-
公开(公告)号：CN109783918A
公开(公告)日：2019-05-21
申请号：CN201910007018.7
申请日：2019-01-04
Applicant: 上海交通大学
IPC: G06F17/50
Abstract: 一种基于切换序贯采样模式的减速器优化设计实现方法，采用拉丁超立方采样方法与高精度计算模型构建初始数据库，并依此构建初始代理模型；在迭代更新代理模型样本点的过程中，采用互相独立的面向全局最优搜索和/或面向局部最优搜索，并根据代理模型的迭代过程中获取的搜索参数进行序贯采样模式的切换，当满足终止条件后得到最终优化结果，本方法增强了迭代过程中样本点对整个设计空间的探索能力，同时有效避免了迭代过程中产生冗余样本点，从而改善序贯采样代理模型全局优化算法的优化精度并提高其优化效率。
-
公开(公告)号：CN111024484B
公开(公告)日：2021-07-13
申请号：CN201911187698.1
申请日：2019-11-28
Applicant: 上海交通大学
Abstract: 一种纤维增强复合材料随机力学性能预测方法，通过确定多尺度模型并生成输入不确定性数据集；对每个尺度下的输入不确定性数据集进行相关性分析得到各输入变量之间的相关系数，并根据相关性强弱采取对应转换途径得到符合标准高斯分布的随机响应；最后采取稀疏混沌多项式方法进行不确定性传递得到随机响应的表达式，并采用λ‑PDF以前表达式的四阶矩为约束拟合得到随机响应的概率密度函数，完成所有尺度的不确定性传递并输出最终结果。本发明充分考虑纤维增强复合材料各尺度的不确定性以及随机变量之间的高维相关性，通过层级式的不确定性传递技术对纤维增强复合材料宏观随机力学性能的进行高效准确的预测。
-
公开(公告)号：CN111024485B
公开(公告)日：2021-06-04
申请号：CN201911193182.8
申请日：2019-11-28
Applicant: 上海交通大学
Abstract: 一种纤维增强复合材料参数层级敏感性分析方法，通过确定纤维增强复合材料多尺度模型各层级的子模型，经细观‑介观尺度模型材料参数敏感性分析得到细观‑介观尺度指标，然后通过介观‑宏观尺度模型材料参数敏感性分析得到介观‑宏观尺度指标和独立转换变量；再基于敏感性分析得到细观材料参数与独立转换变量的敏感性指标；最后通过线性回归获得线性回归系数并集成组合上述指标获得整个纤维增强复合材料多尺度模型的敏感性指标，并基于该敏感性指标对材料参数的影响程度进行有效评估。本发明对提高新材料的设计效率，缩短设计周期，快速有效地进行材料设计方案有着重要意义和实际价值。
-
公开(公告)号：CN111024485A
公开(公告)日：2020-04-17
申请号：CN201911193182.8
申请日：2019-11-28
Applicant: 上海交通大学
Abstract: 一种纤维增强复合材料参数层级敏感性分析方法，通过确定纤维增强复合材料多尺度模型各层级的子模型，经细观-介观尺度模型材料参数敏感性分析得到细观-介观尺度指标，然后通过介观-宏观尺度模型材料参数敏感性分析得到介观-宏观尺度指标和独立转换变量；再基于敏感性分析得到细观材料参数与独立转换变量的敏感性指标；最后通过线性回归获得线性回归系数并集成组合上述指标获得整个纤维增强复合材料多尺度模型的敏感性指标，并基于该敏感性指标对材料参数的影响程度进行有效评估。本发明对提高新材料的设计效率，缩短设计周期，快速有效地进行材料设计方案有着重要意义和实际价值。
-
Patent Agency Ranking
公开(公告)号：CN112182938A
公开(公告)日：2021-01-05
申请号：CN202011087261.3
申请日：2020-10-13
Applicant: 上海交通大学
IPC: G06F30/23 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/14
