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！

龙图腾网获悉辽宁石油化工大学申请的专利小样本下数据增强与多特征融合的刀具磨损状态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：CN116787227B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310772375.9，技术领域涉及：B23Q17/09；该发明授权小样本下数据增强与多特征融合的刀具磨损状态监测方法是由刘长福;权宇;周洋;刘博;王道海;柳建平;王志强;佟昊;王宪跃;王宇设计研发完成，并于2023-06-28向国家知识产权局提交的专利申请。

本小样本下数据增强与多特征融合的刀具磨损状态监测方法在说明书摘要公布了：本发明提供一种小样本下数据增强与多特征融合的刀具磨损状态监测方法，设计金属切削加工技术领域。本发明将一维信号分别转换为二维的灰度图与时频图，创建改进的深度卷积生成对抗网络MDCGAN进行少量二维图像样本的数据扩充，并采用评估指标评价其生成效果，然后将经过评估筛选后的生成图像样本与真实图像样本输入到多源特征融合网络MFFNet，通过进行不同模态的特征提取并融合，实现了刀具状态的识别。通过对MFFNet模型参数的迁移，实现对小样本下不同数据集间的跨域诊断。实验在两种不同的数据集上进行验证，并与其他深度学习网络模型进行对比。实验表明，用MDCGAN进行数据增强之后的数据集训练MFFNet模型，其分类精度达到99％以上，能有效提高刀具状态监测的准确性。

本发明授权小样本下数据增强与多特征融合的刀具磨损状态监测方法在权利要求书中公布了：1.一种小样本下数据增强与多特征融合的刀具磨损状态监测方法，其特征在于，包括以下步骤： 步骤1、数据采集与预处理：选取切削力信号，将一维切削力信号转换为二维灰度图，并通过连续小波变换将一维切削力信号转换为二维时频图； 步骤2、采用生成对抗网络对原始数据进行样本扩充；建立改进的深度卷积生成对抗网络MDCGAN，并进行训练，将原始的灰度图和时频图输入到MDCGAN中，得到生成后的灰度图和时频图像，使用FID和MMD两个评价指标对原始图片和生成图片进行度量筛选，将原始图片和经过筛选后的图片进行均衡，得到增强后的数据集； 步骤3、监测识别：构建多源特征融合网络MFFNet，选取设定比例的原始真实图片与经过评估筛选后的生成图片构成增强的数据集，输入到多源特征融合网络MFFNet进行特征提取和识别分类； 步骤4、迁移学习：通过对多源特征融合网络MFFNet的参数迁移，获得实现不同数据集之间的监测诊断； 步骤1中所述二维灰度图的转换公式如下： 1； 其中，表示取整函数，该函数将所有像素值归一化至0~255之间，表示转化后的每个像素的像素值，M为二维图像的边长，L为一维切削力信号中任意选取的长度，为连续的M×M个采样点； 采用连续小波变换CWT将每个时域波形变换成相应的时频谱，选取Morlet小波函数，变换原理如公式2-4所示； 3； 4； 其中，为基本的母小波函数，为一组时间尺度小波，和分别为尺度因子和平移因子，对于任意的信号函数，相应的连续小波函数定义为公式3，其中为母小波函数的复共轭函数，为和的内积；选取Morlet作为小波母函数，表达式为公式4，其中为小波的中心频率。

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辽宁石油化工大学，其通讯地址为：113005 辽宁省抚顺市望花区丹东路西段1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。