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！

龙图腾网获悉东北大学申请的专利一种热轧钢材高温氧化速率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：CN115846418B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202211466817.9，技术领域涉及：G06F30/27；该发明授权一种热轧钢材高温氧化速率的预测方法是由曹光明;崔春圆;王皓;李思琳;赵文聪;刘振宇设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本一种热轧钢材高温氧化速率的预测方法在说明书摘要公布了：本发明公开了一种热轧钢材高温氧化速率的预测方法，该技术属于轧钢领域。利用高温同步分析仪TGA，通过高温氧化实验确定不同钢种在不同氧化温度下的氧化速率，建立钢种的基础氧化数据集，该数据集中包含各钢种的化学成分、氧化温度与氧化速率。采用多次留出法将数据集划分为训练集和预测集。利用BP神经网络，在训练数据集的基础上建立钢种成分‑氧化温度‑氧化速率的机器学习模型，并用预测集对模型精度进行评估。该方法极大地缩短了工艺开发时间，节约了产品开发成本，提高了新产品研发效率。

本发明授权一种热轧钢材高温氧化速率的预测方法在权利要求书中公布了：1.一种热轧钢材高温氧化速率的预测方法，其特征在于,包括以下步骤： 步骤S1.建立多种钢种多个温度下的高温氧化基础数据库； 所述步骤S1中的钢种为IF钢、低碳微合金钢、C-Mn钢、高碳钢、Fe-Cr合金以及Fe-Si合金中的一种，每一种钢种的化学成分均按重量百分比为0.002％～0.810％的C，0.01％～2.2％的Si，0.08％～2.21％的Mn，0～0.04％的Al，0～1.5％的Cr，其余为Fe和冶炼时的杂质； 所述步骤S1中的高温氧化基础数据库包含以下步骤： 步骤1.1、通过改变各元素的比例，得到多种强度级别的钢种，之后按照元素配比进行熔炼，得到多种成分的铸锭； 步骤1.2、将铸锭加热至1200℃，并保温1小时，之后进行热轧，轧件冷却至室温后从轧件表面取样； 步骤1.3、利用高温同步热分析仪，通过高温氧化实验，获得多种温度的氧化增重-时间曲线，等温氧化温度设定为500～1300℃，温度间隔为50℃，等温时间设定为120min； 步骤1.4、根据氧化增重-时间曲线，利用式1所示的氧化动力学模型对氧化温度T下的氧化速率kPT进行拟合，式1如下： W2＝kPTt1 式中，W为氧化增重，t为氧化时间，kPT为氧化温度T下的氧化速率，R为气体常数； 步骤1.5、对多种成分体系的钢种，重复步骤1.1和步骤1.4，获得多种成分体系钢种多种温度范围的氧化速率； 步骤1.6、整理步骤1.4获得的实验结果，建立高温氧化基础数据库； 步骤S2.将数据集按照8:2的划分比例，将数据集划分为训练集和预测集； 步骤S3.根据步骤S2的训练集，建立钢种化学成分-氧化温度-氧化速率的BP神经网络模型； 所述步骤S3中的BP神经网络模型具体包括以下步骤： 步骤3.1、将输入特征与输出特征进行归一化处理，缩小各输入特征之间数量级的差距； 步骤3.2、BP神经网络包含输入层、隐藏层和输出层，其基本单位为神经元，每个神经元输入x与输出y之间的关系是： y＝fw*x+b2 其中，f为激活函数，w为权重，b为阈值； 步骤3.3、将BP网络计算的氧化速率与实验实测的氧化速率之间的损失函数J定义为， 式中，n是训练集大小，Ei是第i条数据氧化速率实测值，Pi是第i条数据氧化速率预测； 步骤3.4、将BP神经网络的输入层神经元数量设定为6个，输出层神经元数量设定为1个，中间层神经元数量设定为12个； 步骤3.5、利用Levenberg-Marquardt算法，对权值w和阈值b进行优化，获得最佳的权值和阈值组，在神经网络训练过程中，将学习率设定为0.001，将Dropout设定为0.2，并采用早停策略进行训练； 步骤S4.利用预测集，对BP的计算精度进行验证，并选择最佳的神经网络模型。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3巷11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。