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！

龙图腾网获悉南京航空航天大学申请的专利面向增材制造各向异性特征的拓扑优化点阵结构机器学习及调控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：CN119740465B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411736206.0，技术领域涉及：G06F30/27；该发明授权面向增材制造各向异性特征的拓扑优化点阵结构机器学习及调控方法是由顾冬冬;许梦瑶;石珂羽;历彦泽;卫鹭晨;张祎涓设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本面向增材制造各向异性特征的拓扑优化点阵结构机器学习及调控方法在说明书摘要公布了：本发明公开了一种面向增材制造各向异性特征的拓扑优化点阵结构机器学习及调控方法，包括：步骤一、构建数据集并划分为训练集与试验集；步骤二、构建点阵拉伸结构数据驱动模型：基于高斯过程回归算法构建点阵拉伸结构数据驱动模型，并采用步骤一所构建的数据集对点阵拉伸结构数据驱动模型进行训练；步骤三、获取目标宏观结构的各向异性数据：基于训练好的点阵拉伸结构数据驱动模型，计算出目标宏观结构所包括的各点阵结构的各向异性数据；步骤四、优化目标点阵结构的增材制造工艺成型参数及相对密度。由此可见，本发明能够针对增材制造各向异性特征，在少量的实验下结合机器学习方法对点阵结构考虑增材制造成形约束下的拓扑优化设计及成形参数确定提供支撑。

本发明授权面向增材制造各向异性特征的拓扑优化点阵结构机器学习及调控方法在权利要求书中公布了：1.一种面向增材制造各向异性特征的拓扑优化点阵结构机器学习及调控方法，其特征在于， 包括如下步骤： 步骤一、构建数据集并划分为训练集与试验集： 数据集包括若干元素，每一个元素均包括对应的增材制造工艺成型参数、点阵结构的相对密度以及点阵结构的各向异性数据； 步骤二、构建点阵拉伸结构数据驱动模型： 基于高斯过程回归算法构建点阵拉伸结构数据驱动模型，并采用步骤一所构建的数据集对点阵拉伸结构数据驱动模型进行训练； 点阵拉伸结构数据驱动模型的输入为步骤一所构建的训练集中的增材制造工艺成型参数以及对应的点阵结构的相对密度，输出则为相应的点阵结构的各向异性数据预测值； 训练过程中，采用K折交叉验证算法得到训练集中所有点阵结构的各向异性数据预测值相对于数据集中该点阵结构的各向异性数据的均方差，并将均方差最小作为优化目标，利用贝叶斯搜索算法获得点阵拉伸结构数据驱动模型的最优超参数，完成模型训练； 步骤三、获取目标宏观结构的各向异性数据： 针对目标宏观结构预设增材制造工艺成型参数初始值、相对密度初始值； 将预设的增材制造工艺成型参数初始值、相对密度初始值输入训练好的点阵拉伸结构数据驱动模型，计算出目标宏观结构所包括的各点阵结构的各向异性数据，获得目标宏观结构所包括的各点阵结构的各向异性弹性矩阵； 步骤四、优化目标点阵结构的增材制造工艺成型参数及相对密度： 将步骤三计算得到的目标宏观结构所包括的各点阵结构的各向异性数据作为点阵拓扑优化算法的输入，施加荷载以得到目标宏观结构的拓扑优化构型，并采用贝叶斯方法逆向搜索对应的增材制造工艺成型参数、相对密度，从而确定目标宏观结构的增材制造工艺成型参数优化值、相对密度优化值。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。