-
公开(公告)号：CN112749443A
公开(公告)日：2021-05-04
申请号：CN202011622252.X
申请日：2020-12-30
Applicant: 北京航空航天大学
IPC: G06F30/15 , G06F119/14
Abstract: 本发明公开了一种自动半自动迭代的数字样机优化并行协同设计方法，首先确定该多层联合优化的多层计算顺序，初始子区间。其次利用该单层先验信息，结合人工或收敛判据的判断，确定对该先验布点的控制区域内进行函数拟合及其可信度，如下次寻优落在此区域内，则可依据可行度采用拟合函数的该点值代替，最后在获得多个单层信息后，汇合并确定对下一轮迭代采用的优化子区间划分策略，如不变，分裂，合并，而后在新的子区间里继续优化迭代重复进行上述过程直至收敛，可以得到同时满足多层联合优化的最终设计点。本方法在保证优化结果可靠性的前提下，减少了飞行器结构优化过程中多学科分析的迭代分析次数，降低了计算成本，提高了优化效率。
-
公开(公告)号：CN112560283A
公开(公告)日：2021-03-26
申请号：CN202011551512.9
申请日：2020-12-24
Applicant: 北京航空航天大学
IPC: G06F30/20 , G06F119/02 , G06F119/14
Abstract: 本发明公开一种用于区间参数结构的可信贝叶斯可靠度分析方法，用于对结构疲劳寿命的分析和结构安全性分析设计中，首先确定未知参数，基于贝叶斯可靠性理论分析得到未知参数的后验分布；然后引入帕累托分布，基于区间边界的不确定性分析强度确定而应力不确定下的区间边界和可靠度；再基于区间边界的不确定性分析应力确定而强度不确定下的区间边界和可靠度；最后基于区间边界的不确定性分析强度和应力均不确定下的区间边界和可靠度；研究了应力不确定、强度不确定和应力与强度均不确定三种失效形式，验证了该方法的有效性和同传统置信可靠度相比较的优越性，此方法可用于对结构疲劳寿命的分析和结构安全性分析设计中。
-
公开(公告)号：CN112329304A
公开(公告)日：2021-02-05
申请号：CN202011216156.5
申请日：2020-11-04
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种连续结构动态载荷区间辨识方法，该方法针对具有区间不确定性的连续结构，利用有限的位移响应和样本信息识别动态载荷的区间边界。该方法首先建立连续结构的有限元模型，将其转换到状态空间中，采用拉丁超立方抽样方法在采样空间内随机产生若干样本点。在每个样本点处，基于最小方差无偏估计，利用结构状态估计值和结构观测信息实现一步延迟载荷辨识，进而在卡尔曼滤波框架下实现状态估计和状态估计协方差矩阵的进一步更新。在每个采样时刻，基于不确定变量‑不确定动态载荷样本集，建立载荷在区间凸模型上的随机森林代理模型，通过寻找代理模型在区间不确定域上的最值以实现载荷区间边界的辨识。
-
公开(公告)号：CN112182929A
公开(公告)日：2021-01-05
申请号：CN202010984537.1
申请日：2020-09-18
Applicant: 北京航空航天大学
IPC: G06F30/23 , G16C60/00 , G06F119/14
Abstract: 本发明公开了一种考虑尺寸控制的多孔材料跨尺度可靠性拓扑优化方法，该方法针对多孔材料进行跨尺度拓扑优化设计，设计域包含宏观结构和多孔材料单胞微结构两个尺度，考虑载荷、材料属性和安全位移许用值的不确定性，利用区间理论量化不确定性参数，采用区间参数顶点法进行不确定性传播分析，并采用特征距离理论对结构位移可靠度进行度量。优化模型以结构总体积分数最小化为优化目标，以单胞微结构体积分数和结构宏观位移可靠度作为约束，以宏观结构单元相对密度作为宏观设计变量，单胞微结构离散单元的相对密度作为微观设计变量，通过移动渐近线优化算法(MMA)更新设计变量，通过反复迭代获得在给定外载荷和边界条件下，满足约束条件且结构总体积分数最小的优化构型。
-
公开(公告)号：CN108727143B
公开(公告)日：2020-08-21
申请号：CN201810186050.1
申请日：2018-03-07
Applicant: 北京航空航天大学 , 山西北方兴安化学工业有限公司
Inventor： 高元楼 , 李佩林 , 郑建利 , 阎斌 , 陈怡 , 杨雪芹 , 阮亮 , 王文武 , 田淑宝 , 菅桂星 , 荣海燕 , 黄东彦 , 章灿新 , 贾新娟 , 王磊 , 牛强 , 刘高娥 , 张红霞
IPC: C06B21/00
Abstract: 本发明涉及一种快速卸药的两端封闭式螺压成型装置，属于螺压成型领域。本发明的螺压成型装置，包括底座、螺杆挤出机、接口卡具、螺压成型模具、支撑板、液压缸、滑动轨道；螺压成型模具为在整体模具成型段前端切割而成的两段式分体结构；螺杆挤出机和螺压成型模具前段对接后固定在底座上表面，螺压成型模具后段与液压缸对接后滑动连接在滑动轨道，液压缸的活塞杆插入螺压成型模具后段的内腔；接口卡具夹紧螺压成型模具的前段和后段。本发明的螺压成型装置，取药时无需卸下模具，提高了生产效率，螺压成型模具两端建压提高了成型产品的密实度，实现了对大尺寸药品的螺压成型。
-
Patent Agency Ranking
公开(公告)号：CN108821928B
