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！

龙图腾网获悉中国机械总院集团江苏分院有限公司申请的专利基于INOA-SVM模型的高速磨削砂轮状态的识别检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：CN121179347B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511755890.1，技术领域涉及：B24B49/16；该发明授权基于INOA-SVM模型的高速磨削砂轮状态的识别检测方法是由庄百亮;崔哲;沈路;王翔;丁迪;黄蓉;尚陆华设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于INOA-SVM模型的高速磨削砂轮状态的识别检测方法在说明书摘要公布了：本发明涉及磨削砂轮状态检测技术领域，尤其涉及一种基于INOA‑SVM模型的高速磨削砂轮状态的识别检测方法，包括以下步骤：S1、原始振动信号的获取与磨损划分；S2、原始振动信号的数据处理；S3、构建并验证INOA‑SVM模型；S4、高速砂轮磨损状态的识别检测。本发明通过对高速磨削砂轮振动数据进行处理，能够将复杂的原始振动数据分解为简单的信号进行迭代，并剔除非磨削的振动，同时，还能够加快磨削状态识别检测模型的识别检测效率，通过INOA模型对SVM模型进行优化，以使得磨削状态识别检测模型跳出局部收敛，并使得磨削状态识别检测模型具有较快的收敛速度、较高的稳定性，以提高高速磨削砂轮状态识别检测的精确度和稳定性。

本发明授权基于INOA-SVM模型的高速磨削砂轮状态的识别检测方法在权利要求书中公布了：1.一种基于INOA-SVM模型的高速磨削砂轮状态的识别检测方法，其特征在于，包括以下步骤： S1、原始振动信号的获取与磨损划分：获取所需检测高速磨削砂轮X轴、Y轴、Z轴三个方向的原始振动信号数据集，并按照高速磨削砂轮的磨损阶段对原始振动信号数据集进行磨损阶段划分，以得到划分磨损阶段后的振动信号数据集； S2、原始振动信号的数据处理：依次对S1中原始振动信号数据集进行硬阈值快速迭代滤波处理、重构处理、时域特征和频域特征提取处理，以得到处理后的振动信号数据集； S3、构建并验证INOA-SVM模型：通过INOA模型对SVM模型中的正则化系数、核函数进行优化，以得到INOA-SVM模型，将S1中划分磨损阶段后的振动信号数据集、S2中的处理后的振动信号数据集输入到INOA-SVM模型中，并对该INOA-SVM模型进行验证，若验证符合要求，该INOA-SVM模型即为最优INOA-SVM模型，则执行S4，若验证不符合要求，则重新优化正则化系数、核函数，直至验证符合要求，该INOA-SVM模型即为最优INOA-SVM模型； S4、高速砂轮磨损状态的识别检测：实时检测得到高速磨削砂轮X轴、Y轴、Z轴三个方向的振动信号，并将该振动信号输入到S3中的最优INOA-SVM模型中，以输出该振动信号对应高速磨损砂轮的磨损状态； 其中：表示时间，表示原始振动信号采集次数，表示高速磨削砂轮的磨损阶段； 所述S3包括以下步骤： S3-1、SVM模型参数初始化，参数包括：星鸦雀种群大小、第一迭代次数、正则化系数、核函数； S3-2、基于Tent-Sine-Logistic复合混沌映射进行折射反向学习，以优化S3-1中的初始化星鸦雀种群； S3-3、将所有星鸦雀种群输入到SVM模型中，通过三重交叉验证计算得到每个星鸦雀个体的适应度； S3-4、随机生成两个随机数和，若随机数，则执行S3-5，反之，执行S3-6； S3-5、觅食与储存策略：引入自适应可变惯性权重策略参数，并设置非线性加权因子； S3-6、基于INOA模型的存储搜索与恢复策略：在存储搜索与恢复策略中引入自适应可变惯性权重策略参数，并设置非线性加权因子； S3-7、更新星鸦雀种群的适应度； S3-8、将精英逐维反向学习与动态局部最优逃生引入到INOA算法中； S3-9、若当前第一迭代次数达到最大第一迭代次数，则执行S3-10，反之，则返回S3-4，直至当前第一迭代次数达到最大第一迭代次数后，再执行S3-10； S3-10、以得到全局最优正则化系数、核函数，并得到INOA-SVM模型； S3-11、将S1中划分磨损阶段后的振动信号数据集、S2中的处理后的振动信号数据集输入到S3-10中的INOA-SVM模型中，并对该INOA-SVM模型进行验证，若验证符合要求，该INOA-SVM模型即为最优INOA-SVM模型，则执行S4，若验证不符合要求，则返回S3-4，直至验证符合要求，该INOA-SVM模型即为最优INOA-SVM模型； 在S3-2中，复合混沌映射的表达式为： ； 其中：表示Tent映射，表示Sine映射，表示Logistic映射； 通过折射反向学习将原始解与折射解合并，以形成规模为2NP的混合星鸦雀个体，并根据适应度进行排序，以适应度为标准对2NP个混合星鸦雀群体按照降序排列，筛选出前NP个个体作为最终的初始种群； 折射反向学习后星鸦雀个体的表达式为： ； 其中：表示下界，表示上界，表示折射距离比值，表示折射率，表示折射反向学习前星鸦雀个体； 在S3-3中，采用径向基核函数的SVM模型中，磨损状态的表达式为： ； 拉格朗日因子的计算公式为： ； 径向基核函数的计算公式为： 0； 其中：表示原始振动信号采集次数，表示训练样本输出，保湿磨损量，表示数据集中的第个特征向量，表示偏置量，表示正则化系数，表示误差变量，表示核函数； 适应度的计算公式为： ； 其中：表示分类的正确个数，表示分类的错误个数，是指：S3-3中三重交叉验证正确的结果，是指：S3-3中三重交叉验证错误的结果。

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中国机械总院集团江苏分院有限公司，其通讯地址为：213100 江苏省常州市武进区常武中路801号常州科教城天鸿楼C座1楼；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。