一种基于机器学习的热敏电阻颗粒制备优化方法

本发明属于热敏材料制备技术领域，具体为一种基于机器学习的热敏电阻颗粒制备优化方法；该方法通过构建包含热敏电阻颗粒的制备工艺参数、性能指标以及物理化学机理知识的数据集，制备工艺参数包括材料成分和制备条件，利用机器学习模型预测最优制备条件，实现热敏电阻颗粒的居里温度点和电阻温度系数的多目标协同优化。与传统试错法相比，本发明可降低研发成本，目标性能预测误差小于5%。本发明通过融合物理化学机理与数据驱动模型，解决了传统方法难以精准调控多性能参数的难题。