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！

龙图腾网获悉南通汉冶金属制品有限公司申请的专利一种基于机器学习的模具使用寿命评估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：CN120974936B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511487920.5，技术领域涉及：G06F30/27；该发明授权一种基于机器学习的模具使用寿命评估方法是由陈永彬设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本一种基于机器学习的模具使用寿命评估方法在说明书摘要公布了：本发明涉及机器学习技术领域，公开了一种基于机器学习的模具使用寿命评估方法，包括：采集模具数据，并提取与模具物理失效模式相关的特征；进行自适应分解，调整分解参数，获取信号分量；构建集成模型，得到模具的剩余使用寿命预测值；分析特征贡献度，优化模型输入特征集，并基于分析结果输出维护决策建议；将集成模型部署至边缘计算设备，并根据模具在不同生命周期的退化特性调整评估策略，实现实时寿命评估与决策支持。本发明能够显著提升模具寿命预测的准确性与可靠性，增强模型透明度，并实现从预测到维护决策的闭环管理。

本发明授权一种基于机器学习的模具使用寿命评估方法在权利要求书中公布了：1.一种基于机器学习的模具使用寿命评估方法，其特征在于，包括以下步骤： 步骤S1，采集模具制造工艺参数、工况监测信号和车间环境数据，并从在线工况监测信号中提取与模具物理失效模式相关的特征； 步骤S2，对采集的工况监测信号进行自适应分解，以分解结果和理论物理模型的一致性为目标，调整分解参数，获取信号分量； 步骤S3，构建深度学习与传统机器学习融合的集成模型，对特征与信号分量进行融合处理，得到模具的剩余使用寿命预测值； 步骤S4，基于可解释性人工智能技术分析特征贡献度，根据贡献度优化模型输入特征集，并基于分析结果输出维护决策建议； 步骤S5，将集成模型部署至边缘计算设备，并根据模具在不同生命周期的退化特性调整评估策略，实现实时寿命评估与决策支持； 其中在步骤S2中，还包括如下子步骤： S2-1，初始化完全集成经验模态分解自适应噪声算法参数，设置噪声标准差初始范围、总体平均次数初始范围和迭代最大次数； S2-2，将振动信号输入完全集成经验模态分解自适应噪声算法，得到多组本征模态函数和一个残差序列； S2-3，计算分解残差序列与基于阿查德磨损模型计算的理论磨损量的相关系数，并计算本征模态函数分量的样本熵，所述阿查德磨损模型的具体公式为：，其中，dW为磨损深度，K为磨损因子，为法向压力，u为滑移速度，H为模具硬度； S2-4，通过网格搜索法调整完全集成经验模态分解自适应噪声算法参数，直至相关系数达到预设阈值且样本熵最小，确定分解参数； S2-5，根据分量与物理特征的相关性，剔除与模具退化无关的本征模态函数分量，保留有效本征模态函数分量与残差序列，所述与模具退化无关是指分量的相关性低于预设阈值； 其中在步骤S3中，还包括如下子步骤： S3-1，构建用于处理长期趋势特征的编码器、用于处理短期动态特征的循环神经网络、注意力融合层和元决策层的多层架构，所述注意力融合层包括空间注意力子层与时间注意力子层，所述空间注意力子层突出型腔应力集中区特征，所述时间注意力子层强化失效前期特征； S3-2，将提取的特征、筛选的信号分量，结合制造工艺参数及车间环境数据组成特征向量，以剩余工作周期数为样本标签，按预设比例划分训练集与验证集； S3-3，采用融合预测误差与物理一致性惩罚项的复合损失函数，并选用自适应优化算法进行训练，所述训练策略包括自适应学习率调整机制和早停机制； S3-4，将训练集输入集成模型进行迭代训练，动态调整模型超参数，并使用验证集评估性能，直至模型收敛后保存最终模型，所述模型超参数包括转换器隐藏层节点数和门控循环单元随机失活概率。

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南通汉冶金属制品有限公司，其通讯地址为：226300 江苏省南通市通州区川姜镇保障村八组；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。