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！

龙图腾网获悉华中科技大学;武汉智能设计与数控技术创新中心申请的专利一种基于梯度优化的机床进给系统数理模型参数辨识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：CN116560301B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310434416.3，技术领域涉及：G05B19/408；该发明授权一种基于梯度优化的机床进给系统数理模型参数辨识方法是由杨建中;段继航;许光达;黄德海设计研发完成，并于2023-04-21向国家知识产权局提交的专利申请。

本一种基于梯度优化的机床进给系统数理模型参数辨识方法在说明书摘要公布了：本发明属于数控机床相关技术领域，并公开了一种基于梯度优化的机床进给系统数理模型参数辨识方法。该方法包括：S1建立机床进给系统的数理模型；S2采集机床实际运行数据；设定初始的待辨识参数；构建待辨识参数更新模型；S3将预设指令位置信号和当前的待辨识参数输入待辨识参数更新模型中更新待辨识参数，利用更新后的辨识参数仿真计算损失函数，判断当前损失函数与最优损失函数之间的关系：小于时，保留当前待辨识参数的值，否则损失函数增大次数增加；S4更新迭代次数，判断当前迭代次数是否达到预设最大迭代次数，是，则输出当前待辨识参数；否，则返回步骤S3。通过本发明，提高与全局损失函数之间的灵敏度低的参数的辨识效率。

本发明授权一种基于梯度优化的机床进给系统数理模型参数辨识方法在权利要求书中公布了：1.一种基于梯度优化的机床进给系统数理模型参数辨识方法，其特征在于，该辨识方法包括下列步骤： S1 建立机床进给系统的数理模型，并确定待辨识参数的上下界； S2预设指令位置信号，根据该预设指令位置信号运行机床并采集机床实际运行数据； 设定初始的待辨识参数；构建待辨识参数更新模型； S3将预设指令位置信号和当前的待辨识参数输入所述待辨识参数更新模型中，以此更新所述待辨识参数，将更新后的辨识参数和指令位置信号输入所述数理模型中仿真获得仿真结果，利用步骤S2采集的机床实际运行数据和该仿真结果计算损失函数，判断当前损失函数与最优损失函数之间的关系： 当前损失函数小于当前最优损失函数时，将当前待辨识参数的值作为最优待辨识参数，同时将损失函数增大次数置零，当前损失函数作为当前最优损失函数； 当前损失函数大于当前最优损失函数时，损失函数增大次数增加，判断当前损失函数增大次数是否大于预设最大损失函数增大次数，是则损失函数增大次数置零，并更新所述待辨识参数更新模型中的学习率和步长；否则，进入下个步骤； S4 更新迭代次数，判断当前迭代次数是否达到预设最大迭代次数，是，则输出当前待辨识参数；否，则返回步骤S3； 在步骤S2中，所述待辨识参数更新模型按照下列进行： S21 对于所述待辨识参数中的任意一个辨识参数，利用所述步长更新该辨识参数，将更新后的辨识参数输入所述数理模型中仿真获得仿真结果，利用该仿真结果与步骤S2中的机床实际运行数据计算参数梯度； S22 重复步骤S21直至获得所述待辨识参数中每个辨识参数对应的参数梯度，所有辨识参数的参数梯度构成参数梯度集合，利用该参数梯度集合更新所述待辨识参数，以此实现待辨识参数的更新； 在步骤S21中，所述参数梯度按照下列关系式进行： 其中，是参数的梯度，是参数的梯度计算步长，是待辨识参数中的第i个元素，i是待辨识参数元素的编号； 在步骤S3中，所述更新模型中的学习率和步长按照下列方式进行： lr=lr2L=L2其中，lr是学习率，L是步长。

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华中科技大学;武汉智能设计与数控技术创新中心，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。