-
公开(公告)号：CN118940612B
公开(公告)日：2025-02-25
申请号：CN202410944676.X
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/27 , G06F30/10 , G06F30/23 , G06N3/0499 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于参数优化神经网络的适配器优化设计方法，属于适配器设计领域，包括：S1、采用拉丁超立方采样法生成适配器构型样本，通过有限元模型获取应变场数据，将适配器构型样本输入参数和应变场分布作为训练集训练不确定性量化模型；S2、将训练后的不确定性量化模型作为近似代理模型，用于计算目标函数；S3、构建参数优化神经网络，并使用训练集和训练后的不确定性量化模型对参数优化神经网络进行训练，得到训练后的参数优化神经网络，所述训练后的参数优化神经网络的输出为适配器的最优设计参数。本申请利用训练好的不确定性量化模型对参数优化神经网络进行性能评估和参数优化，并确定最优权重参数，进而确定适配器的最优设计参数，提高适配器优化设计效率及准确率。
-
公开(公告)号：CN116738315A
公开(公告)日：2023-09-12
申请号：CN202310714333.X
申请日：2023-06-16
Applicant: 华中科技大学
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提出了一种激光粉末床熔融增材制造不同材料气孔率监测方法，涉及增材制造领域，包括：获取源域数据和目标域数据；构建预训练模型，包括特征提取模块和第一分类识别模块；对预训练模型进行迭代训练，得到特征提取模块的第一参数；锁定第一参数，对第一分类识别模块进行调整，得到第二分类识别模块，基于预训练模型的特征提取模块和第二分类识别模块构成微调模型；对微调模型进行迭代训练；获取目标域的待监测数据，利用训练好的微调模型对待监测数据进行识别分类，得到分类结果。本发明提出的方法提高了对不同材料零件气孔率监测的识别精度，且充分利用了历史数据，避免了资源浪费。
-
公开(公告)号：CN115879350A
公开(公告)日：2023-03-31
申请号：CN202310071166.1
申请日：2023-02-07
Applicant: 华中科技大学
Abstract: 本发明提出了一种基于序贯采样的飞行器阻力预测方法，涉及飞行器设计领域，包括以下步骤：S1，确定设计空间，采样生成第一精度样本点和第二精度样本点，作为初始样本集；S2，通过有限元仿真构建第一精度模型和第二精度模型，由第一精度模型生成第一精度数据，并通过克里金近似建模方法构建第一精度近似模型；S3，由第二精度模型生成第二精度数据，计算第一精度数据与第二精度数据的差值，并构建加法标度模型，由加法标度模型和第一精度近似模型组成多精度近似模型；S4，判断多精度近似模型是否满足加点收敛准则，不满足时，添加新的第二精度样本点至初始样本集中，更新样本集，并重复步骤S3；满足时，输出多精度近似模型，预测飞行阻力。
-
公开(公告)号：CN114722732A
公开(公告)日：2022-07-08
申请号：CN202210648286.9
申请日：2022-06-09
Applicant: 华中科技大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/08
Abstract: 本发明提供了基于点云网络的高超声速飞行器燃料箱温度场预测方法，包括如下步骤：S1：获取超声速飞行器燃料箱形状特征、材料构成及工况变量；S2：根据燃料箱传热分层情况，进行网格划分，并设置边界条件；建立燃料箱三维传热的数值模拟模型并进行验证；S3：选取数值模拟模型的中间位置纵向截面上温度场点云数据，建立燃料箱温度场的点云样本数据集；S4：基于点云样本数据集，划分训练数据集和测试数据集；S5：建立点云网络模型，利用训练数据集和测试数据集对点云网络模型进行训练验证，获取基于点云网络的温度场预测模型；S6：利用温度场预测模型进行温度场进行预测。
-
Patent Agency Ranking
公开(公告)号：CN118940560A
公开(公告)日：2024-11-12
申请号：CN202410944530.5
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/23 , G06F30/10 , G06F30/27 , G06N3/045 , G06N3/082 , G06F119/14 , G06F111/10
Abstract: 本发明提出了一种基于信息融合特征均衡算子的适配器应变场预测方法，属于适配器领域，包括：S1、获取适配器的几何特征、设计变量、设计变量变化范围，应变场信息为待预测值；S2、根据适配器的设计变量建立适配器几何模型，并以适配器几何模型为基础构建超材料静力学有限元模型，采用拉丁超立方采样法获取样本点，利用超材料静力学有限元模型根据仿真生成训练数据集；S3、构建基于信息融合特征均衡算子神经网络模型，并使用训练数据集对基于信息融合特征均衡算子神经网络模型进行训练，得到训练后的基于信息融合特征均衡算子神经网络模型；S4、使用训练后的基于信息融合特征均衡算子神经网络模型对待预测应变场信息进行预测，得到适配器应的应变场分布。本申请增强对几何特征的提取能力和建模能力，使基于信息融合特征均衡算子神经网络模型能够快速预测不同几何构型的的适配器应变场分布。
-
公开(公告)号：CN114722509B
