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！

龙图腾网恭喜哈尔滨工业大学申请的专利一种基于主动学习策略的球墨铸铁成分和工艺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：CN119811526B 。

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：202411880238.8，技术领域涉及：G16C20/20；该发明授权一种基于主动学习策略的球墨铸铁成分和工艺设计方法是由朱景川;薛景腾;苏帅威;曲囡;刘勇设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种基于主动学习策略的球墨铸铁成分和工艺设计方法在说明书摘要公布了：一种基于主动学习策略的球墨铸铁成分和工艺设计方法，属于材料工艺设计技术领域。为提高材料工艺设计的预测精度和设计效率，本发明包括收集文献中包括球墨铸铁成分、工艺、微观组织特征和性能的实验数据，基于小样本机器学习算法，构建球墨铸铁成分‑工艺‑微观组织特征模型、球墨铸铁成分‑工艺‑微观组织特征‑性能模型，基于优化算法，对不同的目标性能设置不同权值，采用基于权重的目标函数，得到优化的不同性能要求的球墨铸铁成分和工艺参数；通过主动学习策略，优先选择不确定度较大的数据进行实验并补充到数据集，然后进行模型更新，优化模型预测精度，最终设计出符合预期性能要求的球墨铸铁成分与工艺参数。本发明减少了实验次数和成本。

本发明授权一种基于主动学习策略的球墨铸铁成分和工艺设计方法在权利要求书中公布了：1.一种基于主动学习策略的球墨铸铁成分和工艺设计方法，其特征在于，包括如下步骤： S1.收集文献中包括球墨铸铁成分、工艺、微观组织特征和性能的实验数据，将实验数据中具有球墨铸铁成分、工艺、微观组织特征和性能的关联数据加入到数据集1中，将实验数据中仅具有球墨铸铁成分、工艺和性能的关联数据加入到数据集2中； S2.对数据集1中的球墨铸铁成分或工艺数据的分布情况进行可视化处理，然后基于可视化处理后的球墨铸铁成分或工艺数据的空白区域进行正交试验，得到正交试验数据加入到数据集1中； S3.对数据集1和数据集2中的数据进行预处理，得到预处理后的数据集1和预处理后的数据集2； S4.基于小样本机器学习算法，构建球墨铸铁成分-工艺-微观组织特征模型，设置球墨铸铁成分和工艺为输入，微观组织特征作为输出，利用预处理后的数据集1对球墨铸铁成分-工艺-微观组织特征模型进行训练，利用训练好的球墨铸铁成分-工艺-微观组织特征模型对预处理后的数据集2进行预测，得到预处理后的数据集2中每组数据对应的微观组织特征，并将得到的微观组织特征数据归一化后补充到预处理后的数据集2中； S5.将预处理后的数据集1和步骤S4得到的预处理后的数据集2合并为数据集3； S6.基于小样本机器学习算法，构建球墨铸铁成分-工艺-微观组织特征-性能模型，设置球墨铸铁成分、工艺和微观组织特征为输入，性能作为输出，利用数据集3对球墨铸铁成分-工艺-微观组织特征-性能模型进行训练，得到训练好的球墨铸铁成分-工艺-微观组织特征-性能模型； S7.基于优化算法，对不同的目标性能设置不同权值，每种目标性能使用步骤S6训练好的球墨铸铁成分-工艺-微观组织特征-性能模型进行计算，采用基于权重的目标函数，不断筛选最接近目标性能的成分，得到优化的不同性能要求的球墨铸铁成分和工艺参数； S8.对步骤S7得到的优化的不同性能要求的球墨铸铁成分和工艺参数，通过主动学习策略，选择不确定度大的数据进行实验并补充到数据集1和数据集2，然后返回到步骤S4进行模型更新，优化模型预测精度，最终设计出符合预期性能要求的球墨铸铁成分与工艺参数； 步骤S8中不确定度的计算方法为：其他不变的情况下，改变成分-工艺-微观组织特征-性能模型的超参数，分别计算上一步粒子群优化算法优化出的成分与工艺的性能预测值，不确定度U为不同模型的预测值的方差，表达式为： 其中，是所有模型的平均预测值，是第m个模型的预测值，M是模型的总数量。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。