Abstract: 一种基于迁移学习‑多保真度建模的介观结构件力学性能预测方法，采用包含两个保真度数据集的初始数据库，并基于低保真度数据集对前馈人工神经网络(Artificial Neural Network,ANN)进行初始训练，得到低保真度神经网络；再进行微调(finetune)重训练得到多保真度神经网络；将待预测介观结构件作为此多保真度神经网络输入并预测得到其力学性能。本发明嫩故以较高精度预测介观结构件对应的力学性能，能够融合不同保真度数据进行建模，且相比传统协同克里金法对高保真度数据需求量较少，降低了介观力学性能的预测成本。
-
公开(公告)号：CN109783918B
公开(公告)日：2023-01-20
申请号：CN201910007018.7
申请日：2019-01-04
Applicant: 上海交通大学
Abstract: 一种基于切换序贯采样模式的减速器优化设计实现方法，采用拉丁超立方采样方法与高精度计算模型构建初始数据库，并依此构建初始代理模型；在迭代更新代理模型样本点的过程中，采用互相独立的面向全局最优搜索和/或面向局部最优搜索，并根据代理模型的迭代过程中获取的搜索参数进行序贯采样模式的切换，当满足终止条件后得到最终优化结果，本方法增强了迭代过程中样本点对整个设计空间的探索能力，同时有效避免了迭代过程中产生冗余样本点，从而改善序贯采样代理模型全局优化算法的优化精度并提高其优化效率。
-
公开(公告)号：CN110362912B
公开(公告)日：2022-11-08
申请号：CN201910608548.7
申请日：2019-07-08
Applicant: 上海交通大学
IPC: G16C60/00
Abstract: 一种介观结构优化方法，采用拉丁超立方采样方法构建介观结构设计变量的初始样本点，采用MATLAB平台生成介观结构静态仿真模型的计算文件并提交至软件求解器进行计算，生成有限元仿真结果；最后通过自动化脚本对仿真的输出结果文件进行文本处理与数据提取，将样本点响应值输出为txt文件，完成介观结构优化过程中的建模仿真数据提取的自动化流程。本发明通过MATLAB调用操作系统命令行、有限元分析软件和Python语言，编程实现无GUI界面的仿真建模，在需要求得大量样本点对应的响应值的情况下，通过多次循环可以实现不同样本点下的响应值数据提取，简化了优化过程中多次人工操作的繁琐，提升了优化效率。
-
公开(公告)号：CN111024484A
公开(公告)日：2020-04-17
申请号：CN201911187698.1
申请日：2019-11-28
Applicant: 上海交通大学
Abstract: 一种纤维增强复合材料随机力学性能预测方法，通过确定多尺度模型并生成输入不确定性数据集；对每个尺度下的输入不确定性数据集进行相关性分析得到各输入变量之间的相关系数，并根据相关性强弱采取对应转换途径得到符合标准高斯分布的随机响应；最后采取稀疏混沌多项式方法进行不确定性传递得到随机响应的表达式，并采用λ-PDF以前表达式的四阶矩为约束拟合得到随机响应的概率密度函数，完成所有尺度的不确定性传递并输出最终结果。本发明充分考虑纤维增强复合材料各尺度的不确定性以及随机变量之间的高维相关性，通过层级式的不确定性传递技术对纤维增强复合材料宏观随机力学性能的进行高效准确的预测。
-
公开(公告)号：CN110362912A
公开(公告)日：2019-10-22
申请号：CN201910608548.7
申请日：2019-07-08
Applicant: 上海交通大学
Abstract: 一种介观结构优化方法，采用拉丁超立方采样方法构建介观结构设计变量的初始样本点，采用MATLAB平台生成介观结构静态仿真模型的计算文件并提交至软件求解器进行计算，生成有限元仿真结果；最后通过自动化脚本对仿真的输出结果文件进行文本处理与数据提取，将样本点响应值输出为txt文件，完成介观结构优化过程中的建模仿真数据提取的自动化流程。本发明通过MATLAB调用操作系统命令行、有限元分析软件和Python语言，编程实现无GUI界面的仿真建模，在需要求得大量样本点对应的响应值的情况下，通过多次循环可以实现不同样本点下的响应值数据提取，简化了优化过程中多次人工操作的繁琐，提升了优化效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
