-
公开(公告)号：CN119643723A
公开(公告)日：2025-03-18
申请号：CN202411671577.5
申请日：2024-11-21
Applicant: 哈尔滨工业大学
IPC: G01N29/44 , G01N29/04 , G06F18/2131 , G06T7/00 , G06T7/73 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明提出一种基于物理信息融合生成对抗神经网络的导波全波场反演方法。所述方法包括损伤波场特征提取、生成对抗网络的网络架构设计和导波波场与损伤几何图像重构方法等。本发明所述方法采用训练完成后生成对抗网络的导波波场生成器输出信号与实际测量信号进行匹配，通过匹配结果对应的随机序列重构导波波场与损伤图像。该方法可灵活应用于各种测点布置方案的工况中，并且重构效率较高，对噪声有一定的鲁棒性。
-
公开(公告)号：CN118839564A
公开(公告)日：2024-10-25
申请号：CN202410950413.X
申请日：2024-07-16
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/0475 , G06N3/045 , G06N3/096 , G06F18/213 , G06F111/10 , G06F111/04
Abstract: 本发明提出基于少量测点加速度数据和生成对抗网络的结构全自由度振型识别方法。首先，训练生成对抗网络模型，学习结构有限元模型在物理参数各可能数值下的模拟振型大数据集，生成器输入为低维空间中随机采样的向量z，输出为高维的模拟全自由度振型数据φ。其次，基于动力学知识建立振型与监测数据的映射关系，构建优化目标函数。最后，训练好的生成器G通过相对低维的向量z表示结构全自由度振型的特征，通过直接在z空间搜寻获得最优全自由度振型#imgabs0#该方法将生成器作为待识别振型φ的物理模型驱动约束项，从有限元模拟数据中自动学习振型识别有关的物理信息来改善全自由度模态识别反演问题的不适定性。
-
公开(公告)号：CN118705201A
公开(公告)日：2024-09-27
申请号：CN202410728395.0
申请日：2024-06-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种低反力度压气机级非定常振荡抽吸激励的施加实验装置，涉及压气机技术领域，解决了目前缺少用于对叶栅施加振荡激励的试验装置的问题。本发明外连接段、抽吸调控段、扩大端和叶栅连接段依次连接；抽吸调控段包括流道套管和轴向电机组件；流道套管一端和外连接段连接，另一端和扩大端连接；流道套管内设有轴向电机组件；流道套管两端均设有挡板；轴向电机组件包括轴向电机和旋转轮，轴向电机设置于流道套管内，旋转轮设置于轴向电机输出轴上；旋转轮一半为实心结构，一半为镂空结构。本发明通过在流道套管内设置轴向电机以及旋转轮，通过轴向电机控制旋转轮转速，来控制旋转轮镂空结构在流道套管内的位置，实现控制振荡抽吸流量。
-
公开(公告)号：CN119006522A
公开(公告)日：2024-11-22
申请号：CN202411091247.9
申请日：2024-08-09
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于稠密匹配与先验知识增强的结构振动位移识别方法。所述方法包括图像特征增强网络的架构设计与训练、基于稠密匹配的非迭代式光流估计模型的建立、基于监测视频中的运动先验信息改进光流估计结果、像素运动向结构位移的转换、基于物理先验知识改进位移识别结果等。本发明所述方法采用训练好的深度学习模型增强图像特征，并使用基于注意力机制的稠密匹配与光流传播策略得到监测视频的全场像素运动，该方法实现了快速和稠密的运动估计，解决了现有方法的问题。所述方法在较低监测视频质量下识别结构振动位移的精度、密度和速度等方面具有独特的优势，对恶劣环境条件的鲁棒性也较强。
-
公开(公告)号：CN118797834A
公开(公告)日：2024-10-18
申请号：CN202410801921.1
申请日：2024-06-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于锥形流理论的超声速压气机叶型设计方法，包括如下步骤：1)将压气机叶片的的吸力面型线分为两段；2)利用锥形流理论追踪激波后的流线来拟合第一段吸力面型线；3)通过三次Bezier曲线拟合形成第二段吸力面型线；4)采用两段三次Bezier曲线拟合压力面的多个控制点，构建压力面型线；5)采用内切圆弧构造曲率连续的前缘和尾缘。本发明使得靠近前缘的压力面型线为追踪激波后流线得来的，可以使设计者根据已知激波进行叶型设计，并且具备预压缩效率高、气动效率较高等优点。
-
Patent Agency Ranking
公开(公告)号：CN118360813A
公开(公告)日：2024-07-19
申请号：CN202410547830.X
