Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜浙江工业大学吕冰海获国家专利权

恭喜浙江工业大学吕冰海获国家专利权

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!

龙图腾网恭喜浙江工业大学申请的专利一种机理引导的少样本抛光材料去除率预测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:CN119989933B

龙图腾网通过国家知识产权局官网在2025-07-04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:202510453570.4,技术领域涉及:G06F30/27;该发明授权一种机理引导的少样本抛光材料去除率预测模型构建方法是由吕冰海;宋志龙;柯明峰;方维设计研发完成,并于2025-04-11向国家知识产权局提交的专利申请。

一种机理引导的少样本抛光材料去除率预测模型构建方法在说明书摘要公布了:本发明公开了一种低成本、高精度的机理引导的少样本抛光材料去除率预测模型构建方法,该方法基于Preston方程,结合抛光技术的机理特性和抛光过程的仿真建模,对抛光工艺参数和材料去除率之间的关系进行深入研究,建立了一个具备一定精度的材料去除率预测的数学模型,然后基于该数学模型的数学形式,设计神经网络模型结构,并训练该神经网络模型使其逼近所建立的数学模型,从而得到一个经过预训练的神经网络模型;最后基于迁移学习策略,在少量真实样本上继续训练该神经网络模型,得到最终的材料去除率预测模型;该预测模型集成了数学模型的可解释性和神经网络模型的非线性拟合能力,预测精度高,可以为实际的抛光过程提供可靠的预测支持。

本发明授权一种机理引导的少样本抛光材料去除率预测模型构建方法在权利要求书中公布了:1.一种机理引导的少样本抛光材料去除率预测模型构建方法,其特征在于,该方法包括以下步骤: S1,确定抛光对象、设计剪切增稠抛光实验,构建真实实验数据集D,真实实验数据集D中的每一条样本包含真实的抛光工艺参数组合和对应的材料去除率;然后基于剪切增稠抛光原理,对Preston方程:进行扩展,建立剪切增稠抛光材料去除率本构方程为:;其中,MRR为材料去除率,P为抛光压力,V为抛光速度,k为系数;Kc是磨粒浓度修正系数,Ks是仿真修正系数,Kw,h是与抛光速度和抛光间隙相关的修正系数,Px,y是xy平面上的压力分布,Vx,y是xy平面上的速度分布;c表示磨粒浓度,w,h分别表示抛光头的转速和抛光间隙高度,x,y表示抛光区域的坐标;接着,对抛光区域压力和速度场建模,将建模结果拟合成数学形式代入上述材料去除率本构方程,并结合抛光实验数据,对仿真修正系数Ks和磨粒浓度修正系数Kc进行拟合,得到抛光材料去除率预测的数学模型M; S2,设置不同的抛光工艺参数组合输入数学模型M,并输出材料去除率的预测结果,得到模拟实验数据集Dm,每一条实验数据包含一组模拟的抛光工艺参数组合和对应的材料去除率的预测结果; S3,根据数学模型M的数学形式,设计初始状态的神经网络模型N,并在模拟实验数据集Dm上训练至收敛,使训练后的模型N无限逼近数学模型M,得到预训练模型N_1; S4,在真实实验数据集D上微调预训练模型N_1,基于真实实验数据优化模型参数,从而进一步提升预训练模型N_1的预测精度,得到最终的抛光材料去除率预测模型N_2,建模完成。

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浙江工业大学,其通讯地址为:310014 浙江省杭州市拱墅区朝晖六区潮王路18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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。