-
公开(公告)号：CN118940613B
公开(公告)日：2025-04-08
申请号：CN202410944880.1
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/27 , G06N3/045 , G06N3/08 , G06F17/18 , G06F111/08 , G06F119/14
Abstract: 本发明提出了一种基于条件标准化流的适配器应变场预测不确定性量化方法,属于预测结果的不确定性量化领域，包括：S1、使用信息融合平衡神经算子网络从适配器结构中提取隐式特征向量；S2、构建标准化流模型；S3、根据所述隐式特征向量和标准化流模型构建并训练基于条件标准化流的不确定性量化模型；S4、将隐式特征向量输入至基于条件标准化流的不确定性量化模型中，得到适配器应变场的近似应变分布；S5、使用前向传播对近似应变分布进行计算，得到适配器应变场的不确定性量化结果。本申请利用基于条件标准化流的不确定性量化模型，根据隐式特征向量和标准化流模型预测适配器各点的应变分布，给出准确的均值和方差结果,量化应变场的不确定性，提高不确定性量化的精度。
-
公开(公告)号：CN118940612B
公开(公告)日：2025-02-25
申请号：CN202410944676.X
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/27 , G06F30/10 , G06F30/23 , G06N3/0499 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于参数优化神经网络的适配器优化设计方法，属于适配器设计领域，包括：S1、采用拉丁超立方采样法生成适配器构型样本，通过有限元模型获取应变场数据，将适配器构型样本输入参数和应变场分布作为训练集训练不确定性量化模型；S2、将训练后的不确定性量化模型作为近似代理模型，用于计算目标函数；S3、构建参数优化神经网络，并使用训练集和训练后的不确定性量化模型对参数优化神经网络进行训练，得到训练后的参数优化神经网络，所述训练后的参数优化神经网络的输出为适配器的最优设计参数。本申请利用训练好的不确定性量化模型对参数优化神经网络进行性能评估和参数优化，并确定最优权重参数，进而确定适配器的最优设计参数，提高适配器优化设计效率及准确率。
-
公开(公告)号：CN120086981A
公开(公告)日：2025-06-03
申请号：CN202510242542.8
申请日：2025-03-03
Applicant: 华中科技大学
Abstract: 本申请公开了一种基于功能突出和重叠程度的飞行器模块多层级筛选方法，属于航天航空技术领域。该方法包括：基于飞行器功能需求设计N个预设方案，预设方案包括至少一个模块，每个模块包括至少一个功能属性，每个模块包括至少一个组件，每个组件包括至少一个功能属性；基于非线性耦合性关系函数构建模块的功能矩阵；根据功能矩阵，计算N个预设方案的功能突出程度数值；基于第一预设阈值与N个预设方案的功能突出程度数值，得到第一方案集合，第一方案集合包括M个预设方案；基于功能矩阵，计算第一方案集合中M个预设方案的功能重叠程度数值；基于M个预设方案的功能重叠程度数值，得到目标方案；该方法减少了飞行器设计成本和功能冗余度。
-
Patent Agency Ranking
公开(公告)号：CN118940613A
公开(公告)日：2024-11-12
申请号：CN202410944880.1
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/27 , G06N3/045 , G06N3/08 , G06F17/18 , G06F111/08 , G06F119/14
Abstract: 本发明提出了一种基于条件标准化流的适配器应变场预测不确定性量化方法,属于预测结果的不确定性量化领域，包括：S1、使用信息融合平衡神经算子网络从适配器结构中提取隐式特征向量；S2、构建标准化流模型；S3、根据所述隐式特征向量和标准化流模型构建并训练基于条件标准化流的不确定性量化模型；S4、将隐式特征向量输入至基于条件标准化流的不确定性量化模型中，得到适配器应变场的近似应变分布；S5、使用前向传播对近似应变分布进行计算，得到适配器应变场的不确定性量化结果。本申请利用基于条件标准化流的不确定性量化模型，根据隐式特征向量和标准化流模型预测适配器各点的应变分布，给出准确的均值和方差结果,量化应变场的不确定性，提高不确定性量化的精度。
-
公开(公告)号：CN118940560A
公开(公告)日：2024-11-12
申请号：CN202410944530.5
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/23 , G06F30/10 , G06F30/27 , G06N3/045 , G06N3/082 , G06F119/14 , G06F111/10
