-
公开(公告)号：CN118941739B
公开(公告)日：2025-04-08
申请号：CN202410944280.5
申请日：2024-07-15
Applicant: 华中科技大学
Abstract: 本发明提出了一种适配器的数字孪生模型可视化方法，属于可视化领域，包括：S1、设定适配器模型在屏幕上的目标成像尺寸；S2、计算目标成像尺寸与待可视化适配器模型的实际物理宽度尺寸的比例，得到缩放比例因子，根据缩放比例因子对待可视化适配器模型进行等比例缩放，得到缩放后待可视化适配器模型，并测量缩放后待可视化适配器模型的表面积；S3、构建待可视化适配器模型的离散点云网格，并根据离散点云网格生成待可视化适配器模型的数字孪生模型；S4、编写待可视化适配器模型的数字孪生模型的着色器进行数字孪生模型渲染，并将渲染后的数字孪生模型进行可视化展示。本申请利用点云网格捕捉物理对象细节，将数字孪生模型与实际的物理信息进行融合，并通过着色器渲染提高可视化效果，提高数字孪生模型的可视化表达力。
-
公开(公告)号：CN115828711B
公开(公告)日：2023-05-09
申请号：CN202310108642.2
申请日：2023-02-14
Applicant: 华中科技大学
IPC: G06F30/23
Abstract: 本发明公开一种水下结构物破冰剩余速度预测方法及系统，所述方法包括：在给定的发射速度范围、冰厚范围内采样生成第一精度样本点和第二精度样本点；建立水下结构物破冰过程有限元模型，分别计算第二精度样本点在不同的冰材料的本构模型下的响应值，得到第二精度数据；基于第二精度数据，分别采用克里金近似建模方法构建多个第二精度模型；搭建水下结构物的缩比模型，测算第一精度样本点在缩比模型下的响应值，得到第一精度数据；通过多个第二精度模型构建趋势模型，通过第一精度数据对趋势模型进行校准，构建预测模型；通过预测模型预测水下结构物破冰剩余速度。本发明建立了变可信度代理模型对水下结构物破冰剩余速度快速预测，可提高预测精度。
-
公开(公告)号：CN114722690B
公开(公告)日：2022-09-02
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：CN118941739A
公开(公告)日：2024-11-12
申请号：CN202410944280.5
申请日：2024-07-15
Applicant: 华中科技大学
Abstract: 本发明提出了一种适配器的数字孪生模型可视化方法，属于可视化领域，包括：S1、设定适配器模型在屏幕上的目标成像尺寸；S2、计算目标成像尺寸与待可视化适配器模型的实际物理宽度尺寸的比例，得到缩放比例因子，根据缩放比例因子对待可视化适配器模型进行等比例缩放，得到缩放后待可视化适配器模型，并测量缩放后待可视化适配器模型的表面积；S3、构建待可视化适配器模型的离散点云网格，并根据离散点云网格生成待可视化适配器模型的数字孪生模型；S4、编写待可视化适配器模型的数字孪生模型的着色器进行数字孪生模型渲染，并将渲染后的数字孪生模型进行可视化展示。本申请利用点云网格捕捉物理对象细节，将数字孪生模型与实际的物理信息进行融合，并通过着色器渲染提高可视化效果，提高数字孪生模型的可视化表达力。
-
公开(公告)号：CN114792037B
公开(公告)日：2022-09-09
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。
-
Patent Agency Ranking
公开(公告)号：CN114722509A
公开(公告)日：2022-07-08
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，对优化结果进行验证。
-
公开(公告)号：CN118940560B
公开(公告)日：2025-02-25
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：CN118940612A
公开(公告)日：2024-11-12
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：CN115828711A
公开(公告)日：2023-03-21
申请号：CN202310108642.2
申请日：2023-02-14
Applicant: 华中科技大学
IPC: G06F30/23
Abstract: 本发明公开一种水下结构物破冰剩余速度预测方法及系统，所述方法包括：在给定的发射速度范围、冰厚范围内采样生成第一精度样本点和第二精度样本点；建立水下结构物破冰过程有限元模型，分别计算第二精度样本点在不同的冰材料的本构模型下的响应值，得到第二精度数据；基于第二精度数据，分别采用克里金近似建模方法构建多个第二精度模型；搭建水下结构物的缩比模型，测算第一精度样本点在缩比模型下的响应值，得到第一精度数据；通过多个第二精度模型构建趋势模型，通过第一精度数据对趋势模型进行校准，构建预测模型；通过预测模型预测水下结构物破冰剩余速度。本发明建立了变可信度代理模型对水下结构物破冰剩余速度快速预测，可提高预测精度。
-
公开(公告)号：CN114722732B
公开(公告)日：2022-09-02
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。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
