公开(公告)号：CN118150704A

公开(公告)日：2024-06-07

申请号：CN202410267422.9

申请日：2024-03-08

Applicant: 河北工业大学 ,  河北工业大学重庆科创中心

Inventor： 毕晓阳 ,  林琦 ,  胡宁 ,  丁湘燕 ,  侯东明 ,  齐正磐 ,  高原 ,  苌洋

IPC: G01N29/44 ,  G01N29/04

Abstract: 本发明公开了一种线列式多谐次双重决策融合的微裂纹群细微参数识别方法，属于超声无损检测技术领域，包括：S1、获取由平面纵波与微裂纹群模型内微裂纹群损伤相互作用产生的三组超声波信号；S2、获取由二次谐波与三次谐波组成的两种超声非线性响应；S3、获取样本集，将所述样本集随机划分为训练集和测试集；S4、搭建一维卷积神经网络；S5、训练所述一维卷积神经网络；S6、构建第一决策级融合框架；S7、构建第二决策级融合框架。本发明通过非线性超声无损检测技术、深度学习与决策级多源融合模型相结合实现对微裂纹群多细微参数的识别。

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。