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！

龙图腾网获悉东北大学申请的专利一种基于物理图拓扑与图卷积神经网络的冷轧摩擦系数预测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：CN121765283B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610244412.2，技术领域涉及：G06F18/20；该发明授权一种基于物理图拓扑与图卷积神经网络的冷轧摩擦系数预测方法是由李旭;金树仁;韩月娇;张欣设计研发完成，并于2026-03-02向国家知识产权局提交的专利申请。

本一种基于物理图拓扑与图卷积神经网络的冷轧摩擦系数预测方法在说明书摘要公布了：本发明的一种基于物理图拓扑与图卷积神经网络的冷轧摩擦系数预测方法，包括：定义用于板带冷连轧中摩擦系数分析的图拓扑结构的建立规则；依据板带冷连轧工艺特征和生产经验选取分析参数，确定图拓扑结构中的节点集合、物理关系函数集合以及边集合；构建具有物理权重的图卷积网络的邻接矩阵和对应的自邻接矩阵；引入度矩阵对自邻接矩阵执行归一化处理生成归一化自邻接矩阵；依据上述设置以及图卷积网络的基本形式，构建基于物理特征图卷积神经网络；选取冷轧产品样本，获取分析参数和摩擦系数先验值，对基于物理特征图卷积神经网络进行训练；采用决定系数、均方误差、平均绝对误差和平均绝对百分比误差来评价基于物理特征图卷积神经网络的性能。

本发明授权一种基于物理图拓扑与图卷积神经网络的冷轧摩擦系数预测方法在权利要求书中公布了：1.一种基于物理图拓扑与图卷积神经网络的冷轧摩擦系数预测方法，其特征在于，包括： 步骤1：基于启发式搜索理论，定义用于板带冷连轧中摩擦系数分析的图拓扑结构的建立规则； 步骤2：依据板带冷连轧工艺特征和生产经验选取分析参数，确定图拓扑结构中的节点集合、物理关系函数集合以及边集合； 步骤3：基于雷诺方程，构建具有物理权重的图卷积网络的邻接矩阵和对应的自邻接矩阵； 步骤4：引入度矩阵，对自邻接矩阵执行归一化处理以满足图卷积网络的运行要求，并生成归一化自邻接矩阵； 步骤5：依据步骤2至步骤4设置以及图卷积网络的基本形式，构建用于冷轧摩擦系数的基于物理特征图卷积神经网络； 步骤6：选取冷轧产品样本，获取分析参数和摩擦系数先验值，将分析参数作为基于物理特征图卷积神经网络的输入，摩擦系数先验值作为输出，对基于物理特征图卷积神经网络进行训练； 步骤7：采用决定系数、均方误差、平均绝对误差和平均绝对百分比误差来评价基于物理特征图卷积神经网络的性能； 所述步骤3具体为： 使用于冷连轧板带中润滑过程的雷诺方程为： 6 式中，为瞬时油膜厚度，单位mm；为润滑剂的初始黏度，单位mm2s；为黏压系数；为轧制压力，单位MPa；综合轧制速度，单位ms；为微分算子； 将式6进行离散化，获取边对应工艺下的物理权重系数表示为； 7 式中，为边对应工艺下的瞬时油膜厚度，单位mm；为对应工艺下的轧制压力差，单位MPa；为离散化步长； 依据图神经网络基本原理，定义带有物理权重系数的邻接矩阵为： 8 将邻接矩阵修改表示为自邻接矩阵： 9 式中，为单位矩阵，通过引入单位矩阵以使增加自环保证节点自身特征传播。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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”。

以上内容由龙图腾AI智能生成。