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！

龙图腾网获悉上海第二工业大学申请的专利一种基于机器学习的热敏电阻颗粒制备优化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：CN120376003B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510872352.4，技术领域涉及：G16C60/00；该发明授权一种基于机器学习的热敏电阻颗粒制备优化方法是由马恩;高佳玥;张承龙;王瑞雪;顾卫华设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本一种基于机器学习的热敏电阻颗粒制备优化方法在说明书摘要公布了：本发明属于热敏材料制备技术领域，具体为一种基于机器学习的热敏电阻颗粒制备优化方法；该方法通过构建包含热敏电阻颗粒的制备工艺参数、性能指标以及物理化学机理知识的数据集，制备工艺参数包括材料成分和制备条件，利用机器学习模型预测最优制备条件，实现热敏电阻颗粒的居里温度点和电阻温度系数的多目标协同优化。与传统试错法相比，本发明可降低研发成本，目标性能预测误差小于5%。本发明通过融合物理化学机理与数据驱动模型，解决了传统方法难以精准调控多性能参数的难题。

本发明授权一种基于机器学习的热敏电阻颗粒制备优化方法在权利要求书中公布了：1.一种基于机器学习的热敏电阻颗粒制备优化方法，其特征在于，其包括以下步骤： S1：构建包含热敏电阻颗粒的制备工艺参数、性能指标以及已知的物理化学机理知识的数据集，并进行预处理；制备工艺参数包括材料成分和制备条件，性能指标包括热敏电阻颗粒的居里温度点和电阻温度系数； S2：构建并优化机器学习模型 将物理化学机理知识以先验信息的形式融入模型架构或训练过程，设计特定的网络层结构或损失函数调整方式优化网络模型； S3：以热敏电阻颗粒的性能指标作为目标标签，采用S1中的数据集对S2中构建优化后的机器学习模型进行训练； S4：在训练好的机器学习模型中输入期望的热敏电阻颗粒的性能指标，模型输出最适合的材料成分及制备条件搭配； S5：按照模型输出的材料成分及制备条件搭配，制备热敏电阻颗粒； S6：对制备获得的热敏电阻颗粒进行性能指标的测试，若测试数据不满足目标需求，则将测试所得数据加入步骤S1的数据集中，重新训练模型，当测试数据满足需求则终止更新，确定热敏电阻颗粒制备的最优方案；其中： 步骤S1中，热敏电阻颗粒是钛酸钡基热敏电阻颗粒；数据集构建时，将物理化学机理知识转化为可量化的特征或约束条件，物理化学机理知识包括：钛酸钡基体和热敏电阻颗粒的晶体结构、基体和掺杂材料中各元素的原子序数、离子半径、价态、电负性以及基体晶格畸变能量、氧空位浓度、晶粒尺寸和电子云重叠积分； 步骤S2中，机器学习模型为图神经网络模型GCN，在网络前向传播过程中，通过注意力权重的计算反映不同参数对性能指标的影响程度，图结构的构建以钙钛矿晶体结构为基础，将元素设为节点，节点特征包含原子序数、离子半径、价态、晶格畸变能量和各元素的用量，再依据原子间化学键和掺杂替代关系构建边：Ba与Ti通过O连接形成钙钛矿骨架，Sr、La、Y元素替代Ba位时与Ba节点相连，Nb、Mn替代Ti位时与Ti节点相连，边特征通过键强度、距离和类型描述原子间作用，最终形成映射材料微观结构的图数据; 步骤S3中，训练的损失函数采用多任务联合损失： ， 其中为基础回归损失，、、分别为晶粒尺寸、氧空位浓度和掺杂量约束的损失，、、为权重参数。

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第二工业大学，其通讯地址为：201209 上海市浦东新区金海路2360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”。