-
公开(公告)号：CN114741964B
公开(公告)日：2025-03-25
申请号：CN202210404814.6
申请日：2022-04-18
Applicant: 湖南华菱涟源钢铁有限公司 , 湖南大学
IPC: G06F30/27 , G06V10/40 , G06V10/84 , G06V10/77 , G06F111/10 , G06F113/24
Abstract: 本发明公开了一种针对薄板冲压成形材料参数反求的实现方法，该方法基于降维分析，依据现有的FLD成形图像，运用PCA降维生成的信息构建一个结构简化的、适合分析的特征模型，进而在设计参数与特征空间之间建立替代模型，构建近似贝叶斯所需要的正向响应模型。同时降维特征可作为近似贝叶斯的概括统计量，从而利用近似贝叶斯计算和自适应嵌套布点方法，获得的设计参数后验区间分布，实现完成材料参数的反求，从而更全面地反应零件成形质量。
-
公开(公告)号：CN109459700B
公开(公告)日：2020-09-04
申请号：CN201811602085.5
申请日：2018-12-26
Applicant: 湖南大学
IPC: G01R31/367
Abstract: 本发明公开了一种变形锂电池检测方法，包括：获取需要分析的各形变量下的电池样本；对获取的电池样本进行脉冲充放电试验；建立变形锂电池的等效电路模型，得到外电响应结果与模型参数的关系；根据所述模型，建立模型参数与电池温度、荷电状态、电池形变量之间函数关系；建立反求模型参数所需的代价函数，编写参数反求算法；利用反求算法反求函数关系中的系数；优化等效电路模型；利用优化的等效电路模型，预测所述变形锂电池对外电的响应情况，以判断相应形变量下的电池样本是否能够继续使用。本发明提供的变形锂电池检测方法、装置和电子设备，实现了变形锂电池能够在实际应用中继续使用的目的，提高变形锂电池使用寿命，减轻环境污染。
-
公开(公告)号：CN109459700A
公开(公告)日：2019-03-12
申请号：CN201811602085.5
申请日：2018-12-26
Applicant: 湖南大学
IPC: G01R31/367
Abstract: 本发明公开了一种变形锂电池检测方法，包括：获取需要分析的各形变量下的电池样本；对获取的电池样本进行脉冲充放电试验；建立变形锂电池的等效电路模型，得到外电响应结果与模型参数的关系；根据所述模型，建立模型参数与电池温度、荷电状态、电池形变量之间函数关系；建立反求模型参数所需的代价函数，编写参数反求算法；利用反求算法反求函数关系中的系数；优化等效电路模型；利用优化的等效电路模型，预测所述变形锂电池对外电的响应情况，以判断相应形变量下的电池样本是否能够继续使用。本发明提供的变形锂电池检测方法、装置和电子设备，实现了变形锂电池能够在实际应用中继续使用的目的，提高变形锂电池使用寿命，减轻环境污染。
-
公开(公告)号：CN102999672B
公开(公告)日：2016-03-23
申请号：CN201210501096.0
申请日：2012-11-30
Applicant: 湖南大学
IPC: G06F17/50
Abstract: 一种基于汽车耐撞性的并行支持向量机近似模型优化方法，其步骤为：（1）建立网络；（2）生成初始样本并自动转移到网格节点；（3）将初始样本分配到各个计算节点；（4）随机生成样本点；（5）建立基于SVM的近似模型；（6）获取SVM近似模型的误差标准，判断是否达到收敛水平；如果是，则采用所有生成的节点构建全局的SVM模型；（7）判断全局的SVM模型是否收敛；如果收敛，则进程结束，反正，则跳转步骤（8）；（8）找到最大误差区；（9）将误差区信息求和，在求和后的区域内随机生成样本，并平均分配到各个计算节点，并跳转至步骤（4），直至进程结束。本发明采用对SVM进行并行化处理的模式、可大幅度提升建模的速度和优化的效率、提高精度。
-
公开(公告)号：CN103034754B
公开(公告)日：2016-01-20
申请号：CN201210501433.6
申请日：2012-11-30
Applicant: 湖南大学
IPC: G06F17/50
Abstract: 一种车身轻量化设计的解耦模式的数据处理分组建模方法，其步骤为：将响应函数解耦成非耦合项和一阶耦合项；初步判断需要构造模型的项数；构造每一个非耦合项，并判断是否为非线性；重复上述步骤，直到将所有的非耦合项都已构造完毕；得到初步的由纯非耦合项构成的近似模型并将近似模型与真实模型相比较，识别是否存在一阶耦合项，若存在一阶耦合项，则需要识别相互耦合的变量组合，并用近似模型技术构造相应的耦合项；重复上述步骤，直到所有的一阶耦合项都已识别完毕；得到整体近似模型并进行优化，若不满足收敛条件则进入迭代步骤。本发明原理简单，能够满足工程需要的高维近似模型的构建、保证求解精度，提高近似模型优化算法效率。
-
Patent Agency Ranking
公开(公告)号：CN103034754A
公开(公告)日：2013-04-10
申请号：CN201210501433.6
申请日：2012-11-30
Applicant: 湖南大学
