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！

龙图腾网获悉厦门大学;厦门钨业股份有限公司;厦门金鹭特种合金有限公司申请的专利一种基于匹配小波深度迁移学习的铣削加工刀具磨损检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：CN116681682B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310710028.3，技术领域涉及：G06T7/00；该发明授权一种基于匹配小波深度迁移学习的铣削加工刀具磨损检测方法是由连云崧;田伟江;周伟;刘超;林亮亮;李友生;褚旭阳设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本一种基于匹配小波深度迁移学习的铣削加工刀具磨损检测方法在说明书摘要公布了：本申请提供一种基于匹配小波深度迁移学习的铣削加工刀具磨损检测方法，包括通过振动、声发射、功率传感器从机床铣削平面加工过程中得到原始的加工信号，从原始加工信号中提取平稳切削过程信号，再通过Morse连续小波对一维故障信号进行匹配升维，捕捉微小变化，得到可视化强化特征图像；其次对深度迁移网络源域模型进行有效迁移，该模型具有高效的图像学习经验，可降低目标域训练样本数量；最后在模型迁移中根据有限数据进行流程的参数优化。该方法泛化能力强，可对多工况下微小特征进行检测与定位，对刀具受到磨损以后导致加工过程中出现的微小振动有着较强的识别能力，并有效减少对数据的依赖，能够极大提高运算速度和诊断精度。

本发明授权一种基于匹配小波深度迁移学习的铣削加工刀具磨损检测方法在权利要求书中公布了：1.一种基于匹配小波深度迁移学习的铣削加工刀具磨损检测方法，其特征在于：包括铣削机床本体、安装在铣削工作台上的测力仪、安装在铣削主轴上的振动传感器及声发射传感器；所述声发射传感器放置在工件附近； 所述铣削机床还包括一功率仪采集机；所述检测方法包括如下步骤： 步骤A：设置切削参数后，进行单一切削参数铣削实验或者多切削参数铣削实验； 步骤B：信号采集样本选取，提取振动传感器、声发射传感器及功率采集机的信号样本； 步骤C：对提取的信号样本进行信号的预处理和Morse连续小波变换，得到可视化强化特征图像； 步骤D：以深度迁移网络模型为迁移对象，将可视化强化特征图像对接模型输入层，构建迁移输入样本；依次利用ImageNet数据库及有限目标样本进行模型迁移，使模型从源域中迁移知识，完成迁移学习，形成新的信号； 步骤F:用DTN模型对新的信号数据进行分类或预测，输出预测评估报告； 所述信号采集样本选取的步骤为： 步骤a；用电子显微镜对单次加工后刀具的磨损进行测量和记录，磨损值取后刀面最大磨损值； 步骤b；根据加工次数将得到的单次加工数据与刀具磨损值一一对应；每个刀具磨损值对应多次走刀过程； 步骤c；提取振动信号样本与声发射信号，首先选取与每个刀具磨损值相对应的3次走刀全过程信号;其次选择单次走刀全过程信号中的1s振动信号作为样本； 步骤d；提取功率信号样本，每个刀具磨损值同样相对应提取3个走刀全过程功率信号;在单次走刀全过程功率信号中提取8s信号作为功率信号样本； 利用ImageNet数据库进行模型迁移，具体步骤如下： 首先，在源域的ImageNet数据集上，使用预训练的DTN模型提取图像的特征向量，并根据图像的类别信息，训练DTN模型的连接层和分类层； 而后，在目标域的振动信号数据集上，使用预处理方法将原始数据转化为与ImageNet数据集中图像数据相似的特征向量，以便使用预训练的DTN模型提取特征； 利用有限目标样本进行模型迁移，将DTN模型的连接层和分类层中的参数适应到目标域的振动信号数据中，具体步骤如下： 步骤1；在目标域的振动信号数据集上，使用预训练的DTN模型提取特征向量，得到每个样本的特征表示； 步骤2；根据目标域的数据分布情况，重新调整DTN模型的连接层和分类层的结构，增加或减少连接层的数量、调整连接层中神经元的数量和激活函数的类型； 步骤3；使用目标域的振动信号数据集训练连接层和分类层的参数，以适应目标域的数据分布。

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厦门大学;厦门钨业股份有限公司;厦门金鹭特种合金有限公司，其通讯地址为：361000 福建省厦门市思明南路422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。