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！

龙图腾网获悉西安理工大学申请的专利一种智能主轴服役状态诊断方法、系统、设备及介质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：CN116166997B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310146161.0，技术领域涉及：G06F18/2415；该发明授权一种智能主轴服役状态诊断方法、系统、设备及介质是由张燕飞;刘洋;黄康;王丽洁;孔令飞设计研发完成，并于2023-02-21向国家知识产权局提交的专利申请。

本一种智能主轴服役状态诊断方法、系统、设备及介质在说明书摘要公布了：本发明提供一种智能主轴服役状态诊断方法、系统、设备及介质，包括搭建数据采集平台实现对智能主轴的数据采集，通过重叠采样的方法对原始信号进行数据增强，并通过CWT将原始信号转化为二维的时频图像，并保留数据增强后的原始信号，作为一维通道的输入；将数据增强后的原始信号与时频图样本分别按照7:2:1的区间划分为训练集、测试集和验证集；将训练集输入到改进的双通道DenseNet模型中进行训练；将验证集输入到改进的模型中通过贝叶斯优化进行超参数寻优；将测试集输入到已经训练完成的模型中，得到智能主轴最终状态诊断结果；本发明通过对智能主轴数据的采集，对采集到的信号进行分析，提取到更多的细节特征，为之后的主轴性能评估提供了依据。

本发明授权一种智能主轴服役状态诊断方法、系统、设备及介质在权利要求书中公布了：1.一种智能主轴服役状态诊断方法，其特征在于，包括以下步骤： a、搭建数据采集平台实现对智能主轴的数据采集，通过重叠采样的方法对原始信号进行数据增强，并通过CWT将原始信号转化为二维的时频图像，并保留数据增强后的原始信号，作为一维通道的输入； b、将数据增强后的原始信号与时频图样本分别按照7:2:1的区间划分为训练集、测试集和验证集； c、将训练集输入到改进的双通道DenseNet模型中进行训练； d、将验证集输入到改进的模型中通过贝叶斯优化进行超参数寻优； e、将测试集输入到已经训练完成的模型中，得到智能主轴最终状态诊断结果； 所述步骤c将训练集输入到改进的双通道DenseNet模型中进行训练；基于特征融合的改进的双通道DenseNet模型由2-输入层、2-卷积层和最大池化层、2-三级密集连接块、2-带有ECA的密集连接块、2-三个过渡层、2-BN层+Conv层+Maxpooling层、2-LSTM层、2-压平层、一个Concatenation通道合并、一个全连接层和输出层组成； 所述步骤d将验证集输入到改进的模型中通过贝叶斯优化进行超参数寻优；在给定范围内对超参数进行优化，待优化的超参数主要包括学习率、批量尺寸、训练轮次、卷积核个数和尺寸、全连接层神经元个数； 在2-三级密集连接块的最后一级密集连接块中加入ECA注意力机制；ECA在SE模块的基础上，把SE中使用全连接层FC学习通道注意信息，改为1*1卷积学习通道注意信息，具体步骤包括： S1：首先输入特征图，其维度为H*W*C； S2：对输入特征图进行空间特征压缩，在空间维度，使用全局平均池化GAP，得到1*1*C的特征图； S3：对压缩后的特征图，进行通道特征学习，实现：通过1*1卷积，学习不同通道之间的重要性，此时输出的维度还是1*1*C； S4：通道注意力结合，将通道注意力的特征图1*1*C和原始输入特征图H*W*C，进行逐通道乘，输出具有通道注意力的特征图； 选择Adam优化器对模型进行优化，Adam优化器对模型为： ； 其中，M为类别数量；yic为符号函数0或1,如果样本i的真实类别等于C取1，否则取0； pic为观测样本i属于类别c的预测概率。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路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。