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！

龙图腾网恭喜南昌工学院申请的专利一种基于机器学习的钢铁耐磨材料寿命预测方法及系统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：CN119442903B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411572719.2，技术领域涉及：G06F30/27；该发明授权一种基于机器学习的钢铁耐磨材料寿命预测方法及系统是由何苗;索忠源;魏坤;程婷;阳念;雷书设计研发完成，并于2024-11-06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钢铁耐磨材料寿命预测方法及系统在说明书摘要公布了：本发明公开了一种基于机器学习的钢铁耐磨材料寿命预测方法及系统，涉及材料检测技术领域，包括采集钢铁耐磨材料的历史运行数据，对所述历史运行数据进行归一化处理，得到归一化特征数据，并将所述归一化特征数据按比例划分数据集；基于所述数据集，构建第一模型；构建第二模型，将所述第一模型在所述数据集上使用不同参数组合下的预测误差作为输入，训练所述第二模型；根据所述第二模型输出的最优参数组合更新所述第一模型，将所述数据集输入更新后的第一模型中，得到钢铁耐磨材料的寿命预测结果。本发明通过两个模型的相互优化获得最优参数组合提升预测的准确性和适应性，使寿命预测结果更具实际应用价值。

本发明授权一种基于机器学习的钢铁耐磨材料寿命预测方法及系统在权利要求书中公布了：1.一种基于机器学习的钢铁耐磨材料寿命预测方法，其特征在于：包括：采集钢铁耐磨材料的历史运行数据，对所述历史运行数据进行归一化处理，得到归一化特征数据，并将所述归一化特征数据按比例划分数据集；基于所述数据集，构建第一模型；构建第二模型，将所述第一模型在所述数据集上使用不同参数组合下的预测误差作为输入，训练所述第二模型；根据所述第二模型输出的最优参数组合更新所述第一模型，将所述数据集输入更新后的第一模型中，得到钢铁耐磨材料的寿命预测结果；所述历史运行数据包括材料成分数据、工作温度数据、应力数据以及寿命数据；所述材料成分数据包括碳含量百分比、铬含量百分比、锰含量百分比、硅含量百分比、磷含量百分比以及硫含量百分比；所述工作温度数据包括工作过程中的最高温度值、最低温度值和平均温度值；所述应力数据包括实际工况下承受的拉伸应力、压缩应力和剪切应力数据；所述数据集包括训练数据集、验证数据集和测试数据集；所述第一模型的构建包括：构建初始预测函数；基础预测函数基于权重向量和偏置项将输入数据映射至预测结果；根据所述训练数据集的维度特征选择核函数；根据所述训练数据集的噪声水平设置惩罚因子平衡所述第一模型的误差；基于所述钢铁耐磨材料寿命预测的精度要求，利用epsilon参数控制支持向量的数量；构建所述第一模型的损失函数，通过所述损失函数将所述支持向量回归问题转化为带约束的优化问题；将所述带约束的优化问题分解为二维子问题，并通过迭代优化获得支持向量和对应的拉格朗日乘子，得到所述第一模型；所述设置惩罚因子平衡所述第一模型的误差包括：当所述训练数据集的噪声较大时，较小的值使模型进行容忍训练误差，而当所述训练数据集的噪声较小时，较大的值则使模型进行拟合训练数据，从而建立惩罚因子与数据特性的关联；当所述训练数据的标准差超过均值的第一预设值时，判定所述训练数据集的噪声较大；当所述训练数据的标准差小于均值的第二预设值时，判定所述训练数据集的噪声较小；其中，平衡后的第一模型的优化函数如下式所示： ；其中，为权重向量，和为松弛变量，为权重向量的范数，为惩罚因子，控制模型对训练误差的敏感程度；所述利用epsilon参数控制支持向量的数量包括：当预测值与真实值的偏差小于所述epsilon参数的值时不计算损失，形成对预测误差的软间隔约束；所述软间隔约束如下式所示： ；其中，为偏置项，为第i个训练样本的真实值，为容忍带宽度，为第i个训练样本的特征值；所述第二模型根据特征向量进行训练；所述特征向量的构建包括：构建所述第一模型的参数组合，对于每组参数组合，使用所述每组参数组合更新所述第一模型，利用所述验证数据集计算预测结果；评估所述预测结果并形成所述特征向量；所述预测结果根据预测精度损失、模型复杂度损失和支持向量比例损失进行评估；所述预测精度损失的计算如下式所示： ；其中，为预测精度损失，为样本数量，为真实值，为预测值，为预测函数对的偏导数，为预测函数对C的偏导数，为预测函数对的偏导数；所述模型复杂度损失的计算如下式所示： ；其中，为权重向量的范数，为初始惩罚因子值，为拉格朗日乘子的绝对值，为复杂度损失；所述支持向量比例损失的计算如下式所示： ；其中，为支持向量的数量，为期望的支持向量比例，为初始容忍带宽度，为支持向量比例损失。

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工学院，其通讯地址为：330000 江西省南昌市红谷滩区狮子山大道998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”。