Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 燕山大学郭保苏获国家专利权

燕山大学郭保苏获国家专利权

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!

龙图腾网获悉燕山大学申请的专利基于注意力循环神经网络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:CN115392292B

龙图腾网通过国家知识产权局官网在2025-07-15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:202210917959.6,技术领域涉及:G06F18/213;该发明授权基于注意力循环神经网络的刀具磨损在线监测方法是由郭保苏;董昊;乔朝辉;孙万诚设计研发完成,并于2022-08-01向国家知识产权局提交的专利申请。

基于注意力循环神经网络的刀具磨损在线监测方法在说明书摘要公布了:本发明提供一种基于注意力循环神经网络的刀具磨损在线监测方法,其包括:采集机床加工过程中的刀具磨损数据,制作原始数据集;对原始数据集进行预处理,包括无效数据剔除、小波包变换和特征提取;将经过预处理的实验数据集输入到基于注意力循环神经网络的刀具磨损监测模型中进行迭代训练,当模型监测误差在规定之范围内,保存模型;在线采集刀具加工过程中的磨损信号,经过数据预处理后,输入到训练好的模型中,进行在线监测。本发明将注意力机制和循环神经网络交叉融合,构建了基于注意力循环神经网络的刀具磨损在线监测方法,可精准监测刀具磨损值,本方法具备良好的泛化能力与自适应能力以及良好的鲁棒性。

本发明授权基于注意力循环神经网络的刀具磨损在线监测方法在权利要求书中公布了:1.一种基于注意力循环神经网络的刀具磨损在线监测方法,其特征在于,其包括以下步骤: S1、采集机床加工过程中的刀具磨损数据,制作原始数据集:等时间间隔连续采集刀具切削过程中的信号数据,记录进给速度和采样频率的加工参数信息,整理数据作为原始数据集; S2、对刀具磨损原始数据集进行预处理,包括无效数据剔除和小波包变换降噪: S21、初步无效数据剔除,使用第三四分位数方法确定剔除数据点的位置,在进刀和退刀过程中传感器记录的数据按数值从小到大依次排列,将数据均等分为四份,对应的第三个截断点即为剔除数据点的位置; S22、细节无效数据降噪,采用小波变换对信号数据的时间和频率特征进行提取,小波包变换计算公式如下: 其中,ψ·表示小波函数且有:gk表示小波函数空间Wj内的任意函数且有k为任意整数,ft是空间Wj内的任意函数,为尺度函数,α为尺度因子,τ为位移量,t为当前时刻,ak为缩放系数; 尺度函数计算公式如下: 其中,hk是小波函数在实数域计算过程中形成的空间Vj内的任意函数,k为任意整数; S3、将经过预处理的刀具磨损数据集输入到基于注意力循环神经网络的刀具磨损监测模型中进行迭代训练; S31、建立刀具磨损监测模型,刀具磨损监测模型包括注意力机制特征提取模块和门控循环神经网络监测模块; S32、训练刀具磨损监测模型:获取经过预处理的实验数据集,数据集包括刀具切削过程的磨损数据以及与其对应的磨损值,将整个离线数据集按比例划分为训练集和验证集,传入基于注意力循环神经网络的刀具磨损监测模型中进行训练,数据依次经过注意力机制特征提取模块和循环神经网络监测模块,完成训练过程,输出训练结果和监测准确度; S33、对于循环神经网络监测模块t时刻的存储记忆St有: St=σUXt+WSt-1 其中,σ表示softmax激活函数,U、W表示权值,Xt表示当前时刻真正输入,St-1表示前一时刻的存储记忆; S34、对于循环神经网络监测模块t时刻输出Ot有: Ot=VSt+C 其中,V表示权值,C表示前一状态时刻的输出; S35、对于循环神经网络监测模块模型预测输出时刻yt有: yt=σOt; S4、判断训练结果是否符合要求:计算模型的监测值与实际值的误差,当实验误差小于当前加工工况所规定的阈值时,保存训练好的刀具磨损监测模型并应用到在线刀具磨损检测分析中;基于注意力门控循环神经网络的刀具磨损监测模型误差的计算,分别选择均方根误差RMSE以及平均绝对误差MAE作为模型评价指标且有: 其中,RMSE表示均方根误差计算结果,ym表示第m个刀具磨损预测值,表示第m个刀具磨损真实值,M表示验证集的数据个数; 对刀具预测结果的准确度进行分析,平均绝对误差MAE有: 均方根误差RMSE与平均绝对误差MAE二者范围均在[0,+∞,当刀具磨损监测值与刀具磨损真实值吻合时,此时RMSE与MAE均为0;当RMSE与MAE数值越大,需要对模型进行网络结构调整以获得小的差值数据; S5、在线采集刀具加工过程中的磨损信号,进行在线监测:加载步骤S3中保存好的刀具磨损监测模型,将在线采集的传感器信号数据依次进行步骤S2所述的无效数据剔除、小波包变换,然后传入保存的模型中进行磨损监测,得到刀具磨损监测值。

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燕山大学,其通讯地址为:066004 河北省秦皇岛市河北大街西段438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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。