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！

龙图腾网获悉成都虹润制漆有限公司申请的专利一种基于强化学习模型的涂料耐腐蚀性预测方法及其系统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：CN120808978B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511280046.8，技术领域涉及：G16C20/70；该发明授权一种基于强化学习模型的涂料耐腐蚀性预测方法及其系统是由江拥;叶伦君;陈钇燊;杨建希;余伟巨;岳渊;蒋合兵设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本一种基于强化学习模型的涂料耐腐蚀性预测方法及其系统在说明书摘要公布了：本发明公开了一种基于强化学习模型的涂料耐腐蚀性预测方法及其系统，涉及涂料耐腐蚀性预测技术领域，包括采集涂料在腐蚀环境中的数据，利用YOLOv5算法形成结构化的腐蚀性能数据表，通过插值方法结合动力学方程生成时间序列的腐蚀状态，使用改进的DoubleDQN算法训练强化学习模型并生成耐腐蚀性的调整策略。不仅能够准确反映在腐蚀环境中涂料的腐蚀行为，还能快速生成耐腐蚀性能优化调整策略，实现了腐蚀性能调整的智能化和高效化。

本发明授权一种基于强化学习模型的涂料耐腐蚀性预测方法及其系统在权利要求书中公布了：1.一种基于强化学习模型的涂料耐腐蚀性预测方法，其特征在于：包括， 采集涂料在腐蚀环境中的数据，利用YOLOv5算法形成结构化的腐蚀性能数据表； 基于腐蚀性能数据表，通过插值方法结合动力学方程生成时间序列的腐蚀状态，使用时间序列腐蚀状态结合改进的DoubleDQN算法训练强化学习模型，通过强化学习模型获取耐腐蚀性的调整策略，基于强化学习模型生成Pareto优初始种群，结合NSGA-II算法优化调整策略； 将生成调整策略及优化调整策略过程中产生的经验数据上传至数据库，形成闭环反馈； 所述使用时间序列腐蚀状态结合改进的DoubleDQN算法训练强化学习模型，通过强化学习模型获取耐腐蚀性能调整策略指从时间序列的腐蚀状态以及环境状态中提取状态空间向量； 定义动作空间与奖励函数； 构建在线网络Online与目标网络Target，并分别使用与作为网络参数，使用深度神经网络作为函数逼近器，计算两个网络的Q值和； 计算目标网络下一时间步的Q值Y，由在线网络选择下一时间步的最优动作，目标网络评估下一时间步的Q值； 基于在线网络当前的Q值与下个时间步的Q值，得到损失计算函数； 在每一个训练步中，设置以概率从动作空间中选择随机动作进行探索，以概率选择Q值最大的动作； 设置损失函数阈值： 若大于等于，计算损失函数的梯度，根据损失函数的梯度更新参数； 每隔K次训练更新一次目标网络参数； 重复训练强化学习模型，直到损失函数小于阈值； 若小于，说明强化学习模型训练完成，使用最新的在线网络参数根据当前的状态向量输出调整策略，最终输出为调整策略； 所述基于强化学习模型生成Pareto优初始种群，结合NSGA-II算法优化调整策略指通过强化学习模型多次交互，生成一组数量为k个的多目标优化解作为初始化解集合； 将、腐蚀面积、分别作为调整策略第一、第二、第三个优化目标，将作为NSGA-II的初始种群输入； 将解集中的解进行非支配排序，并在排序后对所有非支配的解计算拥挤距离； 设置拥挤距离阈值，若小于，则将方案放入优选策略集合，否则不采用； 基于筛选出的优选策略集合，采取交叉与变异操作，在优选策略集合中随机选取两个策略、，交换两个策略的部分调整策略值生成新的子策略，并随机选择不定数量的优选策略，对原始策略值进行随机调整生成新的子策略，将生成的子策略与原优选策略整合为新的解集； 设置最大迭代次数Iter，对解集中的调整策略进行非支配排序，对排序后得到的非支配策略进行拥挤距离计算，将拥挤距离小于阈值的策略置为新的解集，在迭代次数达到阈值前，反复生成新的子策略并进行非支配排序，在迭代次数达到上限Iter后，输出解集中拥挤距离最小的策略作为最优调整策略。

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成都虹润制漆有限公司，其通讯地址为：611930 四川省成都市彭州工业开发区丹旗南路66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。