买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院深圳先进技术研究院申请的专利基于数据驱动的纤维增强复合材料阻燃性能的预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120356590B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510831917.4，技术领域涉及：G16C60/00；该发明授权基于数据驱动的纤维增强复合材料阻燃性能的预测方法是由喻学锋;高明;黄浩;王裕;邓明霞设计研发完成，并于2025-06-20向国家知识产权局提交的专利申请。

本基于数据驱动的纤维增强复合材料阻燃性能的预测方法在说明书摘要公布了：本发明涉及一种基于数据驱动的纤维增强复合材料阻燃性能的预测方法，所述预测方法包括以下步骤：S1数据集构建与预处理；S2构建用于预测纤维增强复合材料阻燃性能的深度神经网络模型；所述深度神经网络模型以纤维参数、阻燃剂参数和树脂参数作为输入变量，阻燃性能为输出变量；S3模型验证与测试；S4阻燃性能预测应用。本发明综合考虑纤维种类、阻燃剂类型、树脂类型、原料配比等特征变量进行全局优化，多变量的协同统一能够提升单一阻燃剂分析的纤维增强复合材料阻燃性能预测的准确性，实现仿真模型和结果的批量构建、计算与处理。

本发明授权基于数据驱动的纤维增强复合材料阻燃性能的预测方法在权利要求书中公布了：1.一种基于数据驱动的纤维增强复合材料阻燃性能的预测方法，其特征在于，所述预测方法包括以下步骤： S1数据集构建与预处理； 采集纤维增强复合材料的实验数据及材料数据库信息，并以标准化后的纤维参数、阻燃剂参数和树脂参数作为输入变量，阻燃性能为输出变量，构建样本数据集； S2构建用于预测纤维增强复合材料阻燃性能的深度神经网络模型； S201神经网络结构设计：设计全连接结构的深度神经网络模型或者多通道混合结构的深度神经网络模型； 全连接结构的深度神经网络模型包含输入层、多个全连接隐藏层以及输出层； 多通道混合结构的深度神经网络模型包含构建数值特征通道、类别特征通道，并通过注意力机制加权融合双通道特征后通过输出层输出； S202模型训练：利用构建的样本数据集对深度神经网络模型进行训练，训练前初始化权重与偏置，定义损失函数并引入热力学约束项，使预测结果与材料稳定性参数保持物理一致性，采用Adam优化算法或引入WassersteinGAN的梯度惩罚进行优化，训练过程中监控损失值变化并采用EarlyStopping策略判定收敛； S3模型验证与测试，通过验证集和测试集分别评估模型的预测误差和泛化能力； S4阻燃性能预测应用，将待测材料的参数输入训练完成的深度神经网络模型，输出其阻燃性能的预测结果； 其中，步骤S1包括以下步骤： S101采集纤维增强复合材料的实验数据及材料数据库信息，所述数据包括纤维参数、阻燃剂参数、树脂参数及阻燃性能数据，并基于热力学模型生成虚拟样本以增强特征维度； S102对采集获得的数据进行标准化预处理，包括对数值数据归一化处理、文字类型数据独热编码或嵌入层映射，并处理缺失值和异常值，在数据维度超过预设条件时进行降维处理； S103以标准化后的纤维、阻燃剂和树脂参数作为输入变量，阻燃性能为输出变量，构建样本数据集； S201中数值特征通道通过全连接层提取特征；S201中类别特征通道通过双向长短期记忆网络进行处理； 步骤S202中，模型训练过程采用的损失函数包括均方误差及至少一个热力学约束项，使预测的极限氧指数与纤维或树脂的热分解温度呈正相关。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。