公开(公告)日：2022-09-09
申请号：CN202210645363.5
申请日：2022-06-09
Applicant: 华中科技大学
IPC: G06F30/15 , G06F30/23 , G06F30/27 , G06N3/12 , G06F113/26 , G06F119/14
Abstract: 本发明提供了基于纤维连续性模型的锥形加筋舱铺层顺序优化方法，包括如下步骤：S1：获取待优化的复合材料锥形加筋舱铺层的设计变量、设计空间以及待优化的性能指标；S2：构建基于区域序列的纤维连续性模型；S3：根据构建的基于区域序列的纤维连续性模型，建立复合材料锥形加筋舱铺层有限元模型；S4：根据复合材料锥形加筋舱铺层有限元模型，通过有限元分析得到复合材料锥形加筋舱铺层质量；S5：建立优化模型，并采用遗传算法对所述优化模型进行求解；S6：通过复合材料锥形加筋舱的起竖工况和轴压工况进行有限元分析，对优化结果进行验(56)对比文件金亮等.基于丢层序列和区域序列的复合材料层合结构纤维连续性优化模型《.中国力学大会-2017暨庆祝中国力学学会成立60周年大会论文集（A）》.2017,金朋等.基于整数编码并行遗传算法的复合材料螺旋桨结构优化设计《.机械强度》.2012,第34卷(第2期),P. Jin,X. Zhong,J. Yang andZ.Sun.Blending design of composite panelswith lamination parameters《.TheAeronautical Journal》.2016,第120卷(第1233期),Liu B，Haftka R T，Akgun M A.Two-levelcomposite wing structural optimizationusing response surfaces《.StructureMultidisciplinary Optimization》.2000,K. Sathyanarayana等.AircraftComposite Skin Stacking SequenceGeneration using Genetic Algorithms.《Vehicle Structures & Systems》.doi:10.4273/ijvss.4.3.04,2012,第4卷(第3期),Zijian Zhang, Xiaoping Ma, PengJin.Optimal design of tapered compositestructures with a dynamic boundary subsetblending model《.Proceedings of theInstitution of Mechanical Engineers, PartG: Journal of Aerospace Engineering》.2021,第235卷(第14期),
-
公开(公告)号：CN114792037A
公开(公告)日：2022-07-26
申请号：CN202210714499.7
申请日：2022-06-23
Applicant: 华中科技大学
IPC: G06F30/17 , G06F30/23 , G06F111/04 , G06F111/10
Abstract: 本发明提供了一种超材料隔振器的序贯稳健性优化设计方法，其特征在于，包括如下步骤，步骤1：获得高精度分析模型和两个不可分层级的低精度分析模型；并获取初始高精度设计样本点与初始低精度设计样本点；步骤2：通过高精度分析模型和两个低精度分析模型分别获得对应设计样本点处的响应；步骤3：构建变可信度近似模型；步骤4：最大化目标函数和约束条件协同更新准则进行稳健性优化；步骤5：判断稳健性优化设计过程是否收敛；若收敛则执行步骤6，若不收敛则更新样本点集合，并跳转至步骤2，重复步骤2—5；步骤6：输出超材料隔振器稳健性优化问题的最优解。
-
公开(公告)号：CN114722690A
公开(公告)日：2022-07-08
申请号：CN202210643830.0
申请日：2022-06-09
Applicant: 华中科技大学
Abstract: 本发明提供了基于变可信度神经网络的声学超表面声场快速预测方法，该预测方法包括如下步骤：获取待预测声学超表面的几何特征、设计变量及其变化范围，以及待预测声场信息；根据待预测声学超表面的设计变量，建立声学超表面的第一精度有限元模型和第二精度有限元模型；采用拉丁超立方采样法，第一精度样本点以及第二精度样本点；通过有限元模型批量化仿真，获取各个第一精度样本点及第二精度样本点的声场分布数据，并对数据进行预处理，利用第二精度样本点声场分布数据对第一精度样本点声场分布数据进行扩充，获取训练数据集；构建变可信度神经网络模型，并根据训练数据集对变可信度神经网络模型进行训练。
-
公开(公告)号：CN114722639A
公开(公告)日：2022-07-08
申请号：CN202210639000.0
申请日：2022-06-08
Applicant: 华中科技大学
Abstract: 本发明提出了一种不确定下基于Kriging模型的固体发动机仿真模型校验方法，本发明方法通过面积指标度量仿真模型和实验模型输出分布的一致性，并构建Kriging模型来近似表达不同认知不确定性参数与一致性指标之间的关系，将现有的两阶段内外嵌套框架转化为单阶段优化，在此基础上构建优化问题对认知不确定性参数进行校准，大大提高了参数校准问题的求解效率。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
