与实时误差重构可视化方法在说明书摘要公布了：本发明属于精密加工过程的实时监测和误差预测领域，公开一种加工状态监测与实时误差重构可视化方法。该方法面向加工过程实时监测和误差调控需求，将加工过程数据输入数据孪生模型，根据实时数据的物理结构进行分类并提取空间维度特征。再将具有空间维度特征的序列实时孪生数据传递给LSTM层提取时间维度特征。LSTM层生成孪生系统的预测输出，实现制造系统加工过程的实时监测，实现工件加工过程和工件加工质量的准确实时评价。本发明克服了现有数字孪生技术实时性差、预测精度不足、预测结果缺乏可解释性，为提高工件的加工精度和加工效率提供保障，为制造系统的精准调控奠定了基础。

本发明授权一种加工状态监测与实时误差重构可视化方法在权利要求书中公布了：1.一种加工状态监测与实时误差重构可视化方法，其特征在于，步骤如下： S1：实时构建面向加工过程的数字孪生系统； 制造系统通过刀具与工件的相互作用关系完成工件的加工，加工状态直接反映在“刀具-工件”子系统上；构建数字孪生系统下的“刀具-工件”子系统；刀具为砂轮、铣刀和车刀，对应的刀具系统如下式所示： ； 其中，G为磨削系统，M为铣削系统，L为车削系统； 构建“机床-刀具-工件”的物理结构对应关系：刀具连接在刀具主轴上，刀具主轴连接在机床导轨上，机床导轨连接在机床床身上；工件连接在工件主轴上，工件主轴连接在机床导轨上，机床导轨连接在机床床身上；机床为数控磨床，数控磨床的物理结构的数字孪生系统表示为： ； 其中，X为数控磨床对应X轴进给系统，Z为数控磨床对应Z轴进给系统，C为数控磨床对应C轴旋转系统，T为数控磨床对应刀具系统； S2：构建面向加工过程的长短期记忆神经网络模型； 提出将数字孪生与深度学习协同驱动的加工过程故障诊断方法，实现工件加工过程的故障诊断；通过将数字孪生系统简化数控磨床的物理结构，通过长短期记忆神经网络模型实现基于t时刻之前的历史加工数据和t时刻当前加工状态的加工过程诊断； 根据数字孪生系统简化后的数控磨床的物理结构如式2所示，通过数字孪生系统提取数控磨床的物理结构的实时加工数据，作为长短期记忆神经网络模型的实时输入数据st： ； 其中，Dt为数字孪生系统对应指令位置，δt为数字孪生系统对应实时误差，it为数字孪生系统对应实时电流，Pt为数字孪生系统对应实时功率： ； 其中，下标X、Z、C、T分别表示数控磨床对应的物理结构：X轴进给系统、Z轴进给系统、C轴旋转系统和刀具系统； 对应数字孪生系统架构下的长短期记忆神经网络模型DT-LSTM系统表示为： ； 其中，hDTt-1为上一时刻DT-LSTM系统输出的实时误差对应的故障诊断数据，并通过遗忘单元fDTt和记忆更新单元cDTt反映在实时故障诊断数据中；遗忘单元fDTt用于确定是否使用历史误差数据，记忆更新单元cDTt和候选记忆单元DTt通过门激活函数和状态激活函数实时更新；输出单元iDTt决定保留有关当前状态信息的数量，并通过输出门oDTt输出；σ表示门激活函数，tanh为状态激活函数，Ws，Vs和b分别表示DT-LSTM系统的可学习输入权重、循环权重和偏差，Wsi，Wsf，Wso和Wsc分别代表输入门、遗忘门、输出门和记忆更新单元的输入权重，Vhi，Vhf，Vho和Vhc分别代表输入门、遗忘门、输出门和记忆更新单元的循环权重，bi，bf，bo和bc分别代表输入门、遗忘门、输出门和记忆更新单元的偏置；st为长短期记忆神经网络模型的实时输入数据；hDTt为当前时刻DT-LSTM系统输出的实时误差对应的故障诊断数据： ； 其中，pt为当前部件概率估计值，Rt为故障演化概率，即当前故障对后续工件加工精度的影响： ； 且有 ； 其中，γt为各因素导致的误差； S3：DT-LSTM协同驱动的加工误差超前控制策略； 