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！

龙图腾网获悉南华大学申请的专利一种基于双层结构多目标算法的热轧超高强韧钢设计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：CN121260330B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511804519.X，技术领域涉及：G16C60/00；该发明授权一种基于双层结构多目标算法的热轧超高强韧钢设计方法是由朱红梅;胡瀚夫;朱涛;潘存良;王博文;罗雅婷设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本一种基于双层结构多目标算法的热轧超高强韧钢设计方法在说明书摘要公布了：本发明将改进型基于目标特定特征的多目标回归算法与非支配排序遗传算法相结合，构建双层结构多目标算法，避免因数据增强可能产生的数据失真、特征工程泛化能力差、因域间差异大引起的负迁移等问题，通过捕捉多个输出目标之间的相关性，构建了针对高维、小数据集的高精度模型，实现了低数据集成本的机器学习辅助热轧超高强韧钢成分及工艺设计。

本发明授权一种基于双层结构多目标算法的热轧超高强韧钢设计方法在权利要求书中公布了：1.一种基于双层结构多目标算法的热轧超高强韧钢设计方法，其特征在于，所述方法是通过以下步骤实现的： 步骤S1：整理实验数据和文献数据，建立热轧超高强韧钢数据集； 步骤S2：改进并构建基于目标特定特征的多目标回归MTR-TSF算法； 改进型MTR-TSF算法包含以下步骤： 步骤S21：利用MTR-TSF中的层次聚类算法，将数据集特征空间扩充为扩展特征空间；其中，为数据集输入特征；为第个输出目标的 输出特征，代表输出目标变量索引，=1,2,……,，为输出目标总数； 为额外类别特征； 步骤S22：采用极端梯度提升算法XGBoost替代MTR-TSF算法中原有的分类回归树提升 算法CART-Boosting，在由步骤S21得到的扩展特征空间内，对每个目标的输出特征依次进行残差迭代训练；在每一次迭代中，通过公式1计算残差平方和： 1 其中为第个样本在第个输出目标的真实值，为不同的样本，=1, 2,……,，为样本的总数；为第轮迭代模型对第个样本的预测值，为迭代次 数，=1,2,……,为迭代总次数； 通过公式2计算，第个输出目标在第次迭代的相似矩阵 2 其中为目标相似矩阵中的二值信号量，若第个和第个样本在第次迭代到 达同一叶子结点，=1，否则=0；代表与第个样本不同的样本，=1, 2,……,； 通过公式3计算经过次迭代后的矩阵权重： 3 其中，为残差平方和，为第个输出目标经次迭代得到 的所有残差平方和的总和； 通过公式4计算得到第个目标的最终相似矩阵： 4 其中，为矩阵权重，为相似矩阵； 通过公式5计算得到第个输出目标和第个输出目标的依赖权重矩阵： 5 其中，为第个输出目标的输出值，为第个输出目标的输出值； 最后，通过公式6计算得到第个目标的依赖相似矩阵： 6 其中，为依赖权重矩阵，为第个目标的相似矩阵； 步骤S23：将公式6构造的第个目标的依赖相似矩阵，转换为第个目标的 距离矩阵，对第个目标的距离矩阵进行K-medoids聚类，计算得到聚类中心，通过计算每 个样本到聚类中心的欧氏距离，从而得到第个目标的目标特定特征，以输入矩 阵作为模型输入，作为模型输出，利用XGBoost 算法建立拉伸力学性能模型，从而完成改进型MTR-TSF多目标回归模型的构建； 步骤S3：利用步骤S1建立的热轧超高强韧钢数据集，以及步骤S2构建的改进型MTR-TSF算法，训练一个包含极限抗拉强度、屈服强度、断后延伸率同时作为输出的拉伸力学性能模型；采用多目标分解进化算法MOEAD-DYTS，对拉伸力学性能模型进行超参数优化，得到具有最优预测效果的拉伸力学性能模型； 步骤S4：采用非支配排序遗传算法，对步骤S3具有最优预测效果的拉伸力学性能模型的输出变量进行多目标优化，获得极限抗拉强度、屈服强度、断后延伸率的非支配解集。

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华大学，其通讯地址为：421001 湖南省衡阳市蒸湘区常胜西路28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。