-
公开(公告)号：CN116798531A
公开(公告)日：2023-09-22
申请号：CN202310790691.9
申请日：2023-06-29
Applicant: 西南科技大学
Abstract: 本发明公开了一种基于融合算法的超声速燃烧室碳氢燃料机理简化方法，属于碳氢燃料燃烧模拟技术领域包括：S1、构建用于数值模拟的碳氢燃料机理文件；S2、基于机理文件，构建零维点火及一维层流火焰的数据集；S3、基于构建的数据集，构建神经网络代理模型；S4、利用神经网络代理模型，对简化机理的全参数进行优化；S5、将全参优化后的简化机理进行数值模拟计算，并根据计算结果优化简化机理模型的参数，进而实现超声速燃烧室碳氢燃料机理简化。本发明在保证精度的同时大幅度提高数值模拟的速度，为超燃冲压发动机在数值模拟过程中的高精度计算工作奠定基础，为发动机飞行过程中的安全可靠工作提供技术支撑。
-
公开(公告)号：CN111381491A
公开(公告)日：2020-07-07
申请号：CN202010203139.1
申请日：2020-03-20
Applicant: 西南科技大学
IPC: G05B11/42
Abstract: 本发明公开了一种球形机器人控制系统及其设计方法和直线运动控制方法，其中球形机器人控制系统为自抗扰控制器，自抗扰控制器包括跟踪微分器、扩张状态观测器和非线性状态误差反馈律模块；本发明通过ADRC算法组成多闭环控制系统对球形机器人的运动姿态、可控能力进行更高效的调节，使球形机器人快速响应；针对球形机器人速度控制问题设计了对应的控制系统，解决了现有球形机器人在面对复杂环境情况抗干扰能力差的问题；本发明直线运动控制方法相较于PID传统控制方法具有更高的运行效率，提高了机器人直线运动的稳定性，且提升机器人自身的抗干扰能力和鲁棒性。
-
公开(公告)号：CN116976030B
公开(公告)日：2024-09-10
申请号：CN202310975258.2
申请日：2023-08-03
Applicant: 西南科技大学
IPC: G06F30/17 , G06F30/28 , G06F30/27 , G06N3/006 , G06F18/214 , G06F18/27 , G06F111/06 , G06F111/10 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种航空发动机燃烧室旋流器优化设计方法，包括：S1：针对高性能燃烧室旋流器的基本结构，进行高性能燃烧室旋流器关键几何设计参数确定；S2：根据关键几何参数构建样本空间；S3：利用拉丁超立方抽样方法在样本空间中进行抽样，建立样本数据库；S4：根据样本数据库，建立基于BWO‑LSSVM的燃烧室旋流器预测模型；S5：根据BWO‑LSSVM的燃烧室旋流器预测模型和多目标优化算法，得到燃烧效率与总压恢复系数较大的旋流器设计参数，S6：利用Pareto最优解集对旋流器设计参数进行分析，得到航空发动机燃烧室旋流器最优设计方案。本发明能够提高航空发动机燃烧室的整体性能。
-
公开(公告)号：CN118395884B
公开(公告)日：2024-08-23
申请号：CN202410858143.X
申请日：2024-06-28
Applicant: 西南科技大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/09 , G06N3/092 , G06N3/096 , G06F18/25
Abstract: 本发明公开了一种航空发动机燃烧室性能自适应优化调控方法，属于航空发动机的技术领域，其包括：确定航空发动机燃烧室的多维燃油调控参数和航空发动机的来流参数；构建高维样本空间，获取样本输入参数；构建多源数据融合的样本数据集；构建燃烧室性能代理模型；采用深度学习方法构建燃烧室燃烧不稳定性预测模型；构建燃烧室性能自适应优化调控规律系统，并嵌入燃烧室性能代理模型，根据强化学习智能体模块的决策动作实时预测燃烧室燃烧性能变化。本发明可实时预测燃烧室性能，实现燃烧不稳定实时监测，并在发动机燃烧室全包线内实现对油气分布及燃烧流场的自适应调控，保证燃烧室处于综合性能最优状态。
-
公开(公告)号：CN116976030A
公开(公告)日：2023-10-31
申请号：CN202310975258.2
申请日：2023-08-03
Applicant: 西南科技大学
IPC: G06F30/17 , G06F30/28 , G06F30/27 , G06N3/006 , G06F18/214 , G06F18/27 , G06F111/06 , G06F111/10 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种航空发动机燃烧室旋流器优化设计方法，包括：S1：针对高性能燃烧室旋流器的基本结构，进行高性能燃烧室旋流器关键几何设计参数确定；S2：根据关键几何参数构建样本空间；S3：利用拉丁超立方抽样方法在样本空间中进行抽样，建立样本数据库；S4：根据样本数据库，建立基于BWO‑LSSVM的燃烧室旋流器预测模型；S5：根据BWO‑LSSVM的燃烧室旋流器预测模型和多目标优化算法，得到燃烧效率与总压恢复系数较大的旋流器设计参数，S6：利用Pareto最优解集对旋流器设计参数进行分析，得到航空发动机燃烧室旋流器最优设计方案。本发明能够提高航空发动机燃烧室的整体性能。
