-
公开(公告)号：CN116152146A
公开(公告)日：2023-05-23
申请号：CN202211283599.5
申请日：2022-10-20
Applicant: 北京理工大学
IPC: G06T7/00 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于GAN和CNN的铸铝气缸盖力学性能的预测方法，属于低压铸铝合金气缸盖领域。本发明首先在生成对抗网络的基础上采用双生成网络结构，通过两次数据生成，实现对微观组织图片及对应标签的扩充；然后利用生成的微观组织图片、标签与真实样本、标签组成一个较大的数据集，优化因训练样本不足导致的神经网络预测精度不足、易出现过拟合的问题；最后通过卷积神经网络对微观组织图片进行特征提取，构建微观组织图片特征与对应材料力学性能的映射关系，实现低压铸铝合金气缸盖材料力学性能的快速、有效预测。本发明适用于铸铝合金材料开发等领域，降低铸铝合金气缸盖材料研发生产成本，提高生产效益。
-
公开(公告)号：CN115983109A
公开(公告)日：2023-04-18
申请号：CN202211629259.3
申请日：2022-12-19
Applicant: 北京理工大学
IPC: G06F30/27 , G06N3/0442 , G06N3/08
Abstract: 本发明公开的一种基于深度学习的倾转旋翼无人机能量管理优化方法，属于飞行器动力技术领域。本发明实现方法为：基于采集的无人机飞行工况参数构建功率预测神经网络模型，预测不同长度时域下的功率需求；根据不同工况数据利用动态规划算法得到最佳功率需求，基于最佳功率需求构建基于最佳△P逼近的预测时域选择策略，选择DNN神经网络建立ΔP预测模型，基于所述ΔP预测模型得到神经网络的最佳预测时域和最佳预测时域内功率预测结果，结合构建的无人机系统代价函数，采用动态规划滚动优化混合动力系统能量分配策略，直至得到混合动力系统能量最优分配策略，实现系统最小等效燃油消耗，提高飞行经济性和续航时间。
-
公开(公告)号：CN113240095B
公开(公告)日：2022-04-22
申请号：CN202110635436.8
申请日：2021-06-07
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于粗糙集和神经网络的铸造气缸盖力学性能预测方法，属于铸造铝合金气缸盖相关领域。本发明的一种基于粗糙集和BP神经网络的力学性能预测方法，利用粗糙集理论，对影响力学性能的指标属性进行约简，从而减少神经网络的输入维数，把约简后的指标属性作为BP神经网络的输入进行力学性能预测。本发明在无需进行大量试验与模拟仿真的前提下，并且在几乎无损的试验条件下，即可对力学性能实施预测，在提高力学性能预测的准确性和效率的同时，降低了设计与生产成本，提高了生产效益。
-
公开(公告)号：CN116701943A
公开(公告)日：2023-09-05
申请号：CN202310809069.8
申请日：2023-07-03
Applicant: 北京理工大学
IPC: G06F18/214 , G06F18/24 , G06F18/21 , G06N3/0464 , G06N3/08
Abstract: 一种基于元学习的小样本涡轮叶片损伤参数预测方法，属于涡轮叶片疲劳寿命评估预测领域。结合涡轮叶片各典型位置服役过程中的受载特性，将涡轮叶片不同截面高度处的各典型位置视为不同服役任务；采用元学习模型，对不同服役时间下涡轮叶片各位置处的损伤参数进行有效预测，提高叶片利用率，降低使用成本；针对涡轮叶片服役数据具有典型的时序相关性，但时间序列过短的问题，以LSTM网络为基模型，将每个典型位置的完整时间序列样本打包为一个“伪样本”参与模型训练，在利用元学习解决小样本预测问题的同时利用样本的时序相关性提高模型的预测精度；本发明适用于涡轮叶片疲劳寿命评估预测领域，为航空发动机涡轮叶片的合理判废提供技术支持。
-
公开(公告)号：CN114708927A
公开(公告)日：2022-07-05
申请号：CN202210258972.5
申请日：2022-03-09
Applicant: 北京理工大学
IPC: G16C20/30 , G16C20/70 , G16C60/00 , G06F30/27 , G06N3/04 , G06F119/04 , G06F119/14
Abstract: 本发明的目的是为了解决现有技术存在预测结果成本高、可信度低的问题，提供一种基于灰色预测和LSTM神经网络的高温合金疲劳寿命预测方法；本发明首先利用灰色预测，对等间隔时间序列的极少量样本的高温合金损伤因子进行预测，然后利用最小二乘法，将试验值与预测值进行拟合，得到时间序列与损伤因子的拟合函数，即可得到任意时间下的损伤因子，选取固定时间间隔下的损伤因子，通过损伤‑寿命关系计算此时间间隔序列下的疲劳寿命，将此时间序列下的损伤因子与疲劳寿命作为LSTM神经网络的数据集进行训练。此LSTM神经网络可作为基于损伤信息的时间序列神经网络预测模型来预测时序损伤的高温合金疲劳寿命。在无需进行大量试验与仿真的条件下，即可使用少量样本数据进行时间序列相关的疲劳寿命预测，大大降低部件的维修成本。
-
Patent Agency Ranking
公开(公告)号：CN113434980A
公开(公告)日：2021-09-24
申请号：CN202110723113.4
