Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 哈尔滨理工大学岳彩旭获国家专利权

哈尔滨理工大学岳彩旭获国家专利权

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!

龙图腾网获悉哈尔滨理工大学申请的专利基于三维变分模态分解特征融合的铣削刀具磨损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:CN117034153B

龙图腾网通过国家知识产权局官网在2026-01-16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:202310855874.4,技术领域涉及:G06F18/2431;该发明授权基于三维变分模态分解特征融合的铣削刀具磨损识别方法是由岳彩旭;郭焱栋;夏伟;刘献礼;贾儒鸿;耿博文设计研发完成,并于2023-07-12向国家知识产权局提交的专利申请。

基于三维变分模态分解特征融合的铣削刀具磨损识别方法在说明书摘要公布了:本发明公开了一种基于三维变分模态分解特征融合的铣削刀具磨损识别方法,包括:获取刀具在不同走刀次数下的多通道力信号和多通道振动信号,以及对应的刀具磨损量;利用双分段回归算法将刀具磨损曲线划分为初期磨损阶段、正常磨损阶段和急剧磨损阶段;对多通道力信号和多通道振动信号的主成分信号进行三维变分模态分解,选取主IMF分量;计算各主IMF分量的时域、频域和时频域特征,根据ReliefF特征选择方法保留对刀具磨损状态分类贡献大的特征,通过无监督学习SDAE进行二次降维;特征融合形成多维特征向量,与刀具磨损状态一同构成模型的训练数据;利用蜣螂优化算法优化OSELM,训练获得DBO‑OSELM模型,实现刀具磨损状态的识别。本发明识别准确率更高。

本发明授权基于三维变分模态分解特征融合的铣削刀具磨损识别方法在权利要求书中公布了:1.一种基于三维变分模态分解特征融合的铣削刀具磨损识别方法,其特征在于,该方法包括以下步骤: 获取刀具在不同走刀次数下的多通道力信号和多通道振动信号,以及对应的刀具磨损量;以刀具磨损量为纵坐标,走刀次数为横坐标形成刀具磨损曲线,并利用双分段回归算法将曲线划分为初期磨损阶段、正常磨损阶段和急剧磨损阶段,对应获得不同走刀次数下多通道力信号和多通道振动信号所对的刀具磨损状态;刀具磨损状态包括初期磨损阶段、正常磨损阶段和急剧磨损阶段; 对不同走刀次数下的多通道力信号和多通道振动信号进行预处理,获得多通道力信号和多通道振动信号的主成分信号; 对多通道力信号和多通道振动信号的主成分信号进行三维变分模态分解,得到一系列子模态分量IMF; 计算多通道力信号和多通道振动信号的主成分信号与各自对应的IMF分量之间的相关系数,选取相关系数高的IMF分量作为主IMF分量; 计算各主IMF分量的时域特征、频域特征和时频域特征,根据ReliefF特征选择方法保留对刀具磨损状态分类贡献大的特征,实现特征量的降维; 对降维后的特征通过无监督学习SDAE进行二次降维; 二次降维后的特征融合形成多维特征向量,与刀具磨损状态一同构成模型的训练数据; 结合训练数据,利用蜣螂优化算法优化OSELM,训练获得DBO-OSELM模型;将待识别刀具的多维特征向量输入至训练好的DBO-OSELM模型,实现刀具磨损状态的识别。

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哈尔滨理工大学,其通讯地址为:150080 黑龙江省哈尔滨市南岗区学府路52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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。