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！

龙图腾网获悉江苏科技大学申请的专利一种基于可解释机器学习的铣削几何参数在线识别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：CN117009786B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310969137.7，技术领域涉及：G06F18/213；该发明授权一种基于可解释机器学习的铣削几何参数在线识别方法是由李国超;郑浩;胥实现;江茹;刘志刚;孙丽;孙福来;周宏根;刘寅飞;董宝江;田崇顺设计研发完成，并于2023-08-03向国家知识产权局提交的专利申请。

本一种基于可解释机器学习的铣削几何参数在线识别方法在说明书摘要公布了：本发明提出一种基于可解释机器学习的铣削几何参数在线识别方法，具体包括：利用离散微元法进行刀具几何建模，并基于此进行铣削力机理建模；利用时域、频域、波形参数等特征值对仿真信号进行定量表征，并基于特征敏感性分析得到对铣削几何参数敏感而对铣削力系数不敏感的特征；铣削合力的峭度、偏度、波形因子、峰值因子、脉冲因子、裕度因子。采用决策树、K邻近等具有内在可解释性的机器学习算法建立特征与铣削几何参数之间的定量关系模型，并通过基于机理模型的带标签仿真大数据集对模型进行训练，实现根据采集的铣削力信号在线监测铣削几何参数。试验结果表明，所建立模型对铣削宽度和铣削深度的监测准确率大于89％。

本发明授权一种基于可解释机器学习的铣削几何参数在线识别方法在权利要求书中公布了：1.一种基于可解释机器学习的铣削几何参数在线识别方法，其特征在于：包括以下几个步骤： S1：基于铣削瞬时机械力模型，建立任意时刻沿进给方向铣削力Fx、垂直于进给方向铣削力Fy以及在垂直于刀具轴线平面上的合力Ftot的显示表达式； S2：由信号时域、频域分析获取的参数构成的特征矩阵MF0对铣削力信号进行量化表征，通过敏感性分析方法，筛选出对切向切削力系数Ktc、径向切削力系数Krc、主轴转速n、进给速度vf这4个变量不敏感而对径向切削深度ae和轴向切削深度ap敏感的特征矩阵MF2； S3：基于铣削瞬时机械力模型建立仿真大数据样本集Adata，其中每个数据样本的标签包括ae和ap，构建特征矩阵为MF2； S4：采用可解释机器学习方法，建立特征矩阵MF2与ae和ap的映射关系；可解释机器学习方法包括决策树或K邻近回归中的任意一种； S5：利用力传感器采集加工过程中的多方向铣削力信号，并与步骤1中建立的铣削瞬时机械力模型仿真信号对比，验证铣削力机理模型精确性； S6：基于可解释机器学习方法进行ae和ap智能识别，并根据预测输出结果对铣削几何参数进行合理性评价。

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江苏科技大学，其通讯地址为：212000 江苏省镇江市梦溪路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”。

以上内容由龙图腾AI智能生成。