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！

龙图腾网获悉南昌航空大学;南昌大学申请的专利一种基于机器学习的多孔支架SLM制备方法及装置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：CN121561873B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610084862.X，技术领域涉及：G06F18/27；该发明授权一种基于机器学习的多孔支架SLM制备方法及装置是由姚泉;王克鲁;鲁翠媛;汪增强;刘家初;李鑫设计研发完成，并于2026-01-22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多孔支架SLM制备方法及装置在说明书摘要公布了：本发明公开了一种基于机器学习的多孔支架SLM制备方法及装置，属于增材制造技术领域。该方法首先设计了一种由内层简单立方胞元和外层体心立方胞元组成的复合晶格多孔结构，两者通过节点直接连接；接着采用拉丁超立方抽样设计试验方案并获取选区激光熔化工艺初始小样本数据；随后引入回归合成少数类过采样技术对数据集进行增强处理；在此基础上，建立经群智能算法优化的核极限学习机预测模型；最后基于目标性能反求最优工艺参数并完成制备。通过复合结构设计有效缓解了应力屏蔽效应，解决了传统工艺优化中实验成本高、样本数据少及预测精度低的问题，实现了高性能医用CoCrMo植入物的高效、精准定制化制造。

本发明授权一种基于机器学习的多孔支架SLM制备方法及装置在权利要求书中公布了：1.一种基于机器学习的多孔支架SLM制备方法，其特征在于，包括以下步骤： S1结构设计：设计一种复合晶格多孔结构，该复合晶格多孔结构包括内层区域和外层区域； 所述内层区域由简单立方胞元构成，所述外层区域由体心立方胞元构成；所述内层区域和所述外层区域在交界处通过胞元节点直接连接； S2数据获取：确定选区激光熔化技术的工艺参数范围，采用拉丁超立方抽样设计试验方案，制备CoCrMo合金多孔结构试样并测试其力学性能，获取初始样本数据集； S3数据增强：采用回归合成少数类过采样技术对所述初始样本数据集进行处理，生成增强后的平衡数据集； S4模型构建与优化：建立核极限学习机预测模型，并利用群智能优化算法对所述核极限学习机预测模型的核参数和正则化系数进行寻优，构建工艺参数与力学性能之间的预测模型； S5参数反求与制备：基于步骤S4获得的所述预测模型，以预设的弹性模量和抗压强度为优化目标，反向输出最优选区激光熔化工艺参数，并利用该最优选区激光熔化工艺参数通过选区激光熔化技术制备医用CoCrMo合金多孔结构； 在步骤S4中，所述群智能优化算法选自哈里斯鹰优化算法、蜣螂优化算法或北方苍鹰优化算法中的一种； 在步骤S2和S5中，所述工艺参数包括激光功率、扫描速度和扫描间距； 所述力学性能包括弹性模量和最大抗压强度； 所述工艺参数的具体范围设定为：激光功率130W至170W，扫描速度600mms至1000mms，扫描间距0.05mm至0.09mm； 多孔支架由内层区域和外层区域组成的复合晶格结构； 所述内层区域由简单立方胞元构成，用于诱导骨组织长入； 所述外层区域由体心立方胞元构成，用于提供力学支撑； 所述内层区域的简单立方胞元与所述外层区域的体心立方胞元在交界处通过胞元节点直接连接，形成一体化结构； 所述内层区域和所述外层区域的体积分布比例为： 所述内层区域的体积占比为51.2%； 所述外层区域的体积占比为48.8%； 所述复合晶格结构为均匀结构，整体孔隙率为70%； 所述简单立方胞元和所述体心立方胞元的尺寸均为1mm×1mm×1mm； 所述简单立方胞元和所述体心立方胞元的杆径均为0.167mm。

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昌航空大学;南昌大学，其通讯地址为：330000 江西省南昌市红谷滩区丰和南大道696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。