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！

龙图腾网获悉北京航空航天大学申请的专利基于排列谱矩阵的机加过程刀具异常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：CN116861188B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310860714.9，技术领域涉及：G06F18/20；该发明授权基于排列谱矩阵的机加过程刀具异常状态监测方法是由戴伟;李亚洲设计研发完成，并于2023-07-14向国家知识产权局提交的专利申请。

本基于排列谱矩阵的机加过程刀具异常状态监测方法在说明书摘要公布了：基于排列谱矩阵的机加过程刀具异常状态监测方法，包括：采集零件在切削加工过程中的状态监测信号，并按照一定比例划分为模板选择数据集和测试数据集；根据排列模式参数组合中的嵌入维度参数获得所有的排列模式，对于给定长度下的监测信号，通过不同排列模式参数组合将其重构为相空间形式；根据不同的时间延迟参数计算相应的排列谱特征，并组成排列谱矩阵；计算模板选择数据集中所有样本的排列谱矩阵，作为排列谱矩阵模板集；从测试数据集中选取未识别样本，计算排列谱矩阵，并获得其与排列谱矩阵模板集中每个样本的匹配度，得到模板匹配度及最大模板匹配度向量；选择最大模板匹配度对应的样本，该样本的加工状态为未识别样本的加工状态。

本发明授权基于排列谱矩阵的机加过程刀具异常状态监测方法在权利要求书中公布了：1.一种基于排列谱矩阵的机加过程刀具异常状态监测方法，其特征在于包括以下步骤： 步骤一：信号采集与数据集划分：采集零件在切削加工过程中的状态监测信号，并按照一定比例划分为模板选择数据集和测试数据集； 步骤二：构造排列模式与相空间重构：根据排列模式参数组合中的嵌入维度参数获得所有的排列模式，对于给定长度下的监测信号，通过不同排列模式参数组合将其重构为相空间形式； 步骤三：生成排列谱与排列谱矩阵：根据不同的时间延迟参数计算相应的排列谱特征，并组成排列谱矩阵； 步骤四：生成模板集：获得模板选择数据集中所有样本的排列谱矩阵，并将这些矩阵作为排列谱矩阵模板集； 步骤五：获得模板匹配度：从测试数据集中选取未识别样本，获得该样本的排列谱矩阵，并获得其与排列谱矩阵模板集中每个样本的匹配度，得到模板匹配度及最大模板匹配度向量； 步骤六：加工状态识别：根据得到的模板匹配度，选择最大模板匹配度对应的样本，该样本的加工状态即为未识别样本的加工状态； 在步骤一中所述的按照一定比例划分为模板选择数据集和测试数据集，包括根据设定的样本分配比例z1:z2将采集到的不同加工状态下的监测信号划分为模板选择数据集和测试数据集两种集合，其中模板选择数据集M用于构造特征模板及后续匹配度计算，测试数据集T为未识别样本，用于模型验证； 首先将所有样本表示为总数据集F＝F1,F2,…,Fu，u表示数据集中共有u种状态的数据，Fu表示第u种状态数据组成的子数据集，假定每一个子数据集中包含z个样本，且z1+z2＝z，根据设定的比例z1:z2，将每一个子类划分成两部分，构成模板选择数据集M＝M1,M2,…,Mu和测试数据集T＝T1,T2,…,Tu，其中: Mu＝[Mu,1,Mu,2,…,Mu,z1] Tu＝[Tu,1,Tu,2,…,Tu,z2] 式中，Mu和Tu分别表示第u种状态数据对应的模板选择数据子集和测试数据子集，表示模板选择数据子集Mu中的第z1个样本，表示测试数据子集Tu中的第z2个样本，z1+z2＝z，z为第u种状态数据的样本总数； 在步骤四中所述的排列谱矩阵模板集，包括利用模板选择数据集M＝M1,M2,…,Mu中的所有样本，计算每个样本的排列谱矩阵构成的集合PM，根据步骤一的数据划分方式，模板选择数据集M中共包含u种状态数据，每种数据包含z1个样本，共包含u×z1个样本，计算每一个样本的排列谱矩阵P作为模板，得到由u×z1个排列谱矩阵组成的排列谱矩阵模板集表示模板选择数据集M中第j种状态数据的第i个样本对应的排列谱矩阵。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。