一种基于机器学习的SLM合金TC4拉伸强度预测方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于机器学习的SLM合金Ti‑6Al‑4V(TC4)拉伸强度预测方法，包括以下步骤：获取用来预测TC4合金拉伸强度的特征数据训练集；建立机器学习模型数据库，筛选特征数据，获取最优特征组合；通过十重交叉验证方法选择机器学习模型；采用选择的机器学习模型并输入最优特征组合进行模型训练；模型训练完成后，输入未知的TC4合金成分以及加工条件，得到输出数据，即为抗拉强度。本发明利用机器学习寻找确定TC4合金拉伸强度高的作用因素，推动TC4合金拉伸强度增强因素的探索，建立有效的抗拉强度模型，提高拉伸强度预测精度，对促进TC4合金性能优化、加速TC4合金的成分设计优化具有重要意义。

《一种基于机器学习的SLM合金TC4拉伸强度预测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 202211545411X，当前法律状态为已下证，由昆明理工大学提出申请，发明人为刘洪喜;齐惠清;张晓伟;陶建涛;李为尚;刘亮，申请日期为2022-12-05，公开（公告）日期为2025-08-22，国际专利分类号（IPC）为 G16C 60/00 (2019.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于机器学习的SLM合金Ti‑6Al‑4V(TC4)拉伸强度预测方法，包括以下步骤：获取用来预测TC4合金拉伸强度的特征数据训练集；建立机器学习模型数据库，筛选特征数据，获取最优特征组合；通过十重交叉验证方法选择机器学习模型；采用选择的机器学习模型并输入最优特征组合进行模型训练；模型训练完成后，输入未知的TC4合金成分以及加工条件，得到输出数据，即为抗拉强度。本发明利用机器学习寻找确定TC4合金拉伸强度高的作用因素，推动TC4合金拉伸强度增强因素的探索，建立有效的抗拉强度模型，提高拉伸强度预测精度，对促进TC4合金性能优化、加速TC4合金的成分设计优化具有重要意义。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！