買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉東北大學(xué)申請的專利一種考慮顫振的高速銑削表面粗糙度預(yù)測方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120347590B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510821229.X，技術(shù)領(lǐng)域涉及：B23Q17/20；該發(fā)明授權(quán)一種考慮顫振的高速銑削表面粗糙度預(yù)測方法及系統(tǒng)是由黃賢振;孫良仕;姜智元;王鈺平;馬明斐設(shè)計研發(fā)完成，并于2025-06-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種考慮顫振的高速銑削表面粗糙度預(yù)測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供了一種考慮顫振的高速銑削表面粗糙度預(yù)測方法及系統(tǒng)，涉及銑削加工技術(shù)領(lǐng)域，本發(fā)明通過銑削工作臺上配置的力傳感器，持續(xù)采集力信號，通過銑削工作臺上配置的加速度傳感器，持續(xù)采集振動信號，進而提取力信號和振動信號的多維細粒度的特征，從而得到表征銑削過程中由固有工藝和顫振作用引起的表面粗糙度的詳細信息，進而通過細粒度特征融合網(wǎng)絡(luò)來有效融合周期信號和顫振信號的多維細粒度特征，實現(xiàn)表面粗糙度的預(yù)測，由此本發(fā)明采集了振動信號，并結(jié)合力信號進行表面粗糙度的預(yù)測，減少由于高速銑削加工中顫振現(xiàn)象導(dǎo)致表面粗糙度預(yù)測不準確的情況。

本發(fā)明授權(quán)一種考慮顫振的高速銑削表面粗糙度預(yù)測方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種考慮顫振的高速銑削表面粗糙度預(yù)測方法，其特征在于，包括： 步驟1：在銑削工作臺上，對工件進行平面高速銑削實驗，通過銑削工作臺上配置的力傳感器，持續(xù)采集力信號，同時通過銑削工作臺上配置的加速度傳感器，持續(xù)采集振動信號； 步驟2：將持續(xù)采集的力信號和持續(xù)采集的振動信號作為輸入樣本，將輸入樣本對應(yīng)的表面粗糙度作為輸出樣本，基于輸入樣本和輸出樣本構(gòu)建訓(xùn)練集； 步驟3：針對訓(xùn)練集中的輸入樣本，對輸入樣本中的力信號和振動信號進行多維細粒度的特征提取并拼接，得到周期信號的多維細粒度特征分量和顫振信號的多維細粒度特征分量； 步驟4：將周期信號的多維細粒度特征分量和顫振信號的多維細粒度特征分量，輸入細粒度特征融合網(wǎng)絡(luò)，得到表面粗糙度的預(yù)測值，所述細粒度特征融合網(wǎng)絡(luò)包括DREF模塊、FASM模塊和貝葉斯預(yù)測模塊； 步驟5：基于多個表面粗糙度的預(yù)測值和其對應(yīng)的輸出樣本，對細粒度特征融合網(wǎng)絡(luò)中DREF模塊、FASM模塊和貝葉斯預(yù)測模塊中的參數(shù)進行多次迭代更新，得到訓(xùn)練完成的細粒度特征融合網(wǎng)絡(luò)； 步驟6：持續(xù)采集待預(yù)測的力信號和待預(yù)測的振動信號，進而基于訓(xùn)練完成的細粒度特征融合網(wǎng)絡(luò)執(zhí)行步驟3-4，得到表面粗糙度； 其中，步驟3具體包括： 步驟3.1：采用小波包分解方法WPD對振動信號進行降噪處理，得到降噪后的振動信號，進而通過逐次變分模態(tài)分解SVMD從降噪后的振動信號中提取，得到第一周期信號和第一顫振信號； 步驟3.2：通過逐次變分模態(tài)分解SVMD從力信號中提取，得到第二周期信號和第二顫振信號； 步驟3.3：分別對第一周期信號、第一顫振信號、第二周期信號和第二顫振信號進行特征提取，得到第一周期信號的多維細粒度特征、第一顫振信號的多維細粒度特征、第二周期信號的多維細粒度特征和第二顫振信號的多維細粒度特征，所述多維細粒度特征包括時域特征和頻域特征； 步驟3.4：將第一周期信號的多維細粒度特征和第二周期信號的多維細粒度特征進行向量拼接，得到周期信號的多維細粒度特征分量，將第一顫振信號的多維細粒度特征和第二顫振信號的多維細粒度特征進行向量拼接，得到顫振信號的多維細粒度特征分量； 其中，步驟4具體包括： 步驟4.1：根據(jù)細粒度特征融合網(wǎng)絡(luò)中的DREF模塊，對周期信號的多維細粒度特征分量和顫振信號的多維細粒度特征分量進行特征提取和融合，得到融合特征； 步驟4.2：通過FASM模塊中的SENet和BiLSTM，對所述融合特征進行處理，得到高級特征； 步驟4.3：將高級特征輸入貝葉斯預(yù)測模塊中，得到表面粗糙度的預(yù)測值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人東北大學(xué)，其通訊地址為：110819 遼寧省沈陽市和平區(qū)文化路三號巷11號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。