申请日：2021-06-28
Applicant: 北京理工大学
IPC: G06F30/17 , G06F30/23 , G06F111/10 , G06F119/08 , G06F119/14
Abstract: 本发明公开的一种考虑气缸盖多因素分散性的应力分布分析方法，属于气缸盖应力分析技术领域。本发明实现方法为：确定热‑机耦合计算考虑分散性的参数；通过实验或工况计算确定考虑分散性的参数的平均值；基于参数平均值，对气缸盖进行热‑机耦合有限元分析预测，并单独分析各危险部位的应力分布，缩小各部位的分析范围，提高预测气缸盖应力分布的精确性；基于蒙特卡罗算法将更多参数的分散性考虑进气缸盖有限元分析预测中，对所述参数进行简单随机抽样，并基于简单随机抽样后的参数值进行多次热‑机耦合有限元分析预测，得到各危险部位的应力分布以及应力概率分布；基于预测数据解决气缸盖领域相关工程技术问题。本发明具有分析预测效率高的优点。
-
公开(公告)号：CN113240095A
公开(公告)日：2021-08-10
申请号：CN202110635436.8
申请日：2021-06-07
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于粗糙集和神经网络的铸造气缸盖力学性能预测方法，属于铸造铝合金气缸盖相关领域。本发明的一种基于粗糙集和BP神经网络的力学性能预测方法，利用粗糙集理论，对影响力学性能的指标属性进行约简，从而减少神经网络的输入维数，把约简后的指标属性作为BP神经网络的输入进行力学性能预测。本发明在无需进行大量试验与模拟仿真的前提下，并且在几乎无损的试验条件下，即可对力学性能实施预测，在提高力学性能预测的准确性和效率的同时，降低了设计与生产成本，提高了生产效益。
-
公开(公告)号：CN115907117A
公开(公告)日：2023-04-04
申请号：CN202211408357.4
申请日：2022-11-10
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q10/0631 , G06F30/20 , G06F18/23213 , G06F18/2413 , G06N3/0442
Abstract: 一种基于深度学习和动态规划的混动无人机能量管理方法，属于能量管理策略的预测技术领域。本方法基于Bi‑LSTM双向记忆网络为飞行器未来时域进行精确功率需求预测，兼顾环境信息的预测模块对于模型预测具有高度的泛化性和灵活性，使得预测结果更加综合准确,且减少了直接预测的参数复杂度；在深度学习预测的基础上基于线性规划算法构建滚动优化模块，对预测结果进行反馈校正，提供更为精确的预测结果；在等效燃油消耗最小的基础上构建能量管理优化函数，在满足预测功率的基础上实现总体油耗最小和动力电池及发动机功率分配最优，提高飞行的经济型。本发明适用空中侦察、无人机农业、空中交通监控等领域，降低飞行器总体油耗，提高经济性。
-
公开(公告)号：CN115809509A
公开(公告)日：2023-03-17
申请号：CN202211623704.5
申请日：2022-12-16
Applicant: 北京理工大学
IPC: G06F30/15 , G06F30/17 , G06F30/23 , G06F111/10 , G06F119/02 , G06F119/14
Abstract: 本发明公开的一种基于缺陷尺寸概率的气缸盖高周疲劳寿命分区预测方法，属于发动机气缸盖领域。本发明根据气缸盖不同位置屈服强度差异程度进行区域划分，并根据气缸盖不同位置最大孔隙尺寸概率密度分布和不同工程可靠度设计要求计算不同可靠度概率的裂纹萌生寿命，并对气缸盖不同区域进行小裂纹扩展寿命预测；通过危险截面法计算各区域多轴应力幅值最大值，能够表征气缸盖复杂结构应力状态多轴度对疲劳寿命影响；通过构建形式简洁且适用于大范围遍历计算的Gerber型多轴应力幅值计算模型，通过Gerber型多轴应力幅值求解模型遍历求解各单元所有截面的多轴应力幅值，提高不同位置高周疲劳寿命计算效率。本发明具有预测精度高、预测效率高和预测范围广的优点。
-
公开(公告)号：CN113434980B
公开(公告)日：2022-12-13
申请号：CN202110723113.4
申请日：2021-06-28
Applicant: 北京理工大学
IPC: G06F30/17 , G06F30/23 , G06F111/10 , G06F119/08 , G06F119/14
Abstract: 本发明公开的一种考虑气缸盖多因素分散性的应力分布分析方法，属于气缸盖应力分析技术领域。本发明实现方法为：确定热‑机耦合计算考虑分散性的参数；通过实验或工况计算确定考虑分散性的参数的平均值；基于参数平均值，对气缸盖进行热‑机耦合有限元分析预测，并单独分析各危险部位的应力分布，缩小各部位的分析范围，提高预测气缸盖应力分布的精确性；基于蒙特卡罗算法将更多参数的分散性考虑进气缸盖有限元分析预测中，对所述参数进行简单随机抽样，并基于简单随机抽样后的参数值进行多次热‑机耦合有限元分析预测，得到各危险部位的应力分布以及应力概率分布；基于预测数据解决气缸盖领域相关工程技术问题。本发明具有分析预测效率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.168 seconds)
