-
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：CN114996995B
公开(公告)日：2024-07-02
申请号：CN202210554012.3
申请日：2022-05-20
Applicant: 华中科技大学
Abstract: 本发明公开一种超材料隔振单元性能预报方法和系统，属于超材料隔振单元性能预报技术领域。包括：利用有限元仿真分别生成第一训练样本集对应高精度性能响应和第二训练样本集对应多个低精度性能响应，第二训练样本集大于第一训练样本集；将性能响应训练集和待测样本集一起输入变可信度多输出代理模型，得到训练好的变可信度多输出代理模型，变可信度多输出代理模型包括一个变可信度多输出高精度代理模型和多个不可分层低精度代理模型，差异函数在各待测样本点的波动最小；采用训练好的变可信度多输出代理模型，在待测样本集处进行预测，得到性能预报结果。本发明充分利用多个不可分层低精度模型的信息及输出之间潜在关联，提高代理模型的预测精度。
-
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：CN118035873A
公开(公告)日：2024-05-14
申请号：CN202410223999.X
申请日：2024-02-29
Applicant: 华中科技大学
IPC: G06F18/2415 , G01M13/028 , G06F18/15 , G06F18/2131 , G06F18/22 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明提供一种并行卷积改进三元组网络的故障诊断方法，涉及故障诊断技术领域，包括：对齿轮箱的运行状态数据进行数据采集，得到初始数据集；针对每个初始数据构造为三元组数据，得到三元组数据集；构建故障诊断模型，包括特征提取网络、距离度量网络和分类器网络；将三元组数据集输入特征提取网络中，利用特征提取网络提取三元组数据集的特征向量，同时将特征向量输入距离度量网络和分类器网络中进行联合迭代训练，即得到优化后的故障诊断模型；获取齿轮箱的实时数据，利用优化后的故障诊断模型对实时数据进行故障诊断，得到诊断结果。本发明解决了现有故障诊断模型在不平衡条件下对故障样本缺乏导致的故障信息提取难的问题。
-
公开(公告)号：CN114741977A
公开(公告)日：2022-07-12
申请号：CN202210659315.1
申请日：2022-06-13
Applicant: 华中科技大学
IPC: G06F30/27 , G06F30/10 , G06K9/62 , G06F113/26
Abstract: 本发明提出了声学超材料微结构最大加工误差设计方法，本发明基于“逆向设计”思维的稳健性分析方法，从设计要求出发，将可接受目标变化范围及可接受约束变化范围映射至不确定性参数空间，并根据参数空间的灵敏度区域确定最大加工误差区间；并将SVM分类模型与稳健性分析方法相结合，以SVM模型代替稳健性分析过程中对目标响应值及约束响应值的模拟仿真，显著降低了仿真成本，提高了稳健性分析的求解效率。
-
Patent Agency Ranking
公开(公告)号：CN118035873B
公开(公告)日：2024-06-18
申请号：CN202410223999.X
申请日：2024-02-29
Applicant: 华中科技大学
IPC: G06F18/2415 , G01M13/028 , G06F18/15 , G06F18/2131 , G06F18/22 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明提供一种并行卷积改进三元组网络的故障诊断方法，涉及故障诊断技术领域，包括：对齿轮箱的运行状态数据进行数据采集，得到初始数据集；针对每个初始数据构造为三元组数据，得到三元组数据集；构建故障诊断模型，包括特征提取网络、距离度量网络和分类器网络；将三元组数据集输入特征提取网络中，利用特征提取网络提取三元组数据集的特征向量，同时将特征向量输入距离度量网络和分类器网络中进行联合迭代训练，即得到优化后的故障诊断模型；获取齿轮箱的实时数据，利用优化后的故障诊断模型对实时数据进行故障诊断，得到诊断结果。本发明解决了现有故障诊断模型在不平衡条件下对故障样本缺乏导致的故障信息提取难的问题。
-
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。
-
公开(公告)号：CN114996995A
公开(公告)日：2022-09-02
申请号：CN202210554012.3
申请日：2022-05-20
Applicant: 华中科技大学
Abstract: 本发明公开一种超材料隔振单元性能预报方法和系统，属于超材料隔振单元性能预报技术领域。包括：利用有限元仿真分别生成第一训练样本集对应高精度性能响应和第二训练样本集对应多个低精度性能响应，第二训练样本集大于第一训练样本集；将性能响应训练集和待测样本集一起输入变可信度多输出代理模型，得到训练好的变可信度多输出代理模型，变可信度多输出代理模型包括一个变可信度多输出高精度代理模型和多个不可分层低精度代理模型，差异函数在各待测样本点的波动最小；采用训练好的变可信度多输出代理模型，在待测样本集处进行预测，得到性能预报结果。本发明充分利用多个不可分层低精度模型的信息及输出之间潜在关联，提高代理模型的预测精度。
-
公开(公告)号：CN114741977B
公开(公告)日：2022-08-16
申请号：CN202210659315.1
申请日：2022-06-13
Applicant: 华中科技大学
IPC: G06F30/27 , G06F30/10 , G06K9/62 , G06F113/26
Abstract: 本发明提出了声学超材料微结构最大加工误差设计方法，本发明基于“逆向设计”思维的稳健性分析方法，从设计要求出发，将可接受目标变化范围及可接受约束变化范围映射至不确定性参数空间，并根据参数空间的灵敏度区域确定最大加工误差区间；并将SVM分类模型与稳健性分析方法相结合，以SVM模型代替稳健性分析过程中对目标响应值及约束响应值的模拟仿真，显著降低了仿真成本，提高了稳健性分析的求解效率。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
