Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连理工大学;大连理工大学宁波研究院郭江获国家专利权

大连理工大学;大连理工大学宁波研究院郭江获国家专利权

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!

龙图腾网获悉大连理工大学;大连理工大学宁波研究院申请的专利一种数控刀具全生命周期质量监测系统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:CN116519525B

龙图腾网通过国家知识产权局官网在2026-01-06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:202310456137.7,技术领域涉及:G01N3/58;该发明授权一种数控刀具全生命周期质量监测系统是由郭江;朱旭;倪超;陈俊杰设计研发完成,并于2023-04-25向国家知识产权局提交的专利申请。

一种数控刀具全生命周期质量监测系统在说明书摘要公布了:本发明公开了一种数控刀具的全生命周期质量监测系统,包括刀具性能评价模块、刀具出厂质量检测模块和刀具状态监测模块;所述的刀具性能评价模块包括切削力评价模块、加工质量评价模块、寿命评价模块和稳定性评价模块;所述的刀具状态监测模块包括数据采集与传输模块、数据预处理模块、磨损预测模型训练模块和状态监测模块。本发明可以在刀具生产使用的各个环节及时的发现问题,在刀具制造过程中,可及时的发现有制造缺陷的刀具。在刀具的使用过程中,可以及时的发现刀具的磨钝、崩刃等情况,消除其带来的安全隐患,提高产品的质量。本发明将各个环节产生的数据集成到数据库中,最大限度的提高各环节数据的利用率,减少了有用数据的浪费。

本发明授权一种数控刀具全生命周期质量监测系统在权利要求书中公布了:1.一种数控刀具的全生命周期质量监测系统,其特征在于:包括刀具性能评价模块、刀具出厂质量检测模块和刀具状态监测模块; 所述的刀具性能评价模块包括切削力评价模块、加工质量评价模块、寿命评价模块和稳定性评价模块; 所述切削力评价模块的作用是通过测力仪采集刀具在切削过程中的切削力信号,通过切削力大小、切削力方向和切削力稳定性评价刀具的切削力性能; 所述加工质量评价模块的作用是进行切削加工实验,通过加工后的工件加工精度、表面粗糙度、残余应力层和切削形态来评价刀具的加工质量; 所述寿命评价模块的作用是采用固定的切削参数进行切削加工实验,每切削一段时间记录一次刀具后刀面磨损量的最大值,以刀具后刀面磨损量最大值大于300μm之前的总切削距离作为刀具寿命的评价标准; 所述稳定性评价模块的作用是以刀具切削过程中切削力的变化情况和加工工件的精度稳定性为标准评价刀具的稳定性; 所述刀具性能评价模块的作用是根据刀具的具体用途,判断上述四个评价模块得出的评价指标的重要程度,并对上述四个指标进行权重分配;根据分配好的权重计算刀具性能的综合评价值,并根据综合评价值判断刀具是否满足加工需求; 所述的刀具出厂质量检测模块包括刀具图像获取模块、刀具图像数据库、缺陷检测模型训练模块和出厂质量检测模块; 所述刀具图像获取模块的作用是通过视觉平台得到待检测刀具数字化图像,所述的刀具数字化图像包括刀具前刀面图像和刀具后刀面图像; 所述刀具图像数据库将刀具图像获取模块采集到的数字化图像进行缺陷标注,并按不同的缺陷类型将图像分类,组成刀具图像数据库; 所述缺陷检测模型训练模块的作用是,首先采用图像增强的方法扩充刀具图像数据库,然后将刀具图像数据库中的图像分为训练集和测试集,训练刀具缺陷分类模型; 所述刀具出厂质量检测模块将待检测刀具送入刀具图像获取模块的视觉平台上,获取刀具前刀面图像和刀具后刀面图像;之后将图像输入至训练好的刀具缺陷分类模型,检测刀具是否存在缺陷,并标记缺陷刀具; 所述的刀具状态监测模块包括数据采集与传输模块、数据预处理模块、磨损预测模型训练模块和状态监测模块; 所述数据采集与传输模块利用传感器采集机床运行过程的静态数据信息和动态数据信息并将采集到的静态和动态信号传输至数据预处理模块;所述静态数据信息包括刀具牌号、刀具材料、工件尺寸、工件材料、主轴转速、切削速度、切削深度和进给量;所述动态数据信息包括x、y、z三个方向的力信号,x、y、z三个方向的加速度信号和声发射信号; 所述数据预处理模块包括数据的截取、降噪和平均分段聚合;首先截取出整段数据中的稳定部分,接着采用均值滤波的方法对数据进行降噪,最后,采用平均分段聚合的方法在保留原数据的趋势的同时减少样本点的数量; 所述磨损预测模型训练模块利用采集到的数据离线训练刀具磨损预测模型; 所述状态监测模块将从数据采集与传输模块获得的信息输入至训练好的刀具磨损预测模型中,得到刀具磨损状态和刀具磨损预测值; 所述的刀具磨损预测模型组成如下:首先由一个包含六个卷积层、三个池化层和一个全连接层的一维卷积神经网络对得到的数据进行进一步的特征提取,之后采用深度广义典型相关分析的方法实现特征融合,最后根据融合后的特征值使用softmax分类器得出刀具磨损状态;所述的刀具磨损状态包括初期磨损状态、稳定磨损状态、磨顿和崩刃。

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大连理工大学;大连理工大学宁波研究院,其通讯地址为:116024 辽宁省大连市高新园区凌工路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。