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

龍圖騰網(wǎng)獲悉北京科技大學申請的專利用于快速預測高熵合金硬度的機器學習方法及其制備工藝獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN115061435B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210635591.4，技術領域涉及：G05B19/418；該發(fā)明授權用于快速預測高熵合金硬度的機器學習方法及其制備工藝是由駱鴻;王雪飛;董超芳;杜翠薇;李曉剛設計研發(fā)完成，并于2022-06-06向國家知識產(chǎn)權局提交的專利申請。

本用于快速預測高熵合金硬度的機器學習方法及其制備工藝在說明書摘要公布了：本發(fā)明公開了一種用于快速預測高熵合金硬度的機器學習方法及其制備工藝，用以解決傳統(tǒng)“試錯法”設計高熵合金成分耗時耗力且結(jié)果不準確的問題。該方法包括，搜集高熵合金硬度數(shù)據(jù)庫作為訓練集，根據(jù)合金成分計算特征描述符；根據(jù)不同測試集劃分比例下的RMSE選擇合適的模型；對所得特征進行降維處理，以獲得最重要的特征子集；利用最重要的特征子集訓練并優(yōu)化所選模型；利用訓練好的模型來預測未知成分的高熵合金硬度；對預測出的合金成分進行試驗驗證。本發(fā)明中特征降維的方法包括相關性分析、遞歸消除法和窮舉法，降維處理后得到3個最重要特征，依據(jù)這三個特征可以方便并準確地預測出合金的硬度。

本發(fā)明授權用于快速預測高熵合金硬度的機器學習方法及其制備工藝在權利要求書中公布了：1.一種用于快速預測高熵合金硬度的機器學習方法，其特征在于，包括以下步驟， 步驟一、搜集整理高熵合金硬度數(shù)據(jù)庫，高熵合金為Al-Co-Cr-Cu-Fe-Ni-Mn七元合金體系；根據(jù)合金成分計算特征描述符，特征描述符包括20個特征，分別為平均原子半徑、原子半徑差異、功函數(shù)、平均熔點、混合焓、混合熵、Ω參數(shù)，價電子濃度、平均電負性、電負性差異、Λ參數(shù)、流動電子數(shù)、電子親和力、密度、第一電離能、楊氏模量、晶格畸變能、內(nèi)聚能、局部尺寸錯配、平均剪切模量；構建特征數(shù)據(jù)集； 步驟二、根據(jù)不同測試集劃分比例下的RMSE選擇合適的模型，合適的模型為隨機森林回歸模型； 步驟三、對所得特征進行降維處理，通過皮爾遜相關系數(shù)，將高度相關且重要程度低的6個特征包括原子半徑，局部尺寸錯配，晶格畸變能、流動電子數(shù)、熔點和剪切模量特征去除，剩下14個特征，通過對隨機森林回歸模型進行的遞歸消除，得到新的包含7個關鍵特征的特征子集，具體有原子半徑差異，功函數(shù)，價電子濃度，電子親和力，密度，第一電離能和楊氏模量；通過對隨機森林回歸模型進行窮舉法特征篩選，確定了對合金硬度影響最大的3個關鍵特征，包含功函數(shù)、價電子濃度、楊氏模量3個特征；這3個特征以獲得最重要特征子集； 步驟四、利用獲得的最重要特征子集訓練所選隨機森林回歸模型，并對隨機森林回歸模型的超參數(shù)調(diào)優(yōu)； 步驟五、利用訓練好的模型可以用來預測未知成分的高熵合金硬度； 步驟六、預測所得成分的合金硬度試驗驗證。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.gztjhr.cn/list?keyword=%E5%8C%97%E4%BA%AC%E7%A7%91%E6%8A%80%E5%A4%A7%E5%AD%A6&temp=1">北京科技大學，其通訊地址為：100083 北京市海淀區(qū)學院路30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)”。