-
Patent Agency Ranking
公开(公告)号：CN107958109B
公开(公告)日：2019-11-05
申请号：CN201711163927.7
申请日：2017-11-21
Applicant: 江苏大学
IPC: G06F17/50
Abstract: 本发明公开一种满足可轧制性的电动汽车连续变截面前纵梁的厚度分布设计方法，将连续变截面前纵梁按照电机控制器布置参数和前纵梁碰撞变形特点划分为3个功能区域；建立连续变截面前纵梁的厚度分布显式参数化模型；建立连续变截面前纵梁的板料可轧制性约束数学模型；通过变化结构几何参数，连续变截面前纵梁可以演化为具有不同厚度分布形式的变截面结构；利用遗传算法优化该结构的几何参数，即可获得特定电动汽车车型的连续变截面前纵梁的最优厚度分布形式。本发明建立的显式参数化模型灵活多变，为连续变截面前纵梁的结构设计提供了有效的模型支撑，对电动汽车连续变截面前纵梁的厚度分布快速优化设计具有重要的指导意义。
-
公开(公告)号：CN109918745A
公开(公告)日：2019-06-21
申请号：CN201910122099.5
申请日：2019-02-19
Applicant: 江苏大学
IPC: G06F17/50
Abstract: 本发明公开了一种满足轧制要求的变厚度钢板过渡区的厚度分布参数设计方法，包括(1)以双幂函数为基函数构建变厚度钢板的过渡区厚度分布的数学模型；(2)构建过渡区厚度分布函数满足可轧制约束的数学模型；(3)根据连续变厚度轧制工艺条件确定调节参数(即幂指数)的极限值及其影响参数；(4)获得满足轧制要求的过渡区厚度分布曲线。本发明可以为研究和生产满足轧制性要求、厚度灵活变化的变厚度钢板及其薄壁结构提供指导。
-
公开(公告)号：CN109885877A
公开(公告)日：2019-06-14
申请号：CN201910036303.1
申请日：2019-01-15
Applicant: 江苏大学
Abstract: 本发明公开了一种基于聚类算法的约束域优化拉丁超立方设计方法，包括以下步骤：1，依据变量个数、约束个数以及指定样本点的个数(ns)，确定初始样本点的个数，记作NS；2，在设计域内按照初始采样点个数(NS)进行最优拉丁方采样，并将得到的初始样本点记为集合A；3，对集合A中的样本点进行筛选，找到满足所有约束条件的样本点，记为集合B，可行点数量记为nv；4，判断可行点数量是否满足收敛，若不满足，则返回步骤2；满足则转到步骤5；5，利用聚类算法在集合B中产生ns个聚类中心，记为集合C，集合C即为在约束域实验设计域内产生的指定数量样本点的集合。本发明可有效解决高维度非连通约束域的试验设计问题，提高设计效率。
-
公开(公告)号：CN107958109A
公开(公告)日：2018-04-24
申请号：CN201711163927.7
申请日：2017-11-21
Applicant: 江苏大学
IPC: G06F17/50
Abstract: 本发明公开一种满足可轧制性的电动汽车连续变截面前纵梁的厚度分布设计方法，将连续变截面前纵梁按照电机控制器布置参数和前纵梁碰撞变形特点划分为3个功能区域；建立连续变截面前纵梁的厚度分布显式参数化模型；建立连续变截面前纵梁的板料可轧制性约束数学模型；通过变化结构几何参数，连续变截面前纵梁可以演化为具有不同厚度分布形式的变截面结构；利用遗传算法优化该结构的几何参数，即可获得特定电动汽车车型的连续变截面前纵梁的最优厚度分布形式。本发明建立的显式参数化模型灵活多变，为连续变截面前纵梁的结构设计提供了有效的模型支撑，对电动汽车连续变截面前纵梁的厚度分布快速优化设计具有重要的指导意义。
-
公开(公告)号：CN109885877B
公开(公告)日：2023-04-18
申请号：CN201910036303.1
申请日：2019-01-15
Applicant: 江苏大学
IPC: G06F30/20 , G06F30/15 , G06F18/23213
Abstract: 本发明公开了一种基于聚类算法的约束域优化拉丁超立方设计方法，包括以下步骤：1，依据变量个数、约束个数以及指定样本点的个数(ns)，确定初始样本点的个数，记作NS；2，在设计域内按照初始采样点个数(NS)进行最优拉丁方采样，并将得到的初始样本点记为集合A；3，对集合A中的样本点进行筛选，找到满足所有约束条件的样本点，记为集合B，可行点数量记为nv；4，判断可行点数量是否满足收敛，若不满足，则返回步骤2；满足则转到步骤5；5，利用聚类算法在集合B中产生ns个聚类中心，记为集合C，集合C即为在约束域实验设计域内产生的指定数量样本点的集合。本发明可有效解决高维度非连通约束域的试验设计问题，提高设计效率。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
