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！

龙图腾网获悉西南交通大学申请的专利五轴数控磨床刀具曲面关键误差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：CN121661636B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610182845.X，技术领域涉及：G06V20/64；该发明授权五轴数控磨床刀具曲面关键误差识别方法是由梁红琴;夏长久;曾浩清;王远洋;江磊;何欣设计研发完成，并于2026-02-09向国家知识产权局提交的专利申请。

本五轴数控磨床刀具曲面关键误差识别方法在说明书摘要公布了：本申请涉及三维误差建模技术领域,具体而言,涉及一种五轴数控磨床刀具曲面关键误差识别方法,具体而言,涉及一种五轴数控磨床刀具曲面关键误差识别方法,包括如下步骤:步骤1:获取五轴磨床的三维结构模型,构建五轴磨床中各工作部件的三维位姿误差模型,三维位姿误差模型为各工作部件理想位置和实际位置的位姿误差;其中,位姿误差包括为多个位置无关几何误差和多个位置相关几何误差;本发明突破了单一分析方法的局限,显著提升了关键误差识别的鲁棒性与可靠性,为后续进行精准误差补偿、高效提升五轴磨床加工精度提供了核心理论依据。

本发明授权五轴数控磨床刀具曲面关键误差识别方法在权利要求书中公布了：1.一种五轴数控磨床刀具曲面关键误差识别方法，其特征在于，包括如下步骤： 步骤1：获取五轴磨床的三维结构模型，构建五轴磨床中各工作部件的三维位姿误差模型，三维位姿误差模型为各工作部件理想位置和实际位置的位姿误差； 其中，位姿误差包括为多个位置无关几何误差和多个位置相关几何误差； 步骤2：基于机床运动链，计算刀具坐标系与砂轮坐标系之间的理想位姿变换关系和实际位姿变换关系，构建刀具坐标系与砂轮坐标系之间的位姿误差模型； 步骤3：根据砂轮的加工轨迹建立刀具曲面位姿误差模型； 步骤4：计算刀具曲面位姿误差模型中各位姿误差的灵敏度，以排序位姿误差； 步骤4包括如下步骤： 步骤41：将刀具曲面位姿误差模型做为映射函数，将m项位姿误差作为输入，曲面位姿误差作为输出，构建曲面位姿误差向量； 步骤42：采用Sobol法计算m个位姿误差对刀具曲面误差的一阶敏感指数和全局敏感指数； 步骤43：采用随机森林算法识别位姿误差，获得每个位姿误差的定量FIS； 步骤44：给一阶敏感指数、全局敏感指数以及定量FIS分配权重，得到每个位姿误差的综合灵敏度指数； 步骤45：根据综合灵敏度指数对各位姿误差进行排序，识别出对刀具曲面误差影响显著的位姿误差； 步骤42包括如下步骤： 步骤421：获取m项位姿误差的概率分布和Sobol序列，生成两个相互独立的第一参数采样矩阵和第二参数采样矩阵B； 步骤422：将的第列与B中除开第列的剩余列结合构造； 步骤423：根据映射函数计算输出值和; 步骤424：采用和的样本均值近似估计总方差和条件方差，得到采用Sobol法计算各项位姿误差对刀具曲面误差的一阶敏感指数和全局敏感指数； ； ； 其中：为第个位姿误差的一阶敏感指数；为第个位姿误差的全局敏感指数；为第一参数采样矩阵的第列与第二参数采样矩阵B除第列外的其余列结合构造的矩阵；表示常数；表示采样次数；表示总方差，n`表示样本的索引，f表示映射函数，i表示位姿误差的索引； 步骤43包括如下步骤： 步骤431：采集若干个训练样本，并配置N`个决策树，对第个决策树，从若干个训练样本中进行Bootstrap抽样，将若干个训练样本中未抽取到的样本作为决策树j的OOB样本，用OOB样本计算决策树j的OOB误差，记为 步骤432：对所有OOB样本的位姿误差x随机加入噪声干扰，重新计算决策树j的OOB误差记为 步骤433：对于所有的个决策树，则采用随机森林算法计算各项位姿误差的特征重要性分数为： 其中：为位姿误差x的特征重要性分数；为第个决策树选择对应的OOB数据计算的OOB误差；为对所有OOB数据样本的位姿误差xi随机加入噪声干扰重新计算的OOB误差，i表示位姿误差的索引； 步骤44包括如下步骤： 步骤441：将一阶敏感指数和全局敏感指数取绝对值并映射到区间[0,1]，得到融合敏感指数： ; ; 其中：和分别为一阶敏感指数和全局敏感指数取绝对值并映射到区间[0,1]后的值；和分别为所有一阶敏感指数中的最大值和最小值；和分别为所有全局敏感指数中的最大值和最小值； 步骤442：将特征重要性分数取绝对值并映射到区间[0,1]，得到特征重要性分数： ； 其中：为将特征重要性分数取绝对值并映射到区间[0,1]的值；和分别为所有特征重要性分数中的最大值和最小值； 步骤443：融合一阶敏感指数、全局敏感指数和特征重要性分数得到综合灵敏度指数； ; ; 其中：为综合灵敏度指数；、以及分别为第一权重系数、第二权重系数以及第三权重系数；为第个位姿误差的的占比，为第个位姿误差的的占比；为第个位姿误差的的占比。

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南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段111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。