一种基于增量学习的不同工况下刀具磨损预测方法

发明专利有效专利

申请号：
CN202110623481.1
IPC分类号：G06K9/62;G06N20/00
申请日期：
2021-06-04
申请人：
西北工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于增量学习的不同工况下刀具磨损预测方法
申请号	CN202110623481.1	申请日期	2021-06-04
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-27	公开/公告号	CN113313181A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;2;0;/;0;0查看分类表>
申请人	西北工业大学	申请人地址	陕西省西安市友谊西路127号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西北工业大学	当前权利人	西北工业大学
发明人	周竞涛;张锦超;王明微;杨长森
代理机构	西北工业大学专利中心	代理人	华金

摘要

本发明涉及一种基于增量学习的不同工况下刀具磨损预测方法，将具有增量学习能力的EAM网络用于不同工况下刀具磨损预测，并对学习过程中网络参数逐步更新。对本发明的检验是对新的知识中新的类别样本进行增量学习后，证明EAM分类器对新知识中新的类别样本进行学习后不影响原有学习到的知识；而分类器对增量样本Z1在对其学习前的识别率为0，意味着建立该分类器的训练样本不包含样本Z1中的数据的类别，对增量样本Z1进行学习后得到的新的分类器对Z1的识别率大大提高，证明新的分类器能够学习到增量样本Z1中的新的类别样本的知识，预测误差明显下降，即学习新的数据后，网络的预测准确率提高至83％以上。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供