IPC: G06F17/50
Abstract: 一种车身轻量化设计的解耦模式的数据处理分组建模方法，其步骤为：将响应函数解耦成非耦合项和一阶耦合项；初步判断需要构造模型的项数；构造每一个非耦合项，并判断是否为非线性；重复上述步骤，直到将所有的非耦合项都已构造完毕；得到初步的由纯非耦合项构成的近似模型并将近似模型与真实模型相比较，识别是否存在一阶耦合项，若存在一阶耦合项，则需要识别相互耦合的变量组合，并用近似模型技术构造相应的耦合项；重复上述步骤，直到所有的一阶耦合项都已识别完毕；得到整体近似模型并进行优化，若不满足收敛条件则进入迭代步骤。本发明原理简单，能够满足工程需要的高维近似模型的构建、保证求解精度，提高近似模型优化算法效率。
-
公开(公告)号：CN102968568A
公开(公告)日：2013-03-13
申请号：CN201210501336.7
申请日：2012-11-30
Applicant: 湖南大学
IPC: G06F19/00
Abstract: 一种多工况模式下高强度钢材料参数反求方法，流程为：（1）基于多工况建模，得到：RSSquasi-static，为准静态模式下实验结果和仿真结果的误差；RSSdyna，为准动态模式下实验结果和仿真结果的误差；RSSquasi-staticRSSDyna，为混合材料模型耦合项；（2）建立基于多工况的数据模型；将单目标问题转换为多目标问题，即：RSS=w1RSSquasi-static+w2RSSDyna+w3RSSquasi-staticRSSDyna，其中w1，w2，w3分别代表相应的权系数；（3）多目标稳健优化数学模型；（4）材料参数组合；将RSS=w1RSSquasi-static+w2RSSDyna+w3RSSquasi-staticRSSDyna中的相关材料参数A,B,n,C作为设计参数代入正碰和侧碰的仿真模型；（5）测试。本发明具有原理简单、能够大幅度提高材料参数反求的稳健性和实用性等优点。
-
公开(公告)号：CN117669015A
公开(公告)日：2024-03-08
申请号：CN202311398193.6
申请日：2023-10-25
Applicant: 湖南大学
IPC: G06F30/15 , G06F30/23 , G06F119/14
Abstract: 本发明公开一种基于动态伴随敏度分析的轨道车辆构架结构拓扑优化方法，该方法步骤包括：步骤1：将实际轨道车辆构架中筋板简化并填充满材料，离散处理为有限元模型并进行初始化配置；步骤2：将结点、单元和材料信息作为输入，进行位移解的动态分析；步骤3：定义拓扑优化的目标函数以及约束；步骤4：进行敏度分析，求解出目标的敏度信息，在敏度分析过程中，构造伴随问题，在线执行伽辽金投影，对伴随问题进行求解，离线阶段执行缩减基法构造基函数；步骤5：将敏度信息输入优化器，更新设计变量；步骤6：判断是否满足收敛条件，如果不满足返回步骤2，如果满足得到最终的输出。本发明能够高效和精确执行轨道车辆构架结构动态拓扑优化。
-
公开(公告)号：CN108009357A
公开(公告)日：2018-05-08
申请号：CN201711249982.8
申请日：2017-12-01
Applicant: 湖南大学
IPC: G06F17/50
Abstract: 本发明公开了一种复合材料板形变量的分析方法，属于复合材料技术领域。该方法包括如下步骤：步骤1，测量现有小样本复合材料板中每层纤维的纤维铺设角度误差；步骤2，确定复合材料板中相邻两层纤维的纤维铺设角度误差之间的关系满足的预设函数；步骤3，确定复合材料板中相邻两层纤维的纤维铺设角度误差之间的相关性系数，并获取纤维铺设角度误差的样本数据；步骤4，基于Mindlin板壳理论，建立复合材料板的有限元模型；步骤5，将步骤3中获取的纤维铺设角度误差的样本数据代入步骤4获得的有限元模型中并通过重分析方法求解，得到大批量生产时复合材料板的形变量范围；步骤6，对步骤5得到的复合材料板的形变量范围进行评估分析。
-
公开(公告)号：CN102999672A
公开(公告)日：2013-03-27
申请号：CN201210501096.0
申请日：2012-11-30
Applicant: 湖南大学
IPC: G06F17/50
Abstract: 一种基于汽车耐撞性的并行支持向量机近似模型优化方法，其步骤为：（1）建立网络；（2）生成初始样本并自动转移到网格节点；（3）将初始样本分配到各个计算节点；（4）随机生成样本点；（5）建立基于SVM的近似模型；（6）获取SVM近似模型的误差标准，判断是否达到收敛水平；如果是，则采用所有生成的节点构建全局的SVM模型；（7）判断全局的SVM模型是否收敛；如果收敛，则进程结束，反正，则跳转步骤（8）；（8）找到最大误差区；（9）将误差区信息求和，在求和后的区域内随机生成样本，并平均分配到各个计算节点，并跳转至步骤（4），直至进程结束。本发明采用对SVM进行并行化处理的模式、可大幅度提升建模的速度和优化的效率、提高精度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.019 seconds)
