-
公开(公告)号：CN114462307B
公开(公告)日：2024-07-12
申请号：CN202210051345.4
申请日：2022-01-17
Applicant: 暨南大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了一种结构可靠性分析方法、装置、电子设备以及存储介质，方法包括：确定待分析领域的产品结构、功能函数和随机变量特征参数，计算目标函数的梯度值，选取负梯度方向作为下降方向，确定随迭代次数呈指数衰减的迭代步长后开始迭代，得到终点；当功能函数值满足第一预设条件时，将终点作为可靠性分析方法的起点；取一种不涉及梯度计算的非负价值函数作为目标函数，确定搜索方向与迭代步长；根据起点、搜索方向与迭代步长，进行迭代处理，输出满足第二预设条件的最大可能失效点与可靠指标；求解原始空间下的最大可能失效点，在可靠指标基础上计算结构失效概率。本发明提高了效率、有效性和通用性，可广泛应用于可靠性分析技术领域。
-
公开(公告)号：CN114462210B
公开(公告)日：2024-06-21
申请号：CN202210022601.7
申请日：2022-01-10
Applicant: 暨南大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明公开了基于高维表征模型的随机‑区间混合可靠性分析方法，方法包括：通过配置待分析领域的产品结构、功能函数以及随机变量和区间变量特征参数，功能函数用于表征所述待分析领域的结构或产品的工作状态，以子区间分解分析方法确定功能函数区间变量上、下限极值点，一次二阶矩方法确定设计验算点，中心复合抽样确定样本点，根据设计验算点、极值点和样本点，确定高维表征近似模型；计算待分析领域的产品结构的失效概率，以确定所述待分析领域的产品结构的可靠性。本发明效率高、精度好，可有效适应多维问题，广泛应用于结构可靠性分析技术领域。
-
公开(公告)号：CN115146482B
公开(公告)日：2024-06-14
申请号：CN202210916008.7
申请日：2022-08-01
Applicant: 暨南大学
IPC: G06F30/20 , G06F119/02
Abstract: 本发明公开了一种基于子区间分析与Chebyshev稀疏模型的结构可靠性分析方法，该方法首先基于子区间分析法估算功能函数Chebyshev展开模型各项稀疏，筛选系数较大的项建立Chebyshev展开稀疏近似模型，用该近似模型代替原高维、复杂的功能函数，然后结合多因子全水平试验设计方法和离散最优化算法，计算得到Chebyshev展开稀疏近似模型的上、下限以及结构的可靠度。本发明在使用代理函数方法评估土木工程、机械工程、航空航天等领域复杂工程结构基于区间分析的可靠性与安全程度时具有很好的通用性和适应性，大大减少了可靠性分析过程中结构分析与仿真的计算量，提高了计算效率。
-
公开(公告)号：CN116956591A
公开(公告)日：2023-10-27
申请号：CN202310912358.0
申请日：2023-07-24
Applicant: 暨南大学
IPC: G06F30/20 , G06F30/10 , G06F17/18 , G06F17/16 , G06F119/02
Abstract: 本发明公开了一种基于多重子区间分解和超参凸模型的结构可靠性分析方法，将结构参数不确定性用含相关矩阵的非概率超参凸集模型描述，采用类极坐标变换将不确定参数超参凸集模型转换为区间模型；根据一阶泰勒展开原理，以设计点为展开中心、平行坐标轴上有限样本点为基础，采用子区间分解分析方法结合离散教与学优化算法计算功能函数上、下限近似值；变换展开中心到近似极值点求得功能函数上、下限近似值，直至展开中心重复停止迭代，得到结构功能函数的上、下限近似值并计算结构可靠指标。本发明对不确定参数原始数据和资料缺乏，使用超参凸集模型描述复杂工程结构参数不确定性并评估结构可度时具有通用性和适应性，计算效率高。
-
公开(公告)号：CN114154212A
公开(公告)日：2022-03-08
申请号：CN202111349721.X
申请日：2021-11-15
Applicant: 暨南大学
IPC: G06F30/13 , G06F119/02
Abstract: 本发明公开了一种结构可靠性分析方法、装置、设备及存储介质，包括：获取待分析领域中对象的产品结构、功能函数以及随机变量特征参数，计算可靠性分析的目标函数的梯度值并确定初始迭代步长；根据梯度值和初始迭代步长更新功能函数的值；当功能函数的值满足阈值条件，确定共轭Barzilai‑Borwein一阶可靠性分析方法的起点；根据目标函数，确定共轭Barzilai‑Borwein一阶可靠性分析方法的搜索方向与迭代步长；根据起点、搜索方向和迭代步长进行迭代，确定目标坐标点；根据目标坐标点，通过求解原始空间下的最大可能失效点，计算得到结构失效概率。本发明的鲁棒性高且效率高，可广泛应用于数据处理技术领域。
-
Patent Agency Ranking
公开(公告)号：CN113888577A
