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！

龙图腾网获悉天津大学申请的专利基于多尺度时空特征融合神经网络的刀具磨损预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：CN115169660B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202210727090.9，技术领域涉及：G06F18/27；该发明授权基于多尺度时空特征融合神经网络的刀具磨损预测方法是由董靖川;武晓鑫;苏德鹏;高宇博设计研发完成，并于2022-06-24向国家知识产权局提交的专利申请。

本基于多尺度时空特征融合神经网络的刀具磨损预测方法在说明书摘要公布了：本发明公开一种基于多尺度时空特征融合神经网络的刀具磨损预测方法，包括通过传感器采集刀具若干次相同加工数据作为原始输入数据；根据加工次数将采集到的单次加工数据与刀具的磨损值一一对应；对原始输入数据进行归一化与截断处理，将处理好的原始输入数据中的单次加工数据均等分成n个子数据段，并划分训练集与测试集；建立基于多尺度时空特征融合的刀具磨损预测模型；对训练集的数据按照步骤三的方式处理后输入到刀具磨损预测模型中，将刀具的磨损值作为训练目标，训练刀具磨损预测模型；对测试集的数据按照步骤三的方式处理后输入到刀具磨损预测模型中，进行回归预测，输出测试集的磨损预测值。

本发明授权基于多尺度时空特征融合神经网络的刀具磨损预测方法在权利要求书中公布了：1.一种基于多尺度时空特征融合神经网络的刀具磨损预测方法，其特征在于，包括： 步骤一、通过振动、声发射、切削力传感器采集刀具若干次相同加工过程中的振动、声发射、切削力数据作为原始输入数据S，单次加工数据表示为Sj，j=1,2,…,m，m表示加工次数，即S=[S1,S2,S3,…,Sm]，并在每个单次加工结束后对刀具的磨损值进行测量； 步骤二、根据加工次数将步骤一采集到的单次加工数据与刀具的磨损值一一对应； 步骤三、对原始输入数据进行归一化与截断处理，将处理好的原始输入数据中的单次加工数据均等分成n个子数据段，子数据段表示为Sj i，i=1,2,…,n，n为子数据段的个数，即Sj=[Sj 1,Sj 2,Sj 3,…,Sj n]，子数据段Sj i的维度为[C，H，W]，C为通道数，表示子数据段的特征维度，C=1；H为子数据段的行数，表示时间步，W为子数据段的列数，表示特征数，然后根据7：3的比例将原始输入数据S划分为训练集与测试集； 步骤四、建立基于多尺度时空特征融合的刀具磨损预测模型；所述刀具磨损预测模型由特征拓展模块、多尺度空间特征提取模块、连接模块、特征融合模块、时间特征提取模块和回归模块组成； 所述特征拓展模块由n个具有1×1卷积核大小的卷积层与非线性激活层构成，用于对n个子数据段进行特征拓展，输出n个数据段，特别的n个具有1×1卷积核大小的卷积层共享权重参数； 所述多尺度空间特征提取模块，用于对特征拓展模块输出的n个数据段进行空间特征的提取，输出n个空间特征数据段，多尺度空间特征提取模块由n个空间特征提取单元组成，n个空间特征提取单元分别对应特征拓展模块输出的n个数据段； 所述连接模块由连接层组成，用于对多尺度空间特征提取模块输出的n个空间特征数据段进行连接，输出多尺度空间特征，所述连接层用于对多尺度空间特征提取模块输出的n个空间特征数据段依次进行连接，作为时间特征提取模块的输入数据； 所述时间特征提取模块由门控循环单元GRU层组成；所述门控循环单元GRU层用于提取连接模块输出的多尺度空间特征的动态变化，即时间特征； 所述特征融合模块由展平层与连接层组成，所述展平层用于将连接模块输出的多尺度空间特征与时间特征提取模块输出的时间特征均展平成1维数据，所述连接层将展平后的空间特征与时间特征进行连接，得到刀具磨损的时空特征，作为回归模块的输入； 所述回归模块由全连接层、激活层与Dropout层组成； 步骤五、对训练集的数据按照步骤三的方式处理后输入到刀具磨损预测模型中，将刀具的磨损值作为训练目标，训练刀具磨损预测模型; 步骤六、对测试集的数据按照步骤三的方式处理后输入到刀具磨损预测模型中，进行回归预测，输出测试集的磨损预测值。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。