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！

龙图腾网获悉西安理工大学申请的专利一种电主轴热-动双迟滞耦合参数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：CN120470940B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510941925.4，技术领域涉及：G06F30/27；该发明授权一种电主轴热-动双迟滞耦合参数预测方法是由张燕飞;赵士欣;李佳成;思悦;王丽洁;孔令飞设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本一种电主轴热-动双迟滞耦合参数预测方法在说明书摘要公布了：本发明涉及精密制造与数控机床技术领域，尤其涉及一种电主轴热‑动双迟滞耦合参数预测方法。步骤如下：S1：采集多维运行状态信号并进行处理；S2：将处理后的振动时频特征图、电流频谱图与温度灰度图像进行通道叠加，形成三维特征张量；S3：构建ResNet‑Attention电主轴热‑动双迟滞耦合参数时序预测模型，将融合特征向量输入训练好的预测模型，得到最优的热‑动双迟滞参数时序预测模型；S4：对热‑动双迟滞参数时序预测模型进行动态模拟得到预测值。本发明提供的一种电主轴热‑动双迟滞耦合参数预测方法，通过融合多源异构数据，充分挖掘不同数据源之间的内在联系和互补信息，有效提升了模型对电主轴热‑动双迟滞耦合参数的预测精度。

本发明授权一种电主轴热-动双迟滞耦合参数预测方法在权利要求书中公布了：1.一种电主轴热-动双迟滞耦合参数预测方法，其特征在于，步骤如下： S1：通过安装在电主轴上的振动传感器、温度传感器以及电流传感器同步采集多维运行状态信号；并对各传感器采集的原始信号分别进行预处理、时频域转换及标准化处理，获得标准化特征矩阵； S2：将处理后的振动时频特征图、电流频谱图与温度灰度图像进行通道叠加，形成三维特征张量； S3：构建ResNet-Attention电主轴热-动双迟滞耦合参数时序预测模型，将融合特征向量输入训练好的预测模型，以得到最优的热-动双迟滞参数时序预测模型； S4：在预设时间窗口内通过ResNet-Attention电主轴热-动双迟滞耦合参数时序预测模型进行动态模拟得到预测值； S1步骤中，步骤如下： 1振动信号由安装在电主轴轴承座的加速度传感器采集，电流信号由串联在电主轴供电回路的电流互感器采集，红外热图像信号由面向电主轴关键发热部位的红外热像仪采集； 2红外热像仪采集的红外图像原始分辨率为640×480像素，经灰度转换后采用双线性插值法压缩至224×224像素，与ResNet网络输入层维度匹配； 3对振动信号进行连续小波变换，生成时频能量分布图，采用Morlet小波基函数，尺度参数设置为50级离散化，将时频图转换为对数刻度并归一化至0-255灰度范围，通过双三次插值法调整图像尺寸至224×224分辨率； 4对三相电流信号进行Park矢量变换，生成二维时域轨迹图，采用滑动窗口傅里叶变换，窗口长度设置为基波周期的5倍，对频谱图实施Z-score标准化处理，通过区域最大值采样法调整图像尺寸至224×224分辨率； S3步骤中，步骤如下： A.采用预训练的ResNet-50网络作为基础架构，修改输入层通道数以适配三维融合数据体，并冻结前10层卷积核以保留通用特征提取能力； B.自适应特征融合模块Attention连接各残差块输出，自适应特征融合模块包含通道注意力子模块和空间注意力子模块； C.调整输出层节点数以匹配电主轴时变参数，输出层采用Softmax激活函数，输出包含电主轴热膨胀系数、非线性刚度、热阻率、电磁损耗系数； D.冻结预训练ResNet-50的底层网络参数，仅微调新增的自适应特征融合模块和顶层输出层参数。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。