-
Patent Agency Ranking
公开(公告)号：CN116644524B
公开(公告)日：2023-10-03
申请号：CN202310931680.8
申请日：2023-07-27
Applicant: 西南科技大学
IPC: G06F30/15 , G06F30/27 , G06N3/0464 , G06N3/08 , G06F111/04 , G06F113/08
Abstract: 本发明公开了一种基于PINN的高超声速内转式进气道流场重构方法及系统，其包括步骤获取进气道设计的设计变量参数，并将其输入已训练的PINN模型得到进气道的流场数据和性能参数；采用进气道的性能参数作为多目标优化算法的目标函数，使用多目标优化算法得到进气道性能参数的Pareto最优解集；将Pareto最优解集中的设计变量输入已训练的PINN模型，得到进气道的流场数据和性能参数；采用步骤S3中流场数据中的最优流场作为进气道设计的基准流场，之后选取进气道的出口型线，通过流线追踪生成内转式进气道。
-
公开(公告)号：CN115291621A
公开(公告)日：2022-11-04
申请号：CN202211083655.0
申请日：2022-09-06
Applicant: 西南科技大学
IPC: G05D1/08
Abstract: 本发明公开了一种水空多旋翼无人机跨介质控制系统及方法，该系统包括设置在水空多旋翼无人机上的主控制器、动力子系统、监测子系统、传感器子系统、通信子系统，其中主控制器用于采用仿人智能控制器根据监测子系统和传感器子系统获取的信息对水空多旋翼无人机进行多特征融合的模式识别，确定水空多旋翼无人机下一步采取的最优的航向和期望姿态以及为调整姿态采用的最优控制策略，并通过改进运动控制级进行控制。本发明采用多模态控制，对不同特征状态采取适应的控制策略，对复杂环境适应性强。
-
公开(公告)号：CN111381491B
公开(公告)日：2022-04-08
申请号：CN202010203139.1
申请日：2020-03-20
Applicant: 西南科技大学
IPC: G05B11/42
Abstract: 本发明公开了一种球形机器人控制系统及其设计方法和直线运动控制方法，其中球形机器人控制系统为自抗扰控制器，自抗扰控制器包括跟踪微分器、扩张状态观测器和非线性状态误差反馈律模块；本发明通过ADRC算法组成多闭环控制系统对球形机器人的运动姿态、可控能力进行更高效的调节，使球形机器人快速响应；针对球形机器人速度控制问题设计了对应的控制系统，解决了现有球形机器人在面对复杂环境情况抗干扰能力差的问题；本发明直线运动控制方法相较于PID传统控制方法具有更高的运行效率，提高了机器人直线运动的稳定性，且提升机器人自身的抗干扰能力和鲁棒性。
-
公开(公告)号：CN113276977A
公开(公告)日：2021-08-20
申请号：CN202110720313.4
申请日：2021-06-28
Applicant: 西南科技大学
Abstract: 本发明公开了一种多自由度球形机器人，包括控制系统和驱动系统；驱动系统包括动力装置和传动装置；动力装置用于为球形机器人提供动力；传动装置用于带动球形机器人运动。本发明的球形机器人具有结构精巧、环境适应力强和可搭载多种任务载荷的特点，可被广泛运用在监测、抢险、消防、救灾、地质勘探和军事侦测等诸多场合。
-
公开(公告)号：CN116522803B
公开(公告)日：2023-09-05
申请号：CN202310784029.2
申请日：2023-06-29
Applicant: 西南科技大学
IPC: G06F30/27 , G06F30/28 , G06F17/13 , G06N3/0464 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明公开了一种可解释深度学习的超声速燃烧室流场重构方法，属于超声速燃烧室流场重构技术领域，为了能够提高数据驱动的重构精度，包括：S1：利用地面风洞试验及CFD数值模拟软件，构建不同来流条件下的燃烧室构型的流场数据集；S2、对所述流场数据集进行数据预处理操作，得到预处理后的流场数据集；S3、将所述预处理后的流场数据集打乱并按比例切分为训练集和测试集；S4、利用所述训练集对超声速燃烧室流场重构模型进行训练，得到训练好的模型和训练权重；S5、根据所述测试集，将所述训练权重和所述训练好的模型嵌入至FPGA平台，得到超声速燃烧室流场重构结果。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.049 seconds)
