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！

龙图腾网获悉深圳市硕方精密机械有限公司申请的专利一种数控机床的智能故障诊断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：CN119472509B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202510075400.7，技术领域涉及：G05B19/406；该发明授权一种数控机床的智能故障诊断方法是由王红;陈建明;王杰;汤子超;陈泽设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种数控机床的智能故障诊断方法在说明书摘要公布了：本申请提供一种数控机床的智能故障诊断方法，应用于数控机床的控制系统。该方法包括：采集所述数控机床运行过程中多源传感器数据，所述多源传感器数据包括振动信号、温度信号、电流信号和声音信号中的至少两种；对所述多源传感器数据进行预处理和特征提取，得到预处理数据；基于所述预处理数据，构建和训练机床动态模型，得到目标机床动态模型；在检测到数控机床运行异常时，基于所述目标机床动态模型和模型预测控制方法进行故障状态预估，得到故障预估结果；基于所述故障预估结果，采用蒙特卡洛树搜索算法构建故障演化路径，并输出故障诊断结果。本申请可以提高数控机床故障诊断的准确性和效率。

本发明授权一种数控机床的智能故障诊断方法在权利要求书中公布了：1.一种数控机床的智能故障诊断方法，应用于数控机床的控制系统，其特征在于，方法包括： 采集所述数控机床运行过程中多源传感器数据，所述多源传感器数据包括振动信号、温度信号、电流信号和声音信号中的至少两种； 对所述多源传感器数据进行预处理和特征提取，得到预处理数据； 基于所述预处理数据，构建和训练机床动态模型，得到目标机床动态模型； 在检测到数控机床运行异常时，基于所述目标机床动态模型和模型预测控制方法进行故障状态预估，得到故障预估结果； 基于所述故障预估结果，采用蒙特卡洛树搜索算法构建故障演化路径，并输出故障诊断结果； 所述基于所述预处理数据，构建和训练机床动态模型，得到目标机床动态模型，包括： 构建深度学习模型架构，所述深度学习模型架构包含用于空间特征提取的卷积神经网络CNN和用于时序特征处理的双向长短时记忆网络LSTM，以及用于融合所述CNN和所述LSTM提取的特征的全连接层； 基于所述CNN和所述LSTM的输出，设计多组损失函数，所述损失函数包括：用于衡量预测准确度的预测误差损失和用于防止模型过拟合的L2正则化约束，其中对于不同类型故障样本设置不同的损失权重； 根据所述损失函数的计算结果，采用Adam优化器进行模型训练，并基于验证集的性能指标动态调整学习率，当验证集损失值连续三个训练周期未下降时将学习率调整为原来的0.8倍； 以及采用基于K折交叉验证的模型评估机制，确定目标机床动态模型，包括：在每折训练中，采用分层采样策略划分数据集，确保不同故障类型样本的分布均衡，并通过统计每折验证集上的准确率、精确率和召回率，评估模型性能，选择最优模型参数配置； 所述基于所述故障预估结果，采用蒙特卡洛树搜索算法构建故障演化路径，包括： 根据所述故障预估结果，建立初始状态节点，其中，所述初始状态节点的属性信息表示所述数控机床当前状态的特征向量、故障风险等级和置信度； 基于该节点建立状态转移规则库，所述状态转移规则库包含：部件级故障转移规则、系统级故障转移规则和环境因素影响规则，其中，每条规则配置有对应的转移概率和时间约束； 基于所述状态转移规则库，采用启发式方法动态确定扩展深度，其中，对重要故障路径采用8层的最大扩展深度，对次要故障路径采用4层的最大扩展深度； 使用改进的UCT算法，进行节点选择和扩展，以确定故障演化路径； 所述使用改进的UCT算法，进行节点选择和扩展，以确定故障演化路径，包括： 计算节点得分： Score=QN+csqrtlnN_parentN+wR， 其中Q表示节点累积价值，N表示节点访问次数，N_parent表示父节点访问次数，c表示探索系数，R表示节点风险系数，w表示风险权重； 基于所述状态转移规则库中的规则生成子节点，并在扩展过程中根据历史故障数据动态调整转移概率； 使用快速随机模拟方法执行节点模拟，记录路径上的累积风险值和时间延迟； 从叶节点开始，沿路径向上更新每个节点的访问次数和累积价值。

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深圳市硕方精密机械有限公司，其通讯地址为：518000 广东省深圳市宝安区松岗街道潭头社区西部工业区A10栋厂房A栋；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。