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！

龙图腾网获悉苏州工学院申请的专利基于机器学习的合金铸造件微观组织力学性能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：CN120412858B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510906630.3，技术领域涉及：G16C60/00；该发明授权基于机器学习的合金铸造件微观组织力学性能预测方法是由姚嘉;姜巍;沙祝宇;朱子豪;程垭设计研发完成，并于2025-07-02向国家知识产权局提交的专利申请。

本基于机器学习的合金铸造件微观组织力学性能预测方法在说明书摘要公布了：本发明提供一种基于机器学习的合金铸造件微观组织力学性能预测方法，涉及铸造件力学性能预测技术领域，包括：获取多组铝合金铸造电池包框架的微观组织特征参数及对应的力学参数，生成样本数据集，基于数据集构建神经网络模型，将微观组织特征作为输入，力学参数作为标签进行训练。将待预测铝合金铸造件各微观组织区域的微观组织特征参数输入训练好的模型，输出预测的力学参数，进而确定初始强韧度指数。根据组织非均匀性指数和缺陷敏感阈值计算强韧度修正因子，修正初始强韧度指数，得到综合强韧度指数，基于综合强韧度指数对各微观组织区域进行力学性能的预测，实现了对汽车铝合金铸造电池包框架的非均质力学性能精准评估。

本发明授权基于机器学习的合金铸造件微观组织力学性能预测方法在权利要求书中公布了：1.一种基于机器学习的合金铸造件微观组织力学性能预测方法，其特征在于，具体步骤包括： S1，获取多组汽车铝合金铸造电池包框架的微观组织特征参数和对应的力学参数，将每一组微观组织特征参数和力学参数进行一一映射，生成样本数据集，所述微观组织特征参数包括枝晶二次臂间距、相面积占比、孔隙率和晶界小角度取向差占比，力学参数包括弹性模量、屈服强度和泊松比； S2，基于样本数据集中的数据，构建神经网络模型，以样本数据集内的微观组织特征参数作为模型的输入，并以样本数据集中的力学参数作为标签，对神经网络模型进行训练，得到力学参数预测模型； S3,根据铸造组织差异对待预测汽车铝合金铸造电池包框架进行微观组织区域划分，采集划分完成的合金铸造件各个微观组织区域的微观组织特征参数，所述微观组织特征参数包括枝晶二次臂间距、相面积占比、孔隙率和晶界小角度取向差占比； S4，将上述待预测合金铸造件微观组织特征参数输入至完成训练的力学参数预测模型中，模型输出预测弹性模量、预测屈服强度和预测泊松比，基于预测弹性模量、预测屈服强度和预测泊松比确定初始强韧度指数； S5，根据所有微观组织区域预测屈服强度的标准差确定组织非均匀性指数，根据最大缺陷尺寸确定缺陷敏感阈值，基于组织非均匀性指数和缺陷敏感阈值计算强韧度修正因子，利用强韧度修正因子对初始强韧度指数进行修正，得到用于反映微观组织区域力学性能好坏的综合强韧度指数； S6，构建基于上述待预测合金铸造件的有限元模型，将合金铸造件的微观组织区域与模型几何拓扑进行空间配准，并进行三维网格划分，将每个微观组织区域的综合强韧度指数映射至对应位置的网格节点，并基于空间距离衰减规律，确定其他网格节点的综合强韧度指数，完成整个合金铸造件力学性能的预测； 将待预测合金铸造件微观组织特征参数输入至完成训练的力学参数预测模型中，模型输出预测弹性模量、预测屈服强度和预测泊松比； 基于预测弹性模量、预测屈服强度和预测泊松比确定初始强韧度指数，所依据的公式为： ， 式中，为初始强韧度指数，为预测弹性模量，为参考弹性模量，为预测屈服强度，为参考屈服强度，为预测泊松比，为参考泊松比，为自然常数，、和为预设权重值，且满足，的取值范围为0,1]，和为材料常数，根据材料种类确定具体取值。

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苏州工学院，其通讯地址为：215500 江苏省苏州市常熟市南三环路99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”。