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！

龙图腾网获悉北京理工大学申请的专利一种数控加工过程中零件表面粗糙度的监测方法、系统、设备、介质及产品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：CN119748204B 。

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：202411919220.4，技术领域涉及：B23Q17/20；该发明授权一种数控加工过程中零件表面粗糙度的监测方法、系统、设备、介质及产品是由刘志兵;杨培艺;王三民;段中洲;杨资阳;邓梁峰;仇天阳;赵斌;滕龙龙;沈文华设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种数控加工过程中零件表面粗糙度的监测方法、系统、设备、介质及产品在说明书摘要公布了：本申请公开了一种数控加工过程中零件表面粗糙度的监测方法、系统、设备、介质及产品，涉及数控加工领域，该方法包括：实时采集数控加工过程中零件的三向振动信号和声音信号；对三向振动信号和声音信号进行特征提取，得到多个特征值；基于所述多个特征值，采用递归特征消除法和交叉验证方法，得到最优特征子集；基于最优特征子集，采用长短期记忆网络和柯尔莫哥洛夫‑阿诺德网络，得到零件表面粗糙度，本申请能够实时监测零件的表面粗糙度，并且通过最优特征子集与零件表面粗糙度的相关性，提高了零件表面粗糙度的监测精度。

本发明授权一种数控加工过程中零件表面粗糙度的监测方法、系统、设备、介质及产品在权利要求书中公布了：1.一种数控加工过程中零件表面粗糙度的监测方法，其特征在于，所述数控加工过程中零件表面粗糙度的监测方法包括： 实时采集数控加工过程中零件的三向振动信号和声音信号； 对所述三向振动信号和所述声音信号进行特征提取，得到多个特征值；所述多个特征值包括三向振动信号的多个特征值和声音信号的多个特征值； 基于所述多个特征值，采用递归特征消除法和交叉验证方法，得到最优特征子集，具体包括： 针对第N次迭代，基于第N-1特征子集，采用递归特征消除法，得到第N-1特征子集中每个特征值的权重；并采用交叉验证法得到第N-1特征子集的平均得分；0N；当N＝1时，第零特征子集包括所有特征值； 基于第N-1特征子集中每个特征值的权重，对第N-1特征子集中的多个特征值进行排序，选取排名靠前的规定数量的特征值，作为第N特征子集；并采用交叉验证法得到第N特征子集的平均得分；判断第N特征子集的平均得分是否小于第N-1特征子集的平均得分；若是，则停止迭代，将所述第N-1特征子集作为最优特征子集；否则进行第N+1次迭代； 基于最优特征子集，采用长短期记忆网络和柯尔莫哥洛夫-阿诺德网络，得到零件表面粗糙度，具体包括： 将最优特征子集中的多个特征值作为特征值序列，输入至长短期记忆网络中，得到特征值序列的隐藏状态； 将所述特征值序列的隐藏状态输入至柯尔莫哥洛夫-阿诺德网络中，得到零件表面粗糙度。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。