公开(公告)号：CN119783490A

公开(公告)日：2025-04-08

申请号：CN202411951793.5

申请日：2024-12-27

Applicant: 河北工业大学

Inventor： 马鑫盟 ,  闫振卓 ,  赵丽滨 ,  张宇鹏 ,  金彬 ,  王梓豪 ,  李泽钰 ,  王志溥 ,  邸泽航

IPC: G06F30/25 ,  G06F30/28 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于CFD‑DEM多相流耦合的湿颗粒介质力学特性数值计算方法，涉及离散元仿真技术与计算机流体动力学技术领域，包括首先，获取湿颗粒介质的初始信息；其次，通过DEM求解器建立湿颗粒的几何模型；之后，基于JKR理论，获取湿颗粒的相互作用参数；然后，基于湿颗粒的几何模型和相互作用参数，通过VOF耦合接口，搭建流体动力学与离散元法CFD‑DEM耦合仿真模型，对机器人足桨在湿颗粒介质地面运动过程进行仿真模拟。因此，采用上述一种基于CFD‑DEM多相流耦合的湿颗粒介质力学特性数值计算方法，能够准确地模拟湿颗粒间的相互作用，提升了湿颗粒介质的仿真分析精度和可靠性，实现对湿颗粒介质行为的动态模拟。

公开(公告)号：CN120012586A

公开(公告)日：2025-05-16

申请号：CN202510109423.5

申请日：2025-01-23

Applicant: 河北工业大学

Inventor： 马鑫盟 ,  张宇鹏 ,  赵丽滨 ,  苌洋 ,  闫振卓 ,  金彬 ,  齐羿帆 ,  黄凌波 ,  吕凌峰 ,  程帅

IPC: G06F30/27 ,  G06N3/094 ,  G06N3/045 ,  G06F30/28 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明属于机器学习与地面力学预测技术领域，公开了一种基于GAN和CNN‑BPNN的湿颗粒介质力学特性预测方法，包括以下步骤：采集机器人足部在湿颗粒介质地面运动的数据，并确定对结果影响最大的因素，确定对结果影响最大的因素；基于VOF模型建立高保真流‑固‑颗粒耦合仿真环境；使用GAN神经网络加强数据集分布；基于RFT模型进行物理公式推导；构建CNN‑BPNN神经网络模型，将推导的物理公式插入损失函数；利用搭建好的网络模型对数据进行预测。本发明采用上述一种基于GAN和CNN‑BPNN的湿颗粒介质力学特性预测方法，不仅提高了预测的准确性和效率，也为颗粒介质地面力学特性研究和工程应用提供了支持。