申请/专利权人:中山迈雷特数控技术有限公司
申请日:2023-12-13
公开(公告)日:2024-02-02
公开(公告)号:CN117484278A
主分类号:B23Q17/09
分类号:B23Q17/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.23#实质审查的生效;2024.02.02#公开
摘要:本申请提供了基于1DCNN‑SVR的刀具磨损预测方法,包括如下步骤:S1,对刀具磨损数据集进行归一化分析处理得到模型训练样本;S2,利用pycharm编译软件进行模型构建训练,针对模型训练样本,利用一维卷积神经网络1D‑CNN进行特征提取和利用支持向量回归机SVR进行刀具磨损预测;S3,验证训练好的模型的达到要求;S4,在测试集中增加噪声验证模型的鲁棒性。本申请相对于传统模型,本申请更适用于复杂多变的生产环境,能够更准确地适应各种信号数据。
主权项:1.基于1DCNN-SVR的刀具磨损预测方法,其特征在于,包括如下步骤:S1,对刀具磨损数据集进行归一化分析处理得到模型训练样本;S2,利用pycharm编译软件进行模型构建训练,针对模型训练样本,利用一维卷积神经网络1D-CNN进行特征提取和利用支持向量回归机SVR进行刀具磨损预测;S3,验证训练好的模型的达到要求;S4,在测试集中增加噪声验证模型的鲁棒性。
全文数据:
权利要求:
百度查询: 中山迈雷特数控技术有限公司 基于1DCNN-SVR的刀具磨损预测方法
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。