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

龍圖騰網(wǎng)獲悉西南交通大學(xué)申請的專利一種非連續(xù)特性約束的銑刀磨損監(jiān)測單源域泛化方法獲國家發(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：CN117620774B 。

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：202311695581.0，技術(shù)領(lǐng)域涉及：B23Q17/09；該發(fā)明授權(quán)一種非連續(xù)特性約束的銑刀磨損監(jiān)測單源域泛化方法是由張楷;賴旭偉;鄭慶;丁國富;黃鋒飛;李致萱設(shè)計研發(fā)完成，并于2023-12-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種非連續(xù)特性約束的銑刀磨損監(jiān)測單源域泛化方法在說明書摘要公布了：本發(fā)明提供了一種非連續(xù)特性約束的銑刀磨損監(jiān)測單源域泛化方法，利用工藝參數(shù)、刀具結(jié)構(gòu)參數(shù)和信號采樣率，對銑刀加工過程中的非連續(xù)特性進(jìn)行了量化，并以此為基礎(chǔ)構(gòu)建了注意力模塊，實現(xiàn)對非連續(xù)特性的自適應(yīng)提取，抑制與刀具磨損不相關(guān)的信號段；此外基于非連續(xù)特性構(gòu)建了生成模塊，用于增強(qiáng)源域信號特征的多樣性；同時對一種滿足非連續(xù)特性的標(biāo)準(zhǔn)趨勢樣本進(jìn)行了構(gòu)建，用于約束生成特征與真實信號之間的一致性。本發(fā)明所提出的方法可在源域特征、生成特征以及目標(biāo)域特征建立一致性約束，使得模型在不同工況下能夠準(zhǔn)確定位關(guān)鍵信號段，提高模型泛化性及可解釋性，對推動深度學(xué)習(xí)方法在未知工況下的刀具磨損狀態(tài)辨識領(lǐng)域的應(yīng)用具有重要意義。

本發(fā)明授權(quán)一種非連續(xù)特性約束的銑刀磨損監(jiān)測單源域泛化方法在權(quán)利要求書中公布了：1.一種非連續(xù)特性約束的銑刀磨損監(jiān)測單源域泛化方法，其特征在于，包括一種非連續(xù)特性約束的銑刀磨損監(jiān)測單源域泛化模型；所述模型包括空間注意力模塊MS、生成模塊MG、特征提取模塊MF、分類模塊MC和標(biāo)準(zhǔn)趨勢樣本ST；所述ST為向量{-1,…,1,0,…,0,……,-1,…,1,0,…,0}，所述向量由N個長度為l的子向量{-1,…,1,0,…,0}順序排列組成；所述子向量{-1,…,1,0,…,0}由從-1到1的單調(diào)遞增向量t1{-1,…,1}和連續(xù)的0向量t0{0,…,0}周期性構(gòu)成；所述t0和t1的長度之和為其中n為刀具齒數(shù)；所述t1的長度其中Ap為軸向切深mm，α為刀具螺旋角°，D為刀具直徑mm，π為圓周率；所述l為刀具旋轉(zhuǎn)一圈對應(yīng)的監(jiān)測信號長度；所述方法包括以下步驟： S1：獲取源域工況A下帶有銑刀磨損階段標(biāo)簽的磨損過程監(jiān)測信號，對信號進(jìn)行預(yù)處理及空間對齊，按長度為N×l進(jìn)行樣本截取，得到源域樣本集data_S； S2：MS訓(xùn)練： S21：將data_S中的樣本隨機(jī)打亂順序后，按每批次數(shù)量為Batch分批輸入到MS，提取樣本對應(yīng)的具有非連續(xù)特性的空間注意力權(quán)重w_att1； S22：利用w_att1對輸入樣本進(jìn)行注意力加權(quán)，得到加權(quán)特征w_s； S23：將w_s輸入到順序連接的MF和MC，得到輸出的分類概率； S24：將分類概率與輸入樣本對應(yīng)的磨損階段標(biāo)簽進(jìn)行交叉熵運(yùn)算，經(jīng)過反向傳播實現(xiàn)MS、MF和MC的優(yōu)化； S25：重復(fù)S21至S24指定輪數(shù)后，得到訓(xùn)練好的MS_trained； S3：MF，MC訓(xùn)練： S31：將data_S中的樣本隨機(jī)打亂順序后，按每批次數(shù)量為Batch分批輸入到MS_trained，提取樣本對應(yīng)的具有非連續(xù)特性的空間注意力權(quán)重w_att2； S32：利用w_att2對輸入樣本進(jìn)行注意力加權(quán)，得到加權(quán)特征w_S； S33：將w_S輸入到MG，得到具有非連續(xù)特性的生成權(quán)重w_g，將w_g和所述ST進(jìn)行相似性Lg1度量； S34：采用w_g對輸入樣本進(jìn)行加權(quán)，得到生成特征w_G； S35：將w_S和w_G同時輸入MF，分別得到源域特征fea_S和生成域特征fea_G； S36：對fea_S和fea_G之間的多樣性Lg2進(jìn)行度量，利用Lg1+β×Lg2作為生成模塊損失對MG進(jìn)行優(yōu)化； S37：將fea_S和fea_G輸入到MC，分別輸出源域分類概率和生成域分類概率； S38：將源域分類概率和生成域分類概率分別與輸入樣本對應(yīng)的磨損階段標(biāo)簽進(jìn)行交叉熵運(yùn)算，得到源域損失LS和生成域損失LG； S39：利用LS+LG對MF、MC同時進(jìn)行優(yōu)化； S310：重復(fù)S31至S39指定輪數(shù)后，得到訓(xùn)練好的MF_trained和MC_trained； S4，對目標(biāo)域工況B下待監(jiān)測銑刀磨損過程監(jiān)測信號進(jìn)行預(yù)處理及空間對齊，按長度為N×l進(jìn)行樣本截取，得到目標(biāo)域樣本data_T；將data_T輸入到順序連接的MS_trained、MF_trained、MC_trained，輸出刀具磨損狀態(tài)監(jiān)測結(jié)果。

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)人西南交通大學(xué)，其通訊地址為：610031 四川省成都市二環(huán)路北一段111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)”。