步骤S2构建的DT-LSTM系统根据超前预测孪生数据对当前加工状态进行有效调控；将t时刻之前的历史加工数据st-1和实时加工数据st传输给式2构建的数字孪生系统；在时间步t上，LSTM网络通过使用上一时刻DT-LSTM系统输出的实时误差对应的故障诊断数据hDTt-1和序列当前时刻DT-LSTM系统输出的实时误差对应的故障诊断数据hDTt来计算输出和更新后的单元状态hDTt+1；同时将更新后的时间步t+1时刻单元状态传输给数字孪生系统，并生成对应的预测加工数据st+1；在此基础上通过预测加工数据st+1与实时加工数据st进行对比，分析工件误差相对大小，当工件误差超过允差范围时即采取控制策略调整当前数字孪生系统相关参数，并直接改善工件的加工质量，提高工件的良品率，如式9所示： ； S4：DT-LSTM系统协同驱动的加工过程孪生数据采集方法； S5：DT-LSTM系统协同驱动的加工误差分类识别方法； 根据DT-LSTM系统中实时孪生数据对应的物理含义，在同一时空坐标系下以空间维度评价指标对工件加工过程进行实时评价；在圆柱面工件加工中其加工轨迹螺旋线间距为C轴每旋转一周进给量，直接对应圆柱面工件的磨痕间距，并影响材料表面的残留高度，极大影响了工件的表面粗糙度，如下式所示： C轴每旋转一周进给量表示为： ； 其中，F为进给速度；工件表面加工残留高度计算为： ； 其中，Rs为刀具半径，Rh为工件表面加工残留高度，表面粗糙度表示为： ； 其中，l为工件表面粗糙度测量过程的取样长度，ftx为测量得到工件的实际轮廓曲线函数；C轴的运动误差也直接对应工件的圆度误差，如下式所示： ； 其中，fmaxx与fminx分别为工件表面同一径向最大轮廓曲线与最小轮廓曲线；工件的圆柱度表示为： ； 其中，f⊥x与f∥x为工件表面空间角度相差90度的两条实际轮廓曲线函数；fx为工件理想目标轮廓曲线函数；Z轴运动误差直接对应工件的锥度，如下式所示： ； 其中，fz表示锥度比，f1x表示工件大端直径，f2x表示小端直径，L表示测量长度； 据此实现对工件实时C轴每旋转一周进给量、表面残留高度、表面粗糙度、圆柱度、圆度和锥度误差进行评价； S6：DT-LSTM系统协同驱动的加工过程实时监测方法； 在机床机械坐标系下分别构建机床空间坐标系和数字孪生系统空间坐标系，二者的坐标原点和X、Y、Z轴分别一一对应； 在数字孪生系统空间坐标系中，分别提取X、Z、C轴空间维度误差数据和位置数据，并进行时间尺度对齐，得到实时误差数据与加工数据之间存在的时间和空间对应关系，如下式所示： ； 其中，xat、yat和zat分别为对应机床空间坐标系中三维空间的实时坐标，XDTt、ZDTt和CDTt分别为数字孪生系统各运动部件在数字孪生系统空间坐标系中的实时坐标； 根据DT-LSTM系统将孪生数据映射到数字孪生系统空间坐标系中，得到待机状态下机床虚拟X、Y、Z轴对应的三维空间误差数据，如下式所示；此时机床空间误差数据为长度单位，单位一致情况下进行时空维度的纵向和横向比较，且基于物理部件建立的数字孪生系统使得各孪生数据存在显著的物理含义； ； 其中，xet、yet和zet分别为工件对应机床空间坐标系中三维空间的实时误差，xgt、ygt和zgt分别为工件对应机床空间坐标系中三维空间的理想位置坐标；据此通过对比加工前后X、Y、Z轴误差数据，将各轴误差数据与加工负载进行对比，选取最佳的加工参数和控制参数；通过DT-LSTM系统还能清晰直观说明工件加工实时误差对应故障诊断数据的来源及对应物理部件的运动状态； S7：DT-LSTM系统协同驱动的加工误差实时提取与可视化方法； DT-LSTM系统将工件实时加工数据映射到数字孪生系统空间坐标系中，并得到误差数据的空间分布形态；将数字孪生系统空间坐标系的误差数据进行降维处理，分别以三视图分别投影至数字孪生系统空间坐标系中的xOz，xOy和yOz平面，则xOz和yOz平面分别为x轴和y轴与z轴的复合运动形式，xOy平面则是x轴和y轴的复合运动形式；据此进一步将二维空间数据降维至以x,y,z为代表的三轴运动形式；建立机床数字孪生系统中物理运动轴X、Z、C轴与虚拟空间轴x,y,z之间的对应映射关系，如下式所示： 。

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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。