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！

龙图腾网获悉杭州电子科技大学申请的专利基于多传感器数据决策融合的超声焊接质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：CN116644305B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310666675.9，技术领域涉及：G06F18/213；该发明授权基于多传感器数据决策融合的超声焊接质量预测方法是由孔亚广;董鑫;赵晓丹;陈洪欢;陈张平;赵晓东;邹洪波;陈云设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本基于多传感器数据决策融合的超声焊接质量预测方法在说明书摘要公布了：本发明涉及基于多传感器数据决策融合的超声焊接质量预测方法，包括以下步骤：步骤一：信号采集、获取数据；步骤二：数据预处理；步骤三：特征提取与电阻值预测：步骤四：传感器数据融合。本发明依据线束连接对超声焊接质量的要求，通过预测焊接样本电阻值的方式，对焊接质量进行评估；提出一种基于最小样本熵的变分模态分解SE‑VMD方法，对焊接过程中复杂的振幅数据进行分解，有效的过滤出符合超声工作频率的振幅分量，并基于分量进行数据重构；确定出基于振幅、功率、压力三种传感器数据和MobileNetV2的决策融合模型，对焊接样本的电气特性进行精准预测。

本发明授权基于多传感器数据决策融合的超声焊接质量预测方法在权利要求书中公布了：1.基于多传感器数据决策融合的超声焊接质量预测方法，其特征在于：包括以下步骤： 步骤一：信号采集、获取数据：使用激光测振仪实时采集超声焊头的振幅数据，记为H；通过焊接机导出焊接过程中关键参数的变换情况，其中W表示功率、P表示压力、D表示深度；通过回路电流发生器，测量焊接样本的电阻值； 步骤二：数据预处理：将H、W、P、D四类数据用0值填充至等长，并将其转化为二维图像数据，其中H需要先经过降采样以及SE-VMD处理； 步骤三：特征提取与电阻值预测：提取步骤二获取的数据，分别放入MobilenetV2模型中提取特征，然后将提取到的四组特征经过全连接层网络预测电阻值，对比不同传感器数据预测的结果； 步骤四：传感器数据融合：验证H、W、P、D四类数据之间的不同组合方式，在数据融合、特征融合和决策融合三种融合策略上取得的效果，选取最优的数据组合方式和对应的融合策略， 所述步骤二具体包括： 步骤2.1：使用焊接过程中的四种关键数据，分别为激光传感器测得的超声焊头振幅H，通过焊接机内部导出的压力P、深度D和功率W变化曲线，并将这三类数据进行归一化处理使数据分布在[0,1]之间： 式中，三类数据中任意一类数据X＝{x1，x2，x3，…，xn}，xi表示某一类数据中第i个样本数据，n表示该类数据的长度，maxX表示这类数据中的最大值，minX表示这类数据中的最小值； 步骤2.2：截取有效数据长度，并每隔100个点保留1个点进行降采样，将数据降维，并用0值将振幅数据和步骤2.1中的三类数据填充至等长； 步骤2.3：基于SE-VMD将振幅数据进行分解与重构，通过变分模态分解VMD来消除多模态混叠对预测效果带来的影响，采用最小样本熵SE准则确定最优K值，评估VMD分解后序列的复杂性，获取最优的分解层数K，引入样本熵SE，应用VMD分解振幅后，计算每个子序列的SE值，SE最小的序列为振幅数据的趋势项，趋势项SE趋于稳定的转折点的K值被视为VMD的最优分解次数； 在确定K之后，振幅数据经过VMD处理后，获得K个模态分量，在K个模态分量中，挑选出在超声工作频率范围内的模态分量，并通过累加的方式重构振幅数据，以去除噪声干扰； 步骤2.4：将步骤2.3处理后的振幅数据转化为68×68×1的三维图像。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。