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！

龙图腾网获悉湖南国重智联工程机械研究院有限公司申请的专利一种基于功率传感器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：CN119457986B 。

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：202411818020.X，技术领域涉及：B23Q17/09；该发明授权一种基于功率传感器的刀具磨损状态监测方法是由袁振;邓朝晖;张寿全;郑蕾;吕黎曙;刘涛;李洪文设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于功率传感器的刀具磨损状态监测方法在说明书摘要公布了：本发明公开了一种基于功率传感器的刀具磨损状态监测方法，实时采集机床加工过程中主轴电压电流值的样本数据，并转换为功率信号，同时记录每个样本数据对应的刀具磨损状态；对功率信号进行预处理，计算预处理后的功率信号的时域特征和频域特征，通过快速傅里叶变换和小波包分解提取刀具磨损对应频段能量特征，共同组成特征样本集，与其对应的刀具状态种类进行编码组成样本集；基于灰狼粒子群算法优化BP神经网络；使用皮尔逊相关系数法筛选出高相关性的特征，将特征参数作为BP神经网络的输入变量，刀具磨损状态作为输出变量，根据筛选的特征参数判断刀具磨损状态。有效提高刀具磨损状态的识别效率和识别精度。

本发明授权一种基于功率传感器的刀具磨损状态监测方法在权利要求书中公布了：1.一种基于功率传感器的刀具磨损状态监测方法，其特征在于，所述方法包括以下步骤： S100：布置功率传感器于机床的变频器输入端，通过传感器实时采集机床加工过程中主轴电压电流值的样本数据，并转换为功率信号，同时记录每个样本数据对应的刀具磨损状态； S200：对功率信号进行预处理，计算预处理后的功率信号的时域特征和频域特征，通过快速傅里叶变换和小波包分解提取刀具磨损对应频段能量特征，共同组成特征样本集，将特征样本集和与其对应的刀具状态种类进行编码组成样本集；S200中通过快速傅里叶变换和小波包分解提取刀具磨损对应频段能量特征，共同组成特征样本集，具体为： S210：对降噪后的功率信号进行快速傅里叶变换，将时域信号转换为频域信号； S220：利用小波基函数对降噪后的功率信号进行小波包分解，将信号分解到各个频段，计算每个频段能量占总能量的比例，选择能量占比超过预设阈值的频段作为有效频段；通过分析不同刀具磨损状态下各有效频段能量的变化趋势，选择与刀具磨损状态高度相关的频段能量作为样本特征； S220中小波包分解的具体步骤如下： S221：利用小波基函数对降噪后的功率信号进行多层分解，构建小波包树；每一层分解包括对降噪后的功率信号进行高频和低频滤波，然后对滤波后的信号进行下采样； S222：降噪后的功率信号xt通过低通滤波器ht和高通滤波器gt，分别得到近似系数和细节系数，对近似系数和细节系数继续进行低通和高通滤波，得到下一层的系数，重复此过程直到达到预定的分解层数； S223：计算各频段的近似系数和细节系数的平方和获得各频段的能量值，计算每个频段能量占总能量的比例，选择能量占比超过预设阈值的频段作为有效频段； S222中近似系数具体为： 细节系数具体为： 对每一层的近似系数和细节系数继续进行分解： 其中，aj[n]是第j层的近似系数，dj[n]是第j层的细节系数；h[k]是低通滤波器系数，g[k]是高通滤波器系数；是第j层第n个节点的系数； S300：以特征参数为输入，刀具磨损状态为输出，利用样本集结合灰狼粒子群算法优化BP神经网络，建立基于BP神经网络的刀具磨损状态辨识模型； S400：使用皮尔逊相关系数法从特征样本集中筛选出相关系数大于预设阈值的特征，完成对特征样本集的降维，并将筛选出的特征参数作为刀具磨损状态辨识模型的输入变量，刀具磨损状态作为输出变量，确定输入、输出之间的映射关系，根据筛选的特征参数判断刀具磨损状态。

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湖南国重智联工程机械研究院有限公司，其通讯地址为：410000 湖南省长沙市长沙经济技术开发区东三路3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。