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！

龙图腾网获悉徐州康翔精密制造有限公司申请的专利一种基于边缘计算的机床运行状态预测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：CN120949700B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511496606.3，技术领域涉及：G05B19/4065；该发明授权一种基于边缘计算的机床运行状态预测方法是由吴文超;李加强;叶有刚设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种基于边缘计算的机床运行状态预测方法在说明书摘要公布了：本发明公开了一种基于边缘计算的机床运行状态预测方法，包括：步骤一：采集机床运行的多源状态参数数据；步骤二：在边缘节点中对多源状态参数数据进行预处理；步骤三：通过改进型TSMixer网络对机床运行状态进行建模与预测，输出机床运行状态预测值和时序响应评分图；步骤四：将机床运行状态预测值与运行状态阈值进行对比，生成状态评估标签与预警等级标签，并基于时序响应评分图分析扰动情况；步骤五：根据预警等级标签执行响应控制策略，并采集运行状态反馈数据；步骤六：可视化展示预测结果与预警信息。本发明提升了机床异常识别准确性与运行状态预测的实时性。

本发明授权一种基于边缘计算的机床运行状态预测方法在权利要求书中公布了：1.一种基于边缘计算的机床运行状态预测方法，其特征在于，包括如下步骤： 步骤一：采集机床运行过程中的多源状态参数数据； 步骤二：在边缘节点中对多源状态参数数据进行预处理，生成标准化时序数据集，具体为： 将多源状态参数数据按照工业传感器通道进行分类，并利用滑动窗口中位数滤波方法剔除各通道的脉冲异常值，通过哈希匹配法去除各通道的重复采样值，基于频域能量阈值法识别并剔除各通道的信号干扰数据，并根据各工业传感器设定的采样频率对各通道数据进行时间对齐，形成对齐参数序列； 通过最大最小值归一化方法将对齐参数序列的各通道数据映射到[0,1]区间，形成归一化参数序列； 通过Z-Score标准化方法将归一化参数序列统一量纲，形成标准化参数序列； 设定时间步长与滑动窗口长度，将标准化参数序列按照样本批量数、工业传感器通道数和时间步长重组为三维张量结构，形成标准化时序数据集； 步骤三：将标准化时序数据集输入至部署在边缘节点的改进型TSMixer网络，对机床运行状态进行建模与预测，输出机床运行状态预测值和时序响应评分图；所述改进型TSMixer网络包括波动感知门控模块、通道-时间双向交叉建模模块、局部异常注意模块和残差分解预测模块； 所述波动感知门控模块通过计算波动强度评分并进行归一化，对标准化时序数据集进行波动处理，输出波动时序张量，具体为： 在每个时间步上，根据滑动窗口长度提取标准化时序数据集的滑动窗口片段； 在每个工业传感器通道上，计算滑动窗口片段的标准差，并将每个工业传感器通道的标准差进行通道平均，生成波动强度评分； 将所有时间步的波动强度评分通过Softmax函数进行归一化，生成对应时间步的门控加权系数序列； 基于门控加权系数序列，将标准化时序数据集按时间步维度执行加权处理，生成波动时序张量； 所述通道-时间双向交叉建模模块在时间步维度与工业传感器通道维度对波动时序张量进行双向交叉注意力建模，输出联合特征张量，具体为： 在时间步维度，将波动时序张量通过一维卷积提取每个工业传感器通道的时间序列演化特征，并通过对称零填充方式保持时间步维度前后一致，生成时间特征张量； 将波动时序张量的工业传感器通道维度与时间步维度进行置换，形成置换时序张量； 在每个时间步上，提取置换时序张量的通道特征，将通道特征输入至通道混合MLP执行通道维度的非线性映射与特征压缩，生成通道特征张量； 将通道特征张量的工业传感器通道维度与时间步维度进行置换，生成置换通道特征张量； 基于时间特征张量和置换通道特征张量，分别计算时间-通道注意力权重矩阵和通道-时间注意力权重矩阵； 将时间-通道注意力权重矩阵与时间特征张量进行加权调制，生成交叉时间特征张量； 将通道-时间注意力权重矩阵与置换通道特征张量进行加权调制，生成交叉通道特征张量； 将交叉时间特征张量与交叉通道特征张量进行逐元素加权融合，形成交叉融合特征张量； 将时间特征张量与置换通道特征张量进行逐元素加权融合，形成残差特征张量； 将交叉融合特征张量与残差特征张量基于残差融合系数进行加权组合，并通过线性变换与激活函数生成联合特征张量； 所述局部异常注意模块通过一层小波变换对联合特征张量执行扰动增强处理，输出增强特征张量，具体为： 在每个时间步上，基于滑动窗口长度提取联合特征张量的滑动窗口片段； 在每个工业传感器通道上，对滑动窗口片段中的每个时间特征通过一层离散小波变换获取高频细节系数，并计算高频细节系数的均方值作为扰动评分； 将各工业传感器通道的扰动评分进行通道平均，获得当前时间步的平均扰动评分； 将所有时间步的平均扰动评分通过Softmax函数进行归一化，并与联合特征张量执行逐时间步加权处理，生成增强特征张量； 所述残差分解预测模块对增强特征张量进行趋势建模与扰动建模，输出机床运行状态预测值和时序响应评分图，具体为： 将增强特征张量通过三层因果卷积提取时间趋势特征，生成趋势特征张量； 将趋势特征张量沿时间步维度执行全局平均池化，获得机床运行状态的趋势预测序列； 将趋势预测序列进行通道平均，输出机床运行状态的平均趋势预测值； 计算增强特征张量与趋势特征张量的残差，获得扰动残差张量； 将扰动残差张量沿工业传感器通道维度进行平均池化，获得时序响应评分图； 将时序响应评分图沿时间步维度进行平均操作，输出机床运行状态的平均扰动响应值； 设置可训练融合系数，将平均趋势预测值与平均扰动响应值进行融合，生成机床运行状态预测值； 步骤四：将机床运行状态预测值与运行状态阈值进行对比，判定机床运行状态，生成状态评估标签与预警等级标签，并基于时序响应评分图分析扰动情况； 步骤五：根据预警等级标签，执行响应控制策略，并采集运行状态反馈数据，对改进型TSMixer网络执行增量更新与模型参数优化； 步骤六：在边缘节点的可视化界面中，将机床运行状态预测值、状态评估标签、预警等级标签、时序响应评分图及响应控制策略进行可视化展示。

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徐州康翔精密制造有限公司，其通讯地址为：221300 江苏省徐州市邳州市碾庄镇五金机械产业园；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。