公开(公告)日：2022-01-04
申请号：CN202111473820.9
申请日：2021-12-01
Applicant: 暨南大学
Abstract: 本发明公开了一种基于鲸鱼优化算法的图像边缘检测方法、装置及介质，方法包括：将待检测图像转换为灰度图像；分别定义目标像素沿四个目标方向的边缘强度；将所述四个目标方向的最大边缘强度作为所述目标像素的边缘强度；初始化种群规模和问题维度，然后随机产生初始样本矩阵；根据所述目标像素的边缘强度确定适应度函数，并确定循环次数；根据所述种群规模、所述问题维度、所述初始样本矩阵、所述适应度函数和所述循环次数，采用鲸鱼优化算法确定边缘像素点；根据所述边缘像素点，输出边缘检测结果。本发明的通用性好且适应性好，可广泛应用于图像处理技术领域。
-
公开(公告)号：CN113870297A
公开(公告)日：2021-12-31
申请号：CN202111457160.5
申请日：2021-12-02
Applicant: 暨南大学
Abstract: 本发明公开了一种图像边缘检测方法、装置及存储介质，包括：将待检测图像转换为灰度图像；对每个候选边缘方向的灰度导数进行加权平均处理，确定灰度图像中各个像素在候选边缘方向的灰度导数；将候选边缘方向的最大灰度导数作为目标像素的灰度导数，根据灰度导数阈值建立边缘点判断矩阵、边缘强度矩阵以及平均边缘强度矩阵；初始化种群规模和问题维度，随机产生种群样本；构造适应度函数，确定循环次数；根据种群样本、适应度函数和循环次数，采用教师学生学习方法确定边界点；从边界点的邻域范围内随机选取一个候选样本替换边界点后，输出边缘检测结果。本发明的精度高且收敛速度快，可广泛应用于图像处理技术领域。
-
公开(公告)号：CN113343433A
公开(公告)日：2021-09-03
申请号：CN202110550914.5
申请日：2021-05-19
Applicant: 暨南大学
IPC: G06F30/20 , G06N3/00 , G06F111/04 , G06F111/08 , G06F119/02
Abstract: 本发明公开了一种基于KKT条件和差分进化算法的一阶可靠性分析方法，该方法基于KKT条件建立惩罚函数参数能自适应变化的一种等效可靠性分析模型，以改善惩罚函数参数呈指数增长的等效可靠性分析模型在强非线性问题中分析精度差和计算效率低的问题；将改进的具有自适应交叉操作机制的差分进化优化算法用来求解等效的结构元件可靠性分析模型，进而计算失效概率。本发明在使用一阶可靠性方法评估土木工程、机械工程、航空航天等领域复杂工程结构可靠性与安全程度时具有很好的通用性和适应性，收敛快、精度高，等效可靠性分析模型中新的罚函数系数确定方式可避免最可能失效点搜索算法早熟陷入局部最优而造成可靠性分析结果精度差等问题。
-
公开(公告)号：CN117057106A
公开(公告)日：2023-11-14
申请号：CN202310912389.6
申请日：2023-07-24
Applicant: 暨南大学
IPC: G06F30/20 , G06F17/18 , G06N3/126 , G06N3/006 , G06F119/02
Abstract: 本发明公开了一种基于多重子区间分解和群智能优化的结构可靠性分析方法，将结构参数不确定性用区间模型描述；根据一阶泰勒展开，以设计点为展开中心、平行坐标轴上有限样本点为基础，采用子区间分解分析方法结合离散群智能优化算法近似计算功能函数上、下限；变换展开中心到近似极值点，重复上述计算过程直至展开中心出现重复停止迭代，将最终结果作为结构功能函数的上、下限近似值并以此计算结构可靠指标。本发明对土木、机械、航空航天领域中不确定参数原始数据和资料缺乏，使用区间模型描述复杂工程结构参数不确定性并评估结构可靠性与安全性时，具有通用性和适应性，计算效率高。
-
公开(公告)号：CN113343559B
公开(公告)日：2022-05-20
申请号：CN202110546969.9
申请日：2021-05-19
Applicant: 暨南大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N7/00 , G06F111/08 , G06F119/02
Abstract: 本发明公开了一种迭代重加权最小二乘法极限学习机响应面可靠性分析方法，对于工程中的大型复杂结构高度非线性的隐式功能函数，以泛化能力强，计算效率高的迭代重加权最小二乘法极限学习机这种人工神经网络近似功能函数，引入L1、L2范数型损失函数用于增强极限学习机的鲁棒性以及L1、L2范数正则化方法用于避免过度拟合；在此基础上进行蒙特卡罗模拟，对机械电子、土木工程和航空航天等领域中的工程结构进行可靠性分析。本发明在结构可靠性分析中有很好的通用性，能适应各类非线性问题，扩展了极限学习机这种高效、泛化能力强、易实现的神经网络方法在结构可靠性分析领域的适用范围，有重要的理论和工程意义。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.033 seconds)
