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！

龙图腾网获悉福建福强精密印制线路板有限公司申请的专利一种用于预测PCB板翘曲度的神经网络模型构建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：CN121257616B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511817049.0，技术领域涉及：G06N3/0464；该发明授权一种用于预测PCB板翘曲度的神经网络模型构建方法是由黄观连;谢斯文;翁武晨设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种用于预测PCB板翘曲度的神经网络模型构建方法在说明书摘要公布了：本发明涉及神经网络的结构技术领域，尤其为一种用于预测PCB板翘曲度的神经网络模型构建方法，方法包括：构建含历史PCB板设计参数材料属性及实测翘曲度的训练数据集；对数据清洗补缺失值归一化，提取应力集中系数热变形因子，形成标准化特征向量；建多输入单输出回归模型，用CNN提线路布局空间特征，融合层整合多源特征，BiLSTM‑Attention捕特征依赖，全连接层输出预测值；分数据集用均方误差Adam早停机制训练优化；待预测数据预处理后输入模型得翘曲度。本发明提升预测精度与泛化能力，提前预判PCB板翘曲风险，减少生产返工成本，提高效率，适用于PCB板多层化、高密度化的高精度生产场景。

本发明授权一种用于预测PCB板翘曲度的神经网络模型构建方法在权利要求书中公布了：1.一种用于预测PCB板翘曲度的神经网络模型构建方法，其特征在于：包括以下步骤： S1、构建训练数据集：获取多组历史PCB板样本的设计参数、材料属性及对应的实测翘曲度数据，构成原始数据集，具体包括： 通过PCB设计软件导出历史PCB板样本的设计参数，所述设计参数包括层数、线路布局密度分布图、厚度分布数据，其中，线路布局密度分布图以灰度图像形式表示； 通过材料测试实验获取对应PCB板样本的材料属性，所述材料属性包括各层材料的弹性模量、热膨胀系数、固化收缩率，其中，弹性模量通过拉伸试验机测量，热膨胀系数通过热机械分析仪测量，固化收缩率通过体积变化仪测量； 使用光学测量设备对每个PCB板样本进行翘曲度测量，所述光学测量设备包括激光扫描仪或数字图像相关系统，以非接触方式获取实测翘曲度数据； 将导出的设计参数、测量的材料属性及实测翘曲度数据进行关联和整合，形成结构化的原始数据集； S2、数据预处理与特征工程：对原始数据集进行预处理，包括数据清洗、缺失值填补、数值归一化，并提取与翘曲度相关的物理特征，形成标准化特征向量； S3、构建神经网络模型：构建一个以标准化特征向量为输入，以预测翘曲度为输出的深度学习模型；深度学习模型为多输入、单输出的回归网络结构，其核心包括： 特征提取分支：利用卷积神经网络CNN编码器对设计参数中的线路布局密度分布图进行卷积和池化操作，自动学习深层空间特征； 物理特征融合层：将CNN编码器提取的深层空间特征与经过预处理的材料属性物理特征进行拼接，并通过一个全连接层进行特征降维和融合，生成融合特征向量； 非线性映射网络：采用包含注意力机制的双向长短期记忆网络BiLSTM-Attention对融合特征向量进行序列建模，其中注意力机制用于对BiLSTM输出的隐藏状态进行加权，以捕捉特征间复杂的长期依赖关系，最后通过一个全连接回归层输出翘曲度预测值； S4、模型训练与优化：将预处理后的数据集按比例划分为训练集、验证集和测试集，使用训练集对神经网络模型进行训练，通过验证集调整超参数，并使用测试集评估模型性能；训练过程中采用均方误差损失函数，优化器使用Adam，并引入早停机制防止过拟合，以最小化预测翘曲度与实测翘曲度之间的误差； S5、翘曲度预测：将待预测PCB板的设计参数和材料属性输入到训练好的神经网络模型中，经过S2的预处理后，模型输出即为预测的翘曲度。

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福建福强精密印制线路板有限公司，其通讯地址为：350300 福建省福州市福清市融侨经济技术开发区宏路大浦村东南路58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。