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铣削刀具破损状态监测装置及其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：CN118123583B 。

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：202410400182.5，技术领域涉及：B23Q17/09；该发明授权一种铣削刀具破损状态监测装置及其监测方法是由乔政;李铎;康舒豪;龙超;刘欢;李子腾;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。

本一种铣削刀具破损状态监测装置及其监测方法在说明书摘要公布了：一种铣削刀具破损状态监测装置及其监测方法，属于刀具监测技术领域。振动传感器固定在工件上，微位移传感器及多通道力传感器固定在铣刀主轴上，振动传感器、微位移传感器及多通道力传感器与数据采集卡信号传输连接；计算机程序存储在存储器上并在处理器上运行，传感信号采集模块与数据采集卡以及工业相机均信号传输连接，用于获取按时序采集铣刀加工传感信号样本数据以及铣刀后刀面磨损带区域图像数据。方法如下：采集数据并构建样本数据序列；信号预处理；特征提取。本发明适用于各种机械加工场景，在需要高精度超精密的智能制造领域，可以有效减小刀具破损带来的加工误差和生产事故，提高生产效率和安全性。

本发明授权一种铣削刀具破损状态监测装置及其监测方法在权利要求书中公布了：1.一种铣削铣刀破损状态监测装置的监测方法，所述方法是基于监测装置完成的，所述监测装置包括振动传感器2、微位移传感器4、多通道力传感器5、数据采集卡8、计算机终端9以及工业相机10；所述振动传感器2固定在工件1上，所述工件1放置在数控机床7上；所述微位移传感器4以及多通道力传感器5均固定在铣刀3的主轴6上，振动传感器2、微位移传感器4以及多通道力传感器5均与数据采集卡8信号传输连接；所述计算机终端9包括存储器、处理器、计算机程序以及传感信号采集模块，所述计算机程序存储在存储器上并在处理器上运行，所述传感信号采集模块与数据采集卡8以及工业相机10均信号传输连接，用于获取按时序采集铣刀加工传感信号样本数据以及铣刀后刀面磨损带区域图像数据；其特征在于：所述监测方法包括如下步骤： S1：采集数据并构建样本数据序列； S2：信号预处理； S3：特征提取； 所述S3包括如下步骤： S301：对铣刀加工信号进行特征提取； 所述S301包括如下步骤： S30101：分别计算传感信号样本数据序列的平均值、样本方差、峰峰值、最小值、最大值、均方根、样本偏度、样本峰度、波形因子、峰值因子、脉冲因子以及裕度因子； S30102：对传感信号样本数据序列进行快速傅里叶变换并计算幅值，得到频率谱线序列，对频率谱线序列计算其频率重心、频谱方均根、频谱方差、频谱偏度、频谱峰度以及频谱能量； S30103：对传感信号样本数据序列进行三层db4小波包变换，分解后得到八个分解系数，对分解后的信号进行重构，得到不同频段的信号成分，对分解后的各频段信号提取其能量特征，得到八个不同频率区间的小波能量值； S30104：对上述特征按列排布，得到信号特征矩阵； S30105：对信号特征矩阵做标准化，求解其相关系数矩阵； S30106：对所有特征矩阵列求解其相关系数矩阵，求解特征值和特征向量，得到标准化后的特征向量矩阵，特征向量矩阵的各列即为主成分列，计算主成分列的累计得分表征后刀面磨损带宽度，与铣刀失效量度进行比较以用于铣刀状态监测，反映破损程度； S302：筛选用于表征铣刀破损状态的良好特征数据序列； S30201：对铣刀加工信号进行相关性分析； 所述S30201包括如下步骤： S3020101：将信号特征矩阵的其中一个特征序列分割成a段，将铣刀后刀面磨损带宽度值分割成b段，得到的分辨网络G； 则信号值x和宽度值y在网络G中为样本点x，y，样本点x，y位于网络G的第i列格子的概率为，样本点x，y位于网络G的第j行格子的概率为，样本点x，y则位于网络G的第i列第j行格子的概率为； 则网络G中样本点x，y的互信息量以及整个样本序列的互信息熵的计算公式如下： 3 4 S3020102：调整特征序列和后刀面磨损带宽度值序列的分割点，得到互信息熵的最大值，计算互信息熵的最大值，进行归一化； S3020102所述互信息熵的最大值的计算过程如下： 将式3代入式4，可得： 5 同理可得：， 不等式成立条件为：对于所有，都有且，所以互信息熵的最大值为： 6 因此，对于每一种分辨率，都可以得到归一化后的互信息熵： 7 S3020103：逐步增大网络的分辨率，计算不同分辨率下的最大互信息熵： 8 考虑整个样本序列长度为n，则分割段数的最大值为： 9 输出最大互信息熵作为上述特征列的最大信息系数，用于评价信号特征的相关性； S3020104：计算特征矩阵里每个特征列的最大信息系数，选取最大信息系数最大的前N个特征作为良好特征数据序列； S30202：对铣刀加工信号进行主成分分析； 所述S30202包括如下步骤： S3020201：将良好特征数据序列中每个样本信号点的每个特征均减去该样本点所有特征的平均值，实现零均值化，得到零均值特征矩阵； S3020202：计算零均值特征矩阵每个特征之间各自的协方差，形成协方差矩阵； S3020203：对协方差矩阵求解其特征值和对应的特征向量以及主成分贡献率，主成分贡献率即为特征值占所有特征值绝对值之和的比例，按照特征值绝对值大小进行排序； S3020204：以最大的特征值绝对值为起始，选择特征值绝对值超过一定阈值的M个特征值及其对应的特征向量作为主成分向量； S3020205：将新M个主成分列与对应主成分贡献率相乘再相加，得到主成分累计得分， 10 式10中： 代表时刻i的得分； 代表主成分j的值； 代表主成分j对整体的贡献率； 健康指标的计算如下： 11 式11中： 代表i时刻的剩余寿命百分比； 代表总走刀次数； S30203：筛选用于表征铣刀破损状态的良好特征数据序列； S303：输出良好特征数据序列和铣刀健康指标，用于后续分析与训练。

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。