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！

龙图腾网获悉中国兵器装备集团西南技术工程研究所申请的专利一种数据驱动的多元复合涂层冷喷涂工艺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：CN120068636B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202510168817.8，技术领域涉及：G06F30/27；该发明授权一种数据驱动的多元复合涂层冷喷涂工艺优化方法是由罗茜;李忠盛;丛大龙;宋凯强;何庆兵;白懿心;彭冬;周少兰;韦禹设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本一种数据驱动的多元复合涂层冷喷涂工艺优化方法在说明书摘要公布了：本发明提供一种数据驱动的多元复合涂层冷喷涂工艺优化方法，涉及冷喷涂领域，包括：建立金属陶瓷复合涂层冷喷涂工艺‑性能数据库；构建基于自适应神经网络的金属陶瓷复合涂层性能优化目标函数；基于局部搜索增强NSGA‑II遗传算法进行金属陶瓷复合涂层冷喷涂工艺的优化；根据优化得到的金属陶瓷复合涂层冷喷涂最优工艺参数组合，进行冷喷涂试验、验证优化结果的有效性。该优化方法通过结合试验和大数据分析，能够快速、准确的确定冷喷涂工艺的最佳参数组合，有效提高复合涂层的质量和性能。

本发明授权一种数据驱动的多元复合涂层冷喷涂工艺优化方法在权利要求书中公布了：1.一种数据驱动的多元复合涂层冷喷涂工艺优化方法，其特征在于：包括： 步骤S1、建立金属陶瓷复合涂层冷喷涂工艺-性能数据库； 步骤S2、构建基于自适应神经网络的金属陶瓷复合涂层性能优化目标函数； 步骤S3、基于局部搜索增强NSGA-II遗传算法进行金属陶瓷复合涂层冷喷涂工艺的优化；具体为： 步骤S31、以金属陶瓷复合涂层冷喷涂工艺参数作为优化变量，以最小化涂层孔隙率、最大化涂层沉积率、涂层结合强度满足要求为优化目标，建立冷喷涂工艺优化模型： 约束条件： 式中：FX表示优化目标集合；表示最小化涂层孔隙率、表示孔隙率；表示最大化涂层沉积率、表示沉积率；S表示结合强度，Sc表示结合强度阈值，结合强度阈值根据实际优化的复合涂层材料、基体材料以及试验数据获得；X表示对应的冷喷涂工艺参数，Xmax、Xmin分别表示工艺参数上、下限； 步骤S32、采用实数编码、将每个冷喷涂工艺参数用一个实数表示，随机生成一定规模的初始种群G0，每个个体的各参数值在其对应的取值范围内随机生成； 步骤S33、对于种群中的每个个体，将其解码后的工艺参数值代入训练好的神经网络模型中，替代实际试验过程、获取每个个体的目标函数值； 步骤S34、首先，将初始种群G0中的所有个体按照非支配关系进行排序和拥挤度计算，对于种群中任意两个个体i和j、它们之间的拥挤度CI为： 其中，N0表示种群的大小；xik表示个体i的特征向量的第k个分量，xjk表示个体j的特征向量的第k个分量； 对非支配前沿或拥挤度较大的个体进行选择、交叉、变异操作； 然后，将新产生的工艺参数组合返回神经网络模型执行涂层性能预测，综合产生子代种群g0，同时与父代种群合并生成容量为2N0的种群G0g0； 步骤S35、再对种群G0g0执行非支配排序、拥挤度计算，根据精英策略选择N0个个体组成新父代种群Gi；对新父代种群Gi执行选择、交叉、变异操作和目标函数评估，筛选出下一代种群Gi+1； 步骤S36、监测种群中个体目标函数值变化情况，若当前种群非支配解集与已知最优前沿的距离小于d时，则启动局部搜索；对关注的冷喷涂工艺参数设置邻域搜索范围±h%，从选定的初始个体开始，在给定的邻域搜索范围内依次改变决策变量的值；若新生个体对应的目标函数值优于当前个体，则接受该新生个体为当前个体，直到在该局部区域内找不到更优解为止； 步骤S37、当连续若干代种群的最优解没有明显变化或当迭代次数达到预设值时，停止迭代、输出最终种群，即在工艺参数的取值范围内获得最优工艺参数组合； 步骤S4、根据优化得到的金属陶瓷复合涂层冷喷涂最优工艺参数组合，进行冷喷涂试验、验证优化结果的有效性。

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国兵器装备集团西南技术工程研究所，其通讯地址为：400039 重庆市九龙坡区渝州路33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。