(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111362556.1 (22)申请日 2021.11.17 (65)同一申请的已公布的文献号 申请公布号 CN 114065628 A (43)申请公布日 2022.02.18 (73)专利权人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 马壮　高丽红　朱时珍　刘玲　 柳彦博　郝杰　安冬　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 刘芳 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113241132 A,2021.08.10US 202025793 3 A1,2020.08.13 CN 1095980 59 A,2019.04.09 WO 20182083 60 A2,2018.1 1.15 刘继超.神经网络和遗传算法的激光纳米陶 瓷涂层工艺优化. 《激光杂志》 .2016,第37 卷(第 07期),第74-76页. Xu Weiye et al. .Design and preparati on of composite coati ngs with increased reflectivity under high -energy continuous wave laser ablati on. 《CERAMICS INTERNATIONAL》 .2020,第46卷(第15期),第 23457-23462页. 王开石等.航天 飞行器热防护涂层研究进 展. 《宇航材料工艺》 .2016,第46卷(第0 6期),第 1-5页. 杨友文等.基 于遗传神经网络的镍 基高温合 金激光熔覆层形貌质量预测. 《焊 接学报》 .2013, 第34卷(第1 1期),第78-82页. 审查员 贾慧敏 (54)发明名称 一种辅助激光防护涂层选材及设计方法和 系统 (57)摘要 本发明涉及一种辅助激光防护涂层选材及 设计方法和系统。 本发明通过采用神经网络模 型， 基于现有的实验数据和先验知识构建得到激 光防护涂层选材方案， 具有预测速度快、 精确度 较高和成本低等优点。 再利用激光防护涂层选材 方案指导涂层设计开发， 将大大缩短材料的设计 开发周期， 降低材 料研发成本。 权利要求书2页 说明书12页 附图4页 CN 114065628 B 2022.05.27 CN 114065628 B 1.一种辅助激光防护涂层选材及设计方法， 其特 征在于， 包括： 根据激光与涂层间相互作用机理的先验知识确定影响基体背温的关键因素； 所述关键 因素包括： 防护涂层的成分组成、 基本性能、 热化学反应数据、 结构特性以及使用条件； 根据所述关键因素选取输入特征， 并以涂层在激光烧蚀下的基体背温为输出变量建立 数据集； 对所述数据集进行 预处理得到处 理后的数据集； 利用随机抽样法对所述处 理后的数据集进行划分得到训练集、 测试集和验证集； 采用所述训练集对神经网络模型进行训练得到预测模型； 对所述预测模型进行优化得到优化模型； 所述测试集用于评价所述优化模型； 所述验 证集用于验证所述优化模型； 将随机噪声加入至 输入特征得到特征矩阵； 将所述特 征矩阵输入至所述优化模型 得到第一基 体背温预测结果； 确定所述涂层在激光烧蚀下的基体背温和第 一基体背温预测结果间的差值， 根据 所述 差值对输入特 征进行排序得到排序结果； 根据所述 排序结果确定 涂层激光防护性能的影响因素； 根据所述影响因素生成激光防护涂层选材 方案； 根据所述激光防护涂层选材 方案设计激光防护涂层。 2.根据权利要求1所述的辅助激光防护涂层选材及设计方法， 其特征在于， 所述预处理 包括： 缺失值处 理、 异常值处 理、 重复值处 理、 归一化处理和规范化处 理。 3.根据权利要求1所述的辅助激光防护涂层选材及设计方法， 其特征在于， 所述对所述 预测模型进行优化得到优化模型， 具体包括： 采取遗传算法对所述预测模型进行优化得到优化模型。 4.根据权利要求3所述的辅助激光防护涂层选材及设计方法， 其特征在于， 所述优化模 型为输出达 到收敛且 采用所述验证集验证时平均误差函数最小的模型。 5.根据权利要求1所述的辅助激光防护涂层选材及设计方法， 其特征在于， 所述测试集 评价所述预测模型的操作过程 为： 将所述测试集中的输入特 征输入所述优化模型， 得到第二基 体背温预测结果； 根据所述第二基体背温预测结果和与所述测试集中输入特征对应的基体背温数据确 定决定系数； 所述决定系数为R2： 其中， 为与所述测试集中第i个输入特征对应的基体背温数据的平均值， 为第i个输 入特征的第二基 体背温预测结果， yi为与所述测试集中第i个输入特 征对应的基 体背温值； 根据所述决定系数与1间的关系确定所述优化模型的预测精度。 6.一种辅助激光防护涂层选材及设计系统， 其特 征在于， 包括： 关键因素确定模块， 用于根据激光与涂层间相互作用机理 的先验知识确定影响基体背 温的关键因素； 所述关键因素包括： 防护涂层的成分组成、 基本性能、 热化学反应数据、 结构 特性以及使用条件；权　利　要　求　书 1/2 页 2 CN 114065628 B 2数据集建立模块， 用于根据所述关键因素选取输入特征， 并以涂层在激光烧蚀下的基 体背温为输出变量建立数据集； 预处理模块， 用于对所述数据集进行 预处理得到处 理后的数据集； 划分模块， 用于利用随机抽样法对所述处理后的数据集进行划分得到训练集、 测试集 和验证集； 训练模块， 用于采用所述训练集对神经网络模型进行训练得到预测模型； 优化模块， 用于对所述预测模型进行优化得到优化模型； 所述测试集用于评价所述优 化模型； 所述验证集用于验证所述优化模型； 特征矩阵形成模块， 用于将随机噪声加入至 输入特征得到特征矩阵； 预测模块， 用于将所述特 征矩阵输入至所述优化模型 得到第一基 体背温预测结果； 差值确定模块， 用于确定所述涂层在激光烧蚀下的基体背温和第 一基体背温预测结果 间的差值， 根据所述差值对输入特 征进行排序得到排序结果； 影响因素确定模块， 用于根据所述 排序结果确定 涂层激光防护性能的影响因素； 选材方案形成模块， 用于根据所述影响因素生成激光防护涂层选材 方案； 设计模块， 用于根据所述激光防护涂层选材 方案设计激光防护涂层。 7.根据权利要求6所述的辅助激光防护涂层选材及设计系统， 其特征在于， 所述优化模 块包括： 优化单元， 用于采取遗传算法对所述预测模型进行优化得到优化模型。 8.根据权利要求6所述的辅助激光防护涂层选材及设计系统， 其特征在于， 还包括评价 模块， 用于采用所述测试集评价所述预测模型； 所述评价模块包括： 预测单元， 用于将所述测试集中的输入特征输入所述优化模型， 得到第二基体背温预 测结果； 决定系数确定单元， 用于根据 所述第二基体背温预测结果和与 所述测试集中输入特征 对应的基 体背温数据确定决定系数； 所述决定系数为R2： 其中， 为与所述测 试集中第i个输入特征对应的基体背温数据的平均值， 为第i个 输入特征的第二基体背温预测结果， yi为与所述测试集中第i个输入特征对应 的基体背温 值； 预测精度确定单元， 用于根据所述决定系数与1间的关系确定所述优化模型的预测精 度。权　利　要　求　书 2/2 页 3 CN 114065628 B 3