公开(公告)日：2020-07-14
申请号：CN201810611170.1
申请日：2018-06-14
Applicant: 北京航空航天大学 , 山西北方兴安化学工业有限公司
Inventor： 郑建利 , 阎斌 , 高元楼 , 李佩林 , 陈怡 , 杨雪芹 , 阮亮 , 王文武 , 田淑宝 , 菅桂星 , 荣海燕 , 黄东彦 , 章灿新 , 贾新娟 , 王磊 , 牛强 , 刘高娥 , 张红霞
IPC: C06B21/00
Abstract: 本发明涉及一种三段式恒压螺压成型装置，属于螺压成型领域。本发明的螺压成型装置，包括底座、螺杆挤出机、螺压成型模具和恒压液压缸；所述螺压成型模具包括入料段模具、过渡段模具和成型段模具；入料段模具和恒压液压缸均通过支板同轴固定，入料段模具和恒压液压缸的支板之间固定导柱，过渡段模具和成型段模具通过支板套接在导柱上；恒压液压缸与成型段模具的支板之间、过渡段模具和入料段模具的支板之间均通过液压缸连接；入料段模具的入口连接螺杆挤出机。本发明的螺压成型装置，取药时无需卸下模具，提高了生产效率，螺压成型模具两端建压提高了成型产品的密实度，实现了对大尺寸药品的螺压成型。
-
公开(公告)号：CN111310377A
公开(公告)日：2020-06-19
申请号：CN202010110973.6
申请日：2020-02-21
Applicant: 北京航空航天大学
IPC: G06F30/23 , G06F30/17 , G16C60/00 , G06F111/06 , G06F111/10
Abstract: 本发明公开了一种基频和频率间隔混合约束下的连续体结构非概率可靠性拓扑优化设计方法。该方法首先采用修正的带罚因子的固体各向同性微结构/材料插值模型来消除局部模态的问题；采用顶点组合法得到结构固有频率的上下界限，并采用边界公式来克服优化过程中模态交换的问题，从而构建基频和频率间隔混合约束下的连续体结构非概率可靠性拓扑优化模型；采用性能极值方法对原来的可靠性指标进行转化从而克服优化中的收敛性问题，并运用复合函数求导法则求解目标性能极值对设计变量的灵敏度；调整移动渐进算法(MMA)中的参数，并进行迭代优化计算，直至满足相应的收敛性条件，得到满足基频和频率间隔可靠度约束的优化设计方案。
-
公开(公告)号：CN107179077B
公开(公告)日：2020-06-09
申请号：CN201710337967.2
申请日：2017-05-15
Applicant: 北京航空航天大学
Abstract: 本发明基于ELM‑LRF神经网络模型设计了一种机器人的自适应视觉导航方法。该方法分配(st,at,rt,st+1,Qt)结构体数据存储空间；令机器人在选定环境中重复运动，获得所需结构体数据，将状态相同的数据通过删除Q值较小的数据进行预处理。然后以st作为输入，at作为输出完成对ELM‑LRF的训练，建立起当前状态和最优动作的映射关系。最后以机器人能否找到目标来测试机器人的导航能力。本发明在该数据空间下利用ELF‑LRF模型提出的方法大大提高了机器人的导航速度。其中，st是当前状态，在这里为拍摄到的照片，at是在st下机器人的动作(前后左右运动)，rt是at的即时回报，st+1是机器人在at后的状态，Q为长远回报，Qt值为在状态st下执行at后得到的总的长远回报。
-
公开(公告)号：CN111027133A
公开(公告)日：2020-04-17
申请号：CN201910983281.X
申请日：2019-10-16
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于径向基神经网络的结构动态分布载荷识别方法，考虑测量信号噪声与结构不确定参数，结合径向基神经网络算法，对若干动态分布载荷作用下的结构动态响应及动态分布载荷通过勒让德正交多项式逼近的多项式系数进行训练，从而得到载荷识别模型的动态分布载荷识别网络。该方法首先基于有限元计算与正交多项式拟合生成神经网络训练样本，再引入高斯白噪声及子区间不确定性传播分析方法，得到考虑多源不确定性的结构动态响应与多项式系数之间的映射关系，最后输入传感器测量的响应信息，得到待识别动态分布载荷的多项式系数，从而基于正交多项式拟合手段识别结构的动态分布载荷。
-
公开(公告)号：CN110473151A
公开(公告)日：2019-11-19
申请号：CN201910598856.6
申请日：2019-07-04
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于分区卷积和关联损失的双阶段图像补全方法及系统。其中，该方法包括如下步骤：S1，对完整图片随机生成缺失区域构成缺失图片；S2，缺失图片经过第一阶段网络，采用分区卷积，生成初步的补全结果；对生成的初步的补全结果构建关联损失和一范数损失；S3，初步的补全结果经过第二阶段网络，采用普通卷积，生成细致的补全结果；对生成的细致的补全结果构建风格损失和一范数损失；S4，计算整体损失函数，迭代步骤S1～S3的训练，直至整体损失函数收敛，完成训练。本发明在保证模型泛化能力的同时，有效提升深度学习模型对于对抗样本噪音和自然噪音的鲁棒性，提高深度学习模型在实际场景中应用时的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
423
records
(took 0.097 seconds)
