-
公开(公告)号：CN119272371A
公开(公告)日：2025-01-07
申请号：CN202411302134.9
申请日：2024-09-18
Applicant: 重庆大学
IPC: G06F30/13 , G06F30/27 , G06F17/11 , G06F119/02 , G06F111/10
Abstract: 本发明涉及一种用于预测开孔低矮建筑群内外风压的方法，首先，基于风洞试验，建立同时考虑建筑干扰和开孔影响的布局规则低矮建筑群内外风压数据库；其次，基于该数据库将开孔低矮建筑群划分为三种开孔类别；在没有充分风洞试验数据时，根据工况参数判断开孔类别并选择合理的内外压确定方法；最后，基于已获得的内外风压数据，进行机器学习训练，得到针对布局任意的低矮建筑群内外风压预测模型；所建立的预测低矮建筑群内外风压方法可以避免盲目使用非定常伯努利方程计算建筑内外压导致灾害损失评估不准确，同时也可以避免盲目使用风洞试验或数值模拟方法确定建筑内外压导致资源浪费，通过引入机器学习，有助于高效的实现低矮建筑群风灾损失分析。
-
公开(公告)号：CN119272371B
公开(公告)日：2025-04-18
申请号：CN202411302134.9
申请日：2024-09-18
Applicant: 重庆大学
IPC: G06F30/13 , G06F30/27 , G06F17/11 , G06F119/02 , G06F111/10
Abstract: 本发明涉及一种用于预测开孔低矮建筑群内外风压的方法，首先，基于风洞试验，建立同时考虑建筑干扰和开孔影响的布局规则低矮建筑群内外风压数据库；其次，基于该数据库将开孔低矮建筑群划分为三种开孔类别；在没有充分风洞试验数据时，根据工况参数判断开孔类别并选择合理的内外压确定方法；最后，基于已获得的内外风压数据，进行机器学习训练，得到针对布局任意的低矮建筑群内外风压预测模型；所建立的预测低矮建筑群内外风压方法可以避免盲目使用非定常伯努利方程计算建筑内外压导致灾害损失评估不准确，同时也可以避免盲目使用风洞试验或数值模拟方法确定建筑内外压导致资源浪费，通过引入机器学习，有助于高效的实现低矮建筑群风灾损失分析。
-
公开(公告)号：CN119760892A
公开(公告)日：2025-04-04
申请号：CN202510250127.7
申请日：2025-03-04
IPC: G06F30/15 , G06N3/006 , G06F119/02 , G06F119/14
Abstract: 本发明公开了一种基于数字孪生的起落架收放机构磨损预测方法，首先建立包含几何尺寸和材料特性的起落架三维模型，并构建多体动力学仿真模型，模拟销轴实际工况下的受力与磨损过程。采用考虑关键参数的Archard磨损计算模型实时计算仿真模型中的销轴磨损。在此基础上，开展Archard中参数的不确定性分析，将参数考虑为服从正态分布，通过设定合理的均值与标准差，建立一个在多元不确定性下的预测模型。最后基于数字孪生模型利用粒子滤波的方法，初始化粒子群，借状态与观测方程更迭粒子权重，重采样逼近真实态，迭代更新曲线、校准模型参数与状态，提升预测精度，提高预测准确性和可靠性，提前发现潜在磨损问题，为维护计划提供依据。
-
公开(公告)号：CN118332927A
公开(公告)日：2024-07-12
申请号：CN202410592625.5
申请日：2024-05-14
Applicant: 重庆大学
IPC: G06F30/27 , G06Q10/04 , G06F30/13 , G06N3/04 , G06N3/084 , G06F17/18 , G06F111/10 , G06F119/14
Abstract: 本发明涉及一种基于机器学习的开孔低矮建筑群风致内外压预测方法，首先，根据低矮建筑群的基本参数进行拉丁超立方抽样，建立相应的风洞试验模型；其次，将风洞试验得到的开孔低矮建筑群内外表面风压系数作为训练数据，采用人工神经网络BPNN进行网络训练机器学习；最后，构建能通过输入任意低矮建筑群基本参数预测低矮建筑群内外表面风压系数的预测模型。所建立的机器学习预测模型可解决风灾分析中采用风洞试验或CFD数值模拟来确定建筑内外表面风荷载耗时耗力的问题，通过引入机器学习算法，构建开孔低矮建筑群内外表面风压测模型，有助于快速、准确、高效的实现低矮建筑群风灾损失分析。
-
-
-
Search Results
4
records
(took 0.016 seconds)