申请日：2024-05-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于废纸纤维制备的絮凝剂及其方法和应用，属于水处理剂及其制备技术领域。本发明采用季鏻盐对废纸纤维进行化学改性制备絮凝剂，实现了废纸的高效利用，同时制备得到的絮凝剂附加值高，吸附效果显著，在水污染治理方面优势明显。本发明利用废纸纤维的纤维状以及疏松多孔的结构，使获得絮凝剂具有较大的比表面积，能够更好的吸附和捕集水中的颗粒物。此外，废纸纤维具有的疏水性有利于废纸纤维在水中润胀，能有效提交其与水中其他物质碰撞几率，增强絮凝剂的捕集效果。本发明制备得到的絮凝剂可以有效地替代现有絮凝剂，实现对废纸的高值化利用，有助于环境的可持续发展。
-
公开(公告)号：CN115415627B
公开(公告)日：2023-11-10
申请号：CN202210996941.X
申请日：2022-08-19
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种镁合金与钨合金的超声辅助钎焊方法，以锡铝合金作为钎料，先通过超声预涂覆工艺，对液态钎料施加超声波振动，实现钎料与钨合金的冶金结合，再通过超声辅助钎焊工艺，对镁合金施加超声波振动，间接对液态钎料施加超声波振动，实现钎料与镁合金的冶金结合，最终实现镁合金与钨合金的低温焊接；本发明制备的锡铝合金钎料降低钨合金的钎焊温度，利用超声在液态钎料中产生的局部高温、高压，激励固液表面，促进钎料在钨合金上的低温润湿以及Al元素与W元素的低温冶金结合，本发明首次提出镁合金与钨合金的超声辅助钎焊方法，采用自主设计的超声辅助钎焊装置，无需使用钎剂、节能环保、成本低，操作简单，属于异种材料焊接技术领域。
-
公开(公告)号：CN115415627A
公开(公告)日：2022-12-02
申请号：CN202210996941.X
申请日：2022-08-19
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供了一种镁合金与钨合金的超声辅助钎焊方法，以锡铝合金作为钎料，先通过超声预涂覆工艺，对液态钎料施加超声波振动，实现钎料与钨合金的冶金结合，再通过超声辅助钎焊工艺，对镁合金施加超声波振动，间接对液态钎料施加超声波振动，实现钎料与镁合金的冶金结合，最终实现镁合金与钨合金的低温焊接；本发明制备的锡铝合金钎料降低钨合金的钎焊温度，利用超声在液态钎料中产生的局部高温、高压，激励固液表面，促进钎料在钨合金上的低温润湿以及Al元素与W元素的低温冶金结合，本发明首次提出镁合金与钨合金的超声辅助钎焊方法，采用自主设计的超声辅助钎焊装置，无需使用钎剂、节能环保、成本低，操作简单，属于异种材料焊接技术领域。
-
公开(公告)号：CN111711820A
公开(公告)日：2020-09-25
申请号：CN202010401866.9
申请日：2020-05-13
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于生成对抗网络的裂缝图像压缩采样方法，所述方法包括生成对抗网络的网络架构设计、表征裂缝图像与低维向量映射关系的裂缝图像生成器建模、对抗训练超参数的调优、压缩采样的压缩观测矩阵的设计、最优低维向量的求解等。本发明所述方法采用训练好的生成对抗网络的裂缝图像生成器作为物理约束实现图像的解压缩重构，无需传统压缩采样方法一样要求裂缝图像具有稀疏性，适用范围更广。在生成对抗网络学习到裂缝图像与低维向量的映射关系之后，基于梯度下降方法优化低维向量，实现图像解压缩重构的快速求解。所述方法在较高压缩率下裂缝图像重构的精度和重构速度等方面具有独特的优势，对噪声的鲁棒性也较强。
-
公开(公告)号：CN118839564B
公开(公告)日：2025-03-21
申请号：CN202410950413.X
申请日：2024-07-16
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06N3/0475 , G06N3/045 , G06N3/096 , G06F18/213 , G06F111/10 , G06F111/04
Abstract: 本发明提出基于少量测点加速度数据和生成对抗网络的结构全自由度振型识别方法。首先，训练生成对抗网络模型，学习结构有限元模型在物理参数各可能数值下的模拟振型大数据集，生成器输入为低维空间中随机采样的向量z，输出为高维的模拟全自由度振型数据φ。其次，基于动力学知识建立振型与监测数据的映射关系，构建优化目标函数。最后，训练好的生成器G通过相对低维的向量z表示结构全自由度振型的特征，通过直接在z空间搜寻获得最优全自由度振型#imgabs0#该方法将生成器作为待识别振型φ的物理模型驱动约束项，从有限元模拟数据中自动学习振型识别有关的物理信息来改善全自由度模态识别反演问题的不适定性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.027 seconds)
