CN119589494A 少标记下基于物理信息自监督学习的刀具磨损量预测方法 （哈尔滨工业大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119589494A

(43)申请公布日2025.03.11

(21)申请号202411799784.9

(22)申请日2024.12.09

(71)申请人哈尔滨工业大学

地址150001黑龙江省哈尔滨市南岗区西

大直街92号

(72)发明人路勇王振驰朱小龙邓柯楠

(74)专利代理机构哈尔滨龙创知识产权代理有限公司23228

专利代理师吕洪娟

(51)Int.Cl.

B23Q17/09(2006.01)

权利要求书3页说明书8页附图4页

(54)发明名称

少标记下基于物理信息自监督学习的刀具

磨损量预测方法

(57)摘要

CN119589494A少标记下基于物理信息自监督学习的刀具磨损量预测方法，属于数控加工中心刀具磨损状态预测技术领域。包括采集加工过程中的切削力、振动和声发射等监测信号；每个样本进行截取和Z分数标准化的预处理操作；设计混合残差卷积神经网络刀具磨损监测模型，对多源传感器信号进行信息融合和高维表征提取；利用辅助任务一对刀具磨损监测模型进行预训练，引导模型提取信号的不变性特征；本发明在标记数据稀缺的情况下，实现了对刀具磨损的高精度预测和出色的泛化能力，能够有效减少预测误差的波动幅度，保持预测结果的稳定性。本发明在模型训练中有效利用了少量标记数