Abstract: 本发明提出了一种基于信息融合特征均衡算子的适配器应变场预测方法，属于适配器领域，包括：S1、获取适配器的几何特征、设计变量、设计变量变化范围，应变场信息为待预测值；S2、根据适配器的设计变量建立适配器几何模型，并以适配器几何模型为基础构建超材料静力学有限元模型，采用拉丁超立方采样法获取样本点，利用超材料静力学有限元模型根据仿真生成训练数据集；S3、构建基于信息融合特征均衡算子神经网络模型，并使用训练数据集对基于信息融合特征均衡算子神经网络模型进行训练，得到训练后的基于信息融合特征均衡算子神经网络模型；S4、使用训练后的基于信息融合特征均衡算子神经网络模型对待预测应变场信息进行预测，得到适配器应的应变场分布。本申请增强对几何特征的提取能力和建模能力，使基于信息融合特征均衡算子神经网络模型能够快速预测不同几何构型的的适配器应变场分布。
-
公开(公告)号：CN120087221A
公开(公告)日：2025-06-03
申请号：CN202510242941.4
申请日：2025-03-03
Applicant: 华中科技大学
IPC: G06F30/27 , G06F18/214 , G06N3/006 , G06F17/11 , G06F17/18 , G16C60/00 , G06N3/08 , G06F119/14
Abstract: 本申请公开了一种基于多保真灵敏度误差的变量重要性筛选方法，属于适配器变量筛选技术领域。包括：S1获取M个待分析变量S2分别采集高保真度样本集和低保真度样本集作为训练集S3构建多保真度代理模型，计算M个待分析变量的第一重要性测度结果S4计算高保真度样本集对第一重要性测度结果的贡献值S5求解新样本点S6分别计算新样本点对高保真度灵敏度指数和低保真度灵敏度指数的误差提升幅度，得到新样本点的保真度类型S7更新多保真度代理模型，计算M个待分析变量的第二重要性测度结果S8在第二重要性测度结果收敛的情况下将第二重要性测度结果作为目标重要性测度结果，在第二重要性测度结果不收敛的情况下跳转S4。提升了适配器变量重要性筛选的效率。
-
公开(公告)号：CN118940560B
公开(公告)日：2025-02-25
申请号：CN202410944530.5
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/23 , G06F30/10 , G06F30/27 , G06N3/045 , G06N3/082 , G06F119/14 , G06F111/10
Abstract: 本发明提出了一种基于信息融合特征均衡算子的适配器应变场预测方法，属于适配器领域，包括：S1、获取适配器的几何特征、设计变量、设计变量变化范围，应变场信息为待预测值；S2、根据适配器的设计变量建立适配器几何模型，并以适配器几何模型为基础构建超材料静力学有限元模型，采用拉丁超立方采样法获取样本点，利用超材料静力学有限元模型根据仿真生成训练数据集；S3、构建基于信息融合特征均衡算子神经网络模型，并使用训练数据集对基于信息融合特征均衡算子神经网络模型进行训练，得到训练后的基于信息融合特征均衡算子神经网络模型；S4、使用训练后的基于信息融合特征均衡算子神经网络模型对待预测应变场信息进行预测，得到适配器应的应变场分布。本申请增强对几何特征的提取能力和建模能力，使基于信息融合特征均衡算子神经网络模型能够快速预测不同几何构型的的适配器应变场分布。
-
公开(公告)号：CN118940612A
公开(公告)日：2024-11-12
申请号：CN202410944676.X
申请日：2024-07-15
Applicant: 华中科技大学
IPC: G06F30/27 , G06F30/10 , G06F30/23 , G06N3/0499 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于参数优化神经网络的适配器优化设计方法，属于适配器设计领域，包括：S1、采用拉丁超立方采样法生成适配器构型样本，通过有限元模型获取应变场数据，将适配器构型样本输入参数和应变场分布作为训练集训练不确定性量化模型；S2、将训练后的不确定性量化模型作为近似代理模型，用于计算目标函数；S3、构建参数优化神经网络，并使用训练集和训练后的不确定性量化模型对参数优化神经网络进行训练，得到训练后的参数优化神经网络，所述训练后的参数优化神经网络的输出为适配器的最优设计参数。本申请利用训练好的不确定性量化模型对参数优化神经网络进行性能评估和参数优化，并确定最优权重参数，进而确定适配器的最优设计参数，提高适配器优化设计效率及准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
