公开(公告)号：CN115907117A

公开(公告)日：2023-04-04

申请号：CN202211408357.4

申请日：2022-11-10

Applicant: 北京理工大学

Inventor： 黄渭清 ,  杨浪洪 ,  刘岩松 ,  李宁 ,  李冬伟

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06F30/20 ,  G06F18/23213 ,  G06F18/2413 ,  G06N3/0442

Abstract: 一种基于深度学习和动态规划的混动无人机能量管理方法，属于能量管理策略的预测技术领域。本方法基于Bi‑LSTM双向记忆网络为飞行器未来时域进行精确功率需求预测，兼顾环境信息的预测模块对于模型预测具有高度的泛化性和灵活性，使得预测结果更加综合准确,且减少了直接预测的参数复杂度；在深度学习预测的基础上基于线性规划算法构建滚动优化模块，对预测结果进行反馈校正，提供更为精确的预测结果；在等效燃油消耗最小的基础上构建能量管理优化函数，在满足预测功率的基础上实现总体油耗最小和动力电池及发动机功率分配最优，提高飞行的经济型。本发明适用空中侦察、无人机农业、空中交通监控等领域，降低飞行器总体油耗，提高经济性。

公开(公告)号：CN115809509A

公开(公告)日：2023-03-17

申请号：CN202211623704.5

申请日：2022-12-16

Applicant: 北京理工大学

Inventor： 黄渭清 ,  任培荣 ,  左正兴 ,  水有富 ,  李冬伟 ,  赵承章

IPC: G06F30/15 ,  G06F30/17 ,  G06F30/23 ,  G06F111/10 ,  G06F119/02 ,  G06F119/14

Abstract: 本发明公开的一种基于缺陷尺寸概率的气缸盖高周疲劳寿命分区预测方法，属于发动机气缸盖领域。本发明根据气缸盖不同位置屈服强度差异程度进行区域划分，并根据气缸盖不同位置最大孔隙尺寸概率密度分布和不同工程可靠度设计要求计算不同可靠度概率的裂纹萌生寿命，并对气缸盖不同区域进行小裂纹扩展寿命预测；通过危险截面法计算各区域多轴应力幅值最大值，能够表征气缸盖复杂结构应力状态多轴度对疲劳寿命影响；通过构建形式简洁且适用于大范围遍历计算的Gerber型多轴应力幅值计算模型，通过Gerber型多轴应力幅值求解模型遍历求解各单元所有截面的多轴应力幅值，提高不同位置高周疲劳寿命计算效率。本发明具有预测精度高、预测效率高和预测范围广的优点。

公开(公告)号：CN113434980B

公开(公告)日：2022-12-13

申请号：CN202110723113.4

申请日：2021-06-28

Applicant: 北京理工大学

Inventor： 黄渭清 ,  水有富 ,  刘金祥 ,  李冬伟 ,  任培荣 ,  邹润

IPC: G06F30/17 ,  G06F30/23 ,  G06F111/10 ,  G06F119/08 ,  G06F119/14

Abstract: 本发明公开的一种考虑气缸盖多因素分散性的应力分布分析方法，属于气缸盖应力分析技术领域。本发明实现方法为：确定热‑机耦合计算考虑分散性的参数；通过实验或工况计算确定考虑分散性的参数的平均值；基于参数平均值，对气缸盖进行热‑机耦合有限元分析预测，并单独分析各危险部位的应力分布，缩小各部位的分析范围，提高预测气缸盖应力分布的精确性；基于蒙特卡罗算法将更多参数的分散性考虑进气缸盖有限元分析预测中，对所述参数进行简单随机抽样，并基于简单随机抽样后的参数值进行多次热‑机耦合有限元分析预测，得到各危险部位的应力分布以及应力概率分布；基于预测数据解决气缸盖领域相关工程技术问题。本发明具有分析预测效率高的优点。

公开(公告)号：CN113240096B

公开(公告)日：2022-03-11

申请号：CN202110635459.9

申请日：2021-06-07

Applicant: 北京理工大学

Inventor： 黄渭清 ,  李冬伟 ,  刘金祥 ,  李媛 ,  任培荣

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06F16/22

Abstract: 本发明涉及一种基于粗糙集和神经网络的铸造气缸盖微组织预测方法，属于铸造铝合金气缸盖相关领域。本发明的目的是为了解决现有铸造过程需要反复试错才能确定最终的合理工艺参数，为了降低设计与生产成本，在产品设计阶段即可对铸造工艺参数进行优化，达到降低金属耗材率和铸件废品率的目的，提供一种基于粗糙集和BP神经网络的铸造铝合金气缸盖微观组织预测方法；该方法利用粗糙集理论，对影响材料微组织形貌的铸造和热处理工艺多种指标属性进行约简，数据约简的作用一方面挑选出权重较大的指标，另一方面减少了神经网络的输入维数，增强了神经网络学习的效率，以提高微组织形貌预测的准确性和效率为前提，最终达到降低金属耗材率和铸件废品率的目的。

公开(公告)号：CN113240096A

公开(公告)日：2021-08-10

申请号：CN202110635459.9

申请日：2021-06-07

Applicant: 北京理工大学

Inventor： 黄渭清 ,  李冬伟 ,  刘金祥 ,  李媛 ,  任培荣

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06F16/22

Abstract: 本发明涉及一种基于粗糙集和神经网络的铸造气缸盖微组织预测方法，属于铸造铝合金气缸盖相关领域。本发明的目的是为了解决现有铸造过程需要反复试错才能确定最终的合理工艺参数，为了降低设计与生产成本，在产品设计阶段即可对铸造工艺参数进行优化，达到降低金属耗材率和铸件废品率的目的，提供一种基于粗糙集和BP神经网络的铸造铝合金气缸盖微观组织预测方法；该方法利用粗糙集理论，对影响材料微组织形貌的铸造和热处理工艺多种指标属性进行约简，数据约简的作用一方面挑选出权重较大的指标，另一方面减少了神经网络的输入维数，增强了神经网络学习的效率，以提高微组织形貌预测的准确性和效率为前提，最终达到降低金属耗材率和铸件废品率的目的。