• 专利申请
    2021-01-22
  • 公布公告
    2024-02-02
  • 授权日期
    2024-02-02
  • 终止
    2034-01-30
一种拉削刀具磨损状态识别方法
一种拉削刀具磨损状态识别方法
* 专利信息仅供参考，不具有法律效力。 有效专利
CN202110089893.1 2021-01-22 G06F18/10 {{ classMap["G06F18/10"] }}
浙江工业大学 查看申请人名下所有专利
浙江省杭州市下城区朝晖六区潮王路18号
专利分类项目

G06F18/10 :

G06F18/213 :

G06F18/24 :

G06F18/241 :

G06N3/045 :

G06N3/0442 :

G06N3/0464 :

G06N3/082 :

G06N3/048 :

G06N3/084 :

B23Q17/09 : 用于指示或测量切削压力或切削刀具状态的，例如切削性能，刀具负荷

专利注册信息
初审公告期号 2021-01-22 初审公告日期 2024-02-02
注册公告期号 2024-02-02 注册公告日期 2024-02-02
专用权期限 2024-02-02 - 2034-01-30 专利类型 发明授权
代理组织机构 杭州浙科专利事务所 查看该机构代理的所有专利
专利介绍
一种拉削刀具磨损状态识别方法，属于工业故障诊断技术领域。本发明将采集到的三向振动信号输入预先训练完成的DSBiLSTM算法模型，输出当前的拉刀处于不同磨损状态的概率。刀具状态识别DSBiLSTM算法模型通过卷积神经网络、循环神经网络、全连接神经网络串行的方式构建，可以充分利用三者的优势，有效识别刀具磨损的状态。卷积神经网络适用于空间特征提取，强调几个相对的数据在相交和相离之间数据的上下层的联系，数据的处理在时序上相互独立。循环神经网络对于数据处理侧重于序列的顺序，提取包含时序信息的特征。全连接神经网络用于估计刀具的磨损状态，将提取的特征映射到分类的类别上。
法律进度

  • 2024-02-02 授权 ...

  • 2021-05-25 实质审查的生效 IPC(主分类): G06K 9/00 专利申请号: 202110089893.1 申请日: 2021.01. ...

  • 2021-05-07 公开 ...

同类专利
  • 一种面向神经网络数据的预处理方法和装置

    一种面向神经网络数据的预处理方法和装置

    查看详情
  • 基于宽度深度回声状态网络的脑电信号去噪方法

    基于宽度深度回声状态网络的脑电信号去噪方法

    查看详情
  • 一种基于生成对抗网络的深度学习信号增强方法

    一种基于生成对抗网络的深度学习信号增强方法

    查看详情
  • 一种基于改进小波阈值和相关检测的直流电能信号去噪方法

    一种基于改进小波阈值和相关检测的直流电能信号去噪方法

    查看详情
  • 一种基于自监督学习的电磁调制信号深度去噪方法及系统

    一种基于自监督学习的电磁调制信号深度去噪方法及系统

    查看详情
  • 面向强噪声干扰环境的演艺装备故障诊断模型构建方法

    面向强噪声干扰环境的演艺装备故障诊断模型构建方法

    查看详情
  • 一种基于深度学习的低频大地电磁强干扰压制方法及系统

    一种基于深度学习的低频大地电磁强干扰压制方法及系统

    查看详情
  • 基于XML技术的煤矿电力整定数据拼接方法和装置

    基于XML技术的煤矿电力整定数据拼接方法和装置

    查看详情
  • 一种面向挤压背景下的铀矿模型构建方法

    一种面向挤压背景下的铀矿模型构建方法

    查看详情

咨询该专利

您还可以
求购专利
推荐专利
{{ v.name }}
取 消 确 定