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！

龙图腾网获悉上海交通大学申请的专利制造工艺无量纲参数降维及其控制函数获取方法和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：CN116842389B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310841905.0，技术领域涉及：G06F18/214；该发明授权制造工艺无量纲参数降维及其控制函数获取方法和系统是由何霁;张凌宇设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本制造工艺无量纲参数降维及其控制函数获取方法和系统在说明书摘要公布了：本发明提供了一种制造工艺无量纲参数降维及其控制函数获取方法和系统，包括：步骤1：获取实验数据集，包括制造过程中的工艺参数和相对应的每种工艺参数下的目标物理特征值，构建制造工艺的参数空间；步骤2：基于制造工艺的参数空间，对制造工艺参数进行量纲分析，获得一系列无量纲参数，建立无量纲参数与目标物理特征值的函数关系；步骤3：利用实验数据集，通过多项式拟合或机器学习的方法对无量纲参数与目标物理特征值的函数关系进行训练优化，最终获得描述目标物理特征值的关键无量纲参数以及相关函数关系。本发明可以将高维工艺参数空间简化为只涉及几个无量纲参数的形式，有效降低工艺设计以及参数优化难度。

本发明授权制造工艺无量纲参数降维及其控制函数获取方法和系统在权利要求书中公布了：1.一种制造工艺无量纲参数降维及其控制函数获取方法，其特征在于，包括： 步骤1：获取实验数据集，包括制造过程中的工艺参数和相对应的每种工艺参数下的目标物理特征值，构建制造工艺的参数空间； 步骤2：基于制造工艺的参数空间，对制造工艺参数进行量纲分析，获得一系列无量纲参数，建立无量纲参数与目标物理特征值的函数关系； 步骤3：利用实验数据集，通过多项式拟合或机器学习的方法对无量纲参数与目标物理特征值的函数关系进行训练优化，最终获得描述目标物理特征值的关键无量纲参数以及相关函数关系； 所述步骤2包括： 构建目标物理特征值Y与工艺参数之间的关系，表达式为： 其中，为输入变量幂的乘积，表达式为：，变量的幂用向量表示，为：；n是复杂工艺中工艺参数的数量；是复杂工艺过程中的某一个参数，是该工艺参数的幂，到的乘积构成无量纲参数p； 根据长度L、时间T、质量M和温度Θ建立制造工艺参数的量纲矩阵，表达式为： 对于载气压力，所对应的维度向量=[-1,-2,1,0]T； 对量纲矩阵D进行行变换，计算矩阵的秩r； 对制造工艺参数空间进行无量纲化处理，满足方程的解表示为： 其中，为量纲参数； 所述步骤3包括：使用多项式拟合或者神经网络对上述样本训练集对得到的无量纲数进行训练，建立目标物理特征值与无量纲参数之间的函数关系； 当构建多项式为五阶多项式时，其表达式写为：，相关系数向量；其中，为多项式系数； 工艺参数是在冷喷涂增材制造过程中可进行调控的参数，通过改变工艺参数调控喷涂材料的性能；工艺参数包括载气温度Tg、载气压力P、喷涂距离LS、粉末密度ρ、粉末粒径LP、粉末硬度HP和基体硬度HS； 目标物理特征值是反映材料性能的无量纲数，包括颗粒长纵比和材料孔隙率；变形后颗粒的长纵比越大，材料性能越好；材料内部孔隙率越小，材料性能越好； 采用两级优化方法来确定回归问题中的两组未知参数：量纲参数γ以及多项式系数β； 优化过程包括多个迭代过程，在保持第二级多项式系数β保持不变的情况下，调整第一级量纲参数γ；之后保持γ不变，优化多项式系数β，重复这个过程，将测试数据集的相关性系数R2作为数据学习表现的衡量指标；通过上述反复迭代过程，找到与R2值相应的无量纲数，将其作为描述该物理特征的无量纲参数并得到相关函数关系。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。