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！

龙图腾网获悉西安交通大学申请的专利一种基于机器学习的氰酸酯/石英纤维力学性能优化方法及相关装置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：CN119626406B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411693627.X，技术领域涉及：G16C60/00；该发明授权一种基于机器学习的氰酸酯/石英纤维力学性能优化方法及相关装置是由薛德祯;王亚辉;周玉美;陈军营;季春霖设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于机器学习的氰酸酯/石英纤维力学性能优化方法及相关装置在说明书摘要公布了：本发明属于材料科学技术领域，公开了一种基于机器学习的氰酸酯石英纤维力学性能优化方法及相关装置，利用已训练好的神经网络预测模型，推荐出氰酸酯石英纤维复合材料的拉伸强度目标所对应的氰酸酯的拉伸模量目标与拉伸强度目标；利用已训练好的机器学习模型，推荐出所述氰酸酯的拉伸模量目标与拉伸强度目标所对应的氰酸酯的成分以及工艺参数；对推荐出的氰酸酯的成分以及工艺参数进行筛选，得到氰酸酯石英纤维复合材料的拉伸强度目标所对应氰酸酯的成分以及工艺参数。本发明能够利用有限产线数据，减少实验次数与成本，快速优化氰酸酯性能，进而获取高性能复合材料。

本发明授权一种基于机器学习的氰酸酯/石英纤维力学性能优化方法及相关装置在权利要求书中公布了：1.一种基于机器学习的氰酸酯石英纤维力学性能优化方法，其特征在于，包括如下过程： 利用已训练好的神经网络预测模型，推荐出氰酸酯石英纤维复合材料的拉伸强度目标所对应的氰酸酯的拉伸模量目标与拉伸强度目标；所述神经网络预测模型的输入为氰酸酯的拉伸模量与拉伸强度、输出为氰酸酯石英纤维复合材料的拉伸强度；所述神经网络预测模型的训练过程包括：利用原始虚拟数据集对神经网络预测模型进行预训练，得到预训练好的神经网络预测模型；其中，原始虚拟数据集的构建过程包括：利用Abaqus软件中的Standard模块进行有限元计算，获得不同氰酸酯拉伸模量、拉伸强度所对应的氰酸酯石英纤维复合材料的拉伸强度，将所述不同氰酸酯拉伸模量、拉伸强度所对应的氰酸酯石英纤维复合材料的拉伸强度构成原始虚拟数据集；利用原始真实数据集对预训练好的神经网络预测模型进行微调，得到所述已训练好的神经网络预测模型；其中，原始真实数据集的构建过程包括：将不同氰酸酯配料成分与固化工艺参数下的氰酸酯石英纤维复合材料拉伸力学性能试验获得不同氰酸酯拉伸模量、拉伸强度所对应的氰酸酯石英纤维复合材料的拉伸强度，将所述不同氰酸酯拉伸模量、拉伸强度所对应的氰酸酯石英纤维复合材料的拉伸强度构成原始真实数据集； 利用已训练好的机器学习模型，推荐出所述氰酸酯的拉伸模量目标与拉伸强度目标所对应的氰酸酯的成分以及工艺参数；所述机器学习模型的输入为氰酸酯的成分以及工艺参数、输出为氰酸酯的拉伸模量与拉伸强度；所述机器学习模型的训练过程包括：将氰酸酯不同成分工艺组合所对应的拉伸模量与拉伸强度试验数据构建成用于训练机器学习模型的数据集；所述用于训练机器学习模型的数据集中包含：酚酞基聚芳醚酮含量、聚砜含量、聚酰亚胺含量、乙酰丙酮钴含量、有机锡含量、壬基酚含量、固化温度、固化时间、固化压力、拉伸模量和拉伸强度；利用所述用于训练机器学习模型的数据集训练所述机器学习模型，得到训练好的机器学习模型；在训练时，先将机器学习模型的输入参数进行归一化，再通过机器学习模型对输入进行处理，得到氰酸酯的拉伸模量和拉伸强度； 对推荐出的氰酸酯的成分以及工艺参数进行筛选，得到氰酸酯石英纤维复合材料的拉伸强度目标所对应氰酸酯的成分以及工艺参数。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。