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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);四川大学申请的专利一种预测FeCrAl合金高温氧化行为的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：CN121479473B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202610022251.2，技术领域涉及：G06F18/241；该发明授权一种预测FeCrAl合金高温氧化行为的方法是由陈洪生;王辉;熊杰;冷雪松;廖威;白博文设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本一种预测FeCrAl合金高温氧化行为的方法在说明书摘要公布了：本发明提出一种预测FeCrAl合金高温氧化行为的方法，包括：步骤S1数据收集，采集多组氧化行为数据，其中包括4种合金材料及2种实验条件，按比例划分训练集与测试集；步骤S2模型构建，采用CNN‑LSTM混合架构，提取成分、温度、时间的局部特征及建模时间序列特性，输入为成分温度时间，输出为氧化增重，并嵌入相关方程式进行建模；步骤S3超参数优化，通过贝叶斯算法优化模型参数，结合L2正则化与交叉验证防止过拟合，以R²评估模型性能；步骤S4测试预测，利用测试集验证模型，并通过数据学习元素间的耦合效应，实现对FeCrAl合金高温水蒸气氧化行为的高精度预测。

本发明授权一种预测FeCrAl合金高温氧化行为的方法在权利要求书中公布了：1.一种预测FeCrAl合金高温氧化行为的方法，其特征在于，包括下列步骤： 步骤S1数据收集：收集FeCrAl合金在高温水蒸气环境中的多个氧化行为数据，所述氧化行为数据包括合金化学成分、腐蚀增重、氧化温度及氧化时间；将所述氧化行为数据按80:20的比例划分为训练集和测试集； 步骤S2模型构建：构建混合深度学习预测模型，所述模型采用卷积神经网络与长短期记忆网络相结合的架构，其中，所述卷积神经网络用于提取所述氧化行为数据中的合金化学成分、氧化温度、氧化时间的局部特征，所述长短期记忆网络用于建模氧化时间序列特征；所述深度学习预测模型的输入为合金化学成分、氧化温度、氧化时间，输出为腐蚀增重；所述腐蚀增重满足下列方程式： 其中，ΔW为腐蚀增重、EC为材料腐蚀反应的激活能、T为绝对温度；R为气体常数、A为前因子； 氧化增重和氧化时间成正相关，满足下列关系式； ΔW=KPtn 其中，KP为材料腐蚀速率常数；t为腐蚀时间，n为时间指数； 步骤S3超参数优化：利用步骤S1中所述训练集对步骤S2构建的所述深度学习预测模型进行训练，采用贝叶斯优化算法调节模型超参数，并引入L2正则项及交叉验证方法以防止过拟合；所述深度学习预测模型评估方程式如下： 其中，R2为性能决定系数，n为数据点数，yi为实验值，yipre为预测值，yiave为实验值平均值； 步骤S4测试预测：利用步骤S1中的所述测试集对优化后的所述深度学习预测模型进行测试，并以所述步骤S3的评估方程式进行评估。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);四川大学，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。