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！

龙图腾网获悉中南大学申请的专利基于机器学习的高速列车制动盘多目标优化方法及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：CN120068274B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510517538.8，技术领域涉及：G06F30/15；该发明授权基于机器学习的高速列车制动盘多目标优化方法及系统是由许平;杨丽婷;暴德顿;郝光祥;郭维年;姚曙光设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本基于机器学习的高速列车制动盘多目标优化方法及系统在说明书摘要公布了：本发明涉及列车制动领域，公开一种基于机器学习的高速列车制动盘多目标优化方法及系统，以提高时效性和资源利用率。方法包括：构建并试验验证高速列车制动盘的有限元参数化模型，有限元参数化模型将全流程代码化封装，实现"参数输入‑仿真输出"的自动化映射；采用试验设计方法以基于有限元参数化模型构建用于机器学习的数据集，以批量化处理程序自动提取数据集中的输入变量和输出变量；然后根据数据集训练、验证及测试作为高速列车制动盘结构的热力学响应指标预测的目标模型；定义优化目标以及结构参数的约束条件，以嵌入目标模型的非支配排序遗传算法得到该优化目标的帕累托解集；对帕累托解集进行最优决策，得到制动盘结构参数的最优解。

本发明授权基于机器学习的高速列车制动盘多目标优化方法及系统在权利要求书中公布了：1.一种基于机器学习的高速列车制动盘多目标优化方法，其特征在于，包括： 步骤S1、构建并试验验证高速列车制动盘的有限元参数化模型，所述有限元参数化模型将几何参数驱动、材料关联、载荷施加、网格划分及计算提交全流程代码化封装，实现"参数输入-仿真输出"的自动化映射； 步骤S2、采用试验设计方法以基于所述有限元参数化模型构建用于机器学习的数据集，以批量化处理程序自动提取数据集中的输入变量和输出变量；所述输入变量为结构参数，所述输出变量为热力学响应指标；所述热力学响应指标包括最高温度、最大应力和最大轴向变形；然后根据所述数据集训练、验证及测试作为高速列车制动盘结构的热力学响应指标预测的目标模型； 步骤S3、定义优化目标以及结构参数的约束条件，以嵌入所述目标模型的非支配排序遗传算法得到所述优化目标的帕累托解集；所述优化目标为最高温度、最大应力和最大轴向变形都取最小值； 步骤S4、对所述帕累托解集进行最优决策，得到制动盘结构参数的最优解； 其中，在步骤S2中，以批量化处理程序自动提取数据集中的输入变量和输出变量包括： 采用遍历的方式读取所有节点的温度数据并找到最大温度值，并记录对应的节点编号；然后利用极值比较的方式找到最大温度对应的节点坐标信息，输出最大温度节点对应的温度值； 采用遍历的方式读取所有应力积分点的最大等效应力数值，并输出对应的应力积分点单元编号，利用极值比较的方式找到最大应力对应的应力积分点坐标和单元节点信息；最后，采用单元信息和积分点信息比对的方式，输出最大应力积分点对应的应力； 采用遍历的方式读取所有节点的变形数据并找到最大温度值，并记录对应的节点编号；最后，利用极值比较的方式找到最大轴向变形对应的节点坐标信息，输出最大轴向变形节点对应的温度值。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。