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！

龙图腾网获悉重庆邮电大学申请的专利一种基于SSAE的数控铣削多工况表面粗糙度在线预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：CN116415191B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310394896.5，技术领域涉及：G06F18/2415；该发明授权一种基于SSAE的数控铣削多工况表面粗糙度在线预测方法是由邓聪颖;叶波;苗建国;邓子豪;林丽君;孙惠娟设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于SSAE的数控铣削多工况表面粗糙度在线预测方法在说明书摘要公布了：本发明涉及一种基于SSAE的数控铣削多工况表面粗糙度在线预测方法，属于机械加工技术领域，包括以下步骤：S1：采集并处理铣削力信号；S2：构建基于“在线信号特征+离线工艺参数”的联合特征数据集；S3：建立并训练基于堆叠稀疏自编码网络SSAE的表面粗糙度在线预测模型；S4：设计基于模型迁移与微调策略的迁移学习框架；S5：在刀具与工件材料变换的多工况场景下，模拟目标工况中样本数量有限的场景；S6：实现刀具与工件材料变换下的多工况表面粗糙度在线预测。

本发明授权一种基于SSAE的数控铣削多工况表面粗糙度在线预测方法在权利要求书中公布了：1.一种基于SSAE的数控铣削多工况表面粗糙度在线预测方法，其特征在于：包括以下步骤： S1：采集并处理铣削力信号； S2：构建基于“在线信号特征+离线工艺参数”的联合特征数据集； S3：建立并训练基于堆叠稀疏自编码网络SSAE的表面粗糙度在线预测模型；步骤S3所述建立并训练基于堆叠稀疏自编码网络SSAE的表面粗糙度在线预测模型，具体包括： S31：在自编码器的基础上，添加稀疏性限制进行改进，得到稀疏自编码器，再通过贪婪无监督的分层方式进行训练，加入Softmax层作为分类输出层，建立基于堆叠稀疏自编码网络的表面粗糙度在线预测模型； S32：通过原始工况的联合特征数据集对模型进行训练，实现该工况下的表面粗糙度在线预测； S4：设计基于模型迁移与微调策略的迁移学习框架；步骤S4具体包括以下步骤： S41：利用基于模型的迁移学习方法将已构建的预测模型迁移至刀具与工件材料变换的目标工况中； S42：采用目标工况中的带标签样本对迁移后的模型进行微调，设计基于模型迁移与微调策略的迁移学习框架； S5：在刀具与工件材料变换的多工况场景下，模拟目标工况中样本数量有限的场景；步骤S5中，在刀具与工件材料变换的多工况场景下，控制目标工况中能用于微调的带标签样本数量，模拟目标工况中样本数量有限的场景，具体包括目标工况中的样本并不充足，相比原始工况来说是有限的，无法直接在目标工况中训练出预测性能良好的SSAE表面粗糙度在线预测模型； S6：实现刀具与工件材料变换下的多工况表面粗糙度在线预测。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路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”。