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！

龙图腾网获悉大连理工大学申请的专利一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线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：CN116252185B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310381133.7，技术领域涉及：B23Q17/09；该发明授权一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线监测方法是由孙玉文;闫世超;孙硕学设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线监测方法在说明书摘要公布了：本发明涉及一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线监测方法,属于加工过程智能监测技术领域。首先，采集加工过程中产生的声音、声发射和主轴三向加速度信号，并分别从其时域、频域和时频域提取特征进行融合。在此基础上，考虑不同切削条件下刀具寿命分布与信号特征分布的差异，建立工况自适应隐式半马尔可夫模型以描述刀具的磨损过程。进而，利用正交实验获取的刀具寿命数据以及多源信号特征数据对所建立的模型进行训练；最后，即可利用该模型在线评估刀具的磨损状态与剩余使用寿命。本发明工况适应性强，可在时变铣削工况下准确评估刀具的磨损状态与剩余使用寿命。

本发明授权一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线监测方法在权利要求书中公布了：1.一种基于工况自适应隐式半马尔可夫模型的刀具磨损在线监测方法，其特征在于，包括以下步骤： 步骤1.多源信号采集与特征融合：采集加工过程中的声音信号、声发射信号和主轴三向加速度信号，并分别从其时域、频域和时频域提取特征，随后利用核主元分析对提取的多源信号特征进行融合； 步骤2.构建工况自适应隐式半马尔可夫模型：在左右型隐式半马尔可夫模型基础上，考虑不同切削条件下刀具寿命分布与信号特征分布的差异，构建工况自适应隐式半马尔可夫模型来描述刀具的磨损过程，其具有个隐状态，分别记作； 考虑到切削参数和状态驻留时间对刀具磨损状态转移概率的影响，定义第t次切削已在状态停留d时间的条件下，刀具从状态转移到状态的概率为： 1 式中：，其中，，分别表示第t次切削时的切削速度、每齿进给率和径向切深，表示第t次切削时刀具所处的磨损状态，为已在状态驻留的时间； 基于刀具磨损演化规律，将泰勒刀具寿命经验公式嵌入加速失效时间模型中描述切削参数和状态驻留时间对磨损状态退化的影响，计算时变状态转移概率； 考虑到特定工况下训练的高斯混合模型难以反映其他切削参数下的信号特征分布情况，为此提出基于矩匹配方法的在线无监督迁移学习算法；基于该算法，可将利用源域数据训练得到的模型迁移到任意工况下，由此确定出切削参数相关的观测概率： 2 式中：为第t次切削时提取的信号特征，K为源域样本个数，为利用第k组源域样本数据训练得到的用于描述状态观测概率分布的高斯混合模型，为第k个源域模型的权重，其中，共同构成权重向量； 设第t次切削时权重向量服从参数为的Dirichlet分布，记为；基于矩匹配方法实时更新权重向量，确定观测概率； 步骤3.开展正交实验，利用获取的实验数据对步骤2所建立的模型进行训练：设计正交实验作为训练组，按照步骤1采集多源传感信号，从中提取多域特征并进行融合；测量后刀面磨损值，根据磨损阈值划分刀具磨损状态，从而确定样本数据标签； 利用刀具各状态持续时间数据，通过最大似然法估计加速失效时间模型的参数；此外，利用每个工况下获取的多源信号特征数据，通过EM算法分别训练高斯混合模型； 步骤4.刀具磨损状态与剩余使用寿命的在线评估：在线监测过程中，首先按照步骤1采集加工时产生的多源传感信号，从中提取多域特征并进行融合；然后利用步骤3中训练好的模型，按照步骤2在线计算状态转移概率与观测概率；最终通过改进的前向算法计算当前刀具磨损状态和剩余使用寿命关于观测序列的后验概率； 为消除传统的隐式半马尔可夫模型的计算下溢问题，定义改进的前向变量为： 3 式中：和分别表示为从第1次切削到第t次切削的观测序列和所建立模型的参数； 第t次切削时，刀具磨损状态与刀具剩余使用寿命的后验概率分别由式4和式5计算： 4 5 式中：，其中为第m次切削的加工时间； 最后，通过式6得到刀具的当前磨损状态，通过计算得到的后验概率的数学期望值即为刀具剩余使用寿命的预测值： 6。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。