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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于离散小波分解的刀具磨损监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：CN118060972B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202410400183.X，技术领域涉及：B23Q17/09；该发明授权一种基于离散小波分解的刀具磨损监测方法是由乔政;李铎;李子腾;刘欢;龙超;康舒豪;杜雨恒设计研发完成，并于2024-04-03向国家知识产权局提交的专利申请。

本一种基于离散小波分解的刀具磨损监测方法在说明书摘要公布了：一种基于离散小波分解的刀具磨损监测方法，属于刀具监测技术领域。方法如下：构建刀具磨损数据集；对时序信号进行周期性二维重构；获得刀具磨损监测模型。本发明将一维时序信号按周期转化为二维张量特征，并提取多尺度特征信息，通过捕获周期信号的深层特征拟合刀具磨损值，针对刀具加工过程中产生的历史周期性数据建立刀具磨损监测模型，可以自适应提取最优特征进行监测，能够根据刀具加工中不同的工艺参数的信号特点动态调整参数，从而提高模型的泛化能力和预测精度，实现刀具磨损值的精准监测。

本发明授权一种基于离散小波分解的刀具磨损监测方法在权利要求书中公布了：1.一种基于离散小波分解的刀具磨损监测方法，其特征在于：所述方法包括如下步骤： S1：构建刀具磨损数据集； 所述S1包括如下步骤： S101：采集时序信号，获取力传感器信息的多工况历史数据； S102：进行离线磨损值测量，得到每次加工的实际刀具磨损值； S103：将刀具磨损过程分为磨损初期、磨损中期以及磨损后期三个阶段；将时序信号的一维时序信号转换为二维特征进行多卷积核提取； S104：将时序信号沿时间维度切片，并对实际刀具磨损值进行线性插值，构成刀具磨损数据集； S2：对时序信号进行周期性二维重构； 所述S2包括如下步骤： S201：通过离散小波分解输入的时序信号，得到低频时序信号和高频时序信号，过程如下： 1 式1中： 表示离散的一维时序信号； 表示高通滤波器的系数； 表示低通滤波器的系数； 表示卷积运算； S202：将时序信号分解为近似系数cA和细节系数cD； S203：通过近似系数cA计算振幅列表； S204：通过幅值列表的均值和标准差确定阈值，过程如下： 2 式2中： 表示离散小波分解得到的近似系数cA的数量； 表示近似系数cA中的第i个； S205：选取近似系数cA对应的低频信号中幅值系数大于阈值的低频信号，可得其对应频率为以及对应的周期长度； S206：对时序信号进行周期性二维重构； S3：获得刀具磨损监测模型； 所述S3包括如下步骤： S301：将重构后的二维特征输入Timesnet网络中； S302：通过选定周期对原始一维时序信号进行折叠，通过Padding层对原始一维时序信号进行零扩展，得到时序信号的二维张量特征，过程如下： 3 式3中： 表示将原始一维时序信号进行零扩展； 表示原始一维时序信号； 表示二维张量特征转换，且大小为 表示二维张量特征； S303：对二维张量特征捕捉不同周期下时序信号的信息； S304：将提取的时序特征转化为一维空间后进行自适应融合； 所述S304包括如下步骤： S30401：将提取的时序特征通过二维张量特征转化为一维空间， S30402：对一维空间表征以其对应频率的强度进行加权求和，实现自适应融合，过程如下： 4 5 6 式4中： 表示Inception模块的运算； 式5中： 表示对原始二维张量特征经过reshape重构为一维特征后，按原始一维信号的长度进行截取； S305：对自适应融合特征进行GELU激活后将时序和通道维度进行融合，并通过全连接层映射到刀具磨损值上，得到网络的磨损预测值； 7 式7中： 表示全连接层； S306：计算网络的磨损预测值与实际刀具磨损值的误差后对刀具磨损监测模型参数调优； S307：获得刀具磨损监测模型。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。