-
公开(公告)号：CN118761012A
公开(公告)日：2024-10-11
申请号：CN202411237627.9
申请日：2024-09-05
Applicant: 南昌大学
IPC: G06F18/2433 , G06F18/22 , G16C60/00 , G06N20/00
Abstract: 本发明公开了基于机器学习的IN718镍基合金成形缺失数据生成与预测方法，包括：构造IN718镍基合金成形核心数据集并进行数据预处理；基于数据相似性筛选准则与分布特性剔除异常数据；针对核心工艺参数完整数据集构造机器学习模型；根据核心工艺参数不完整数据集构造核心工艺参数缺失数据矩阵；以最小化均方误差为优化目标，采用梯度优化生成核心工艺参数缺失数据的最优填补值，形成核心工艺参数的填补数据集；合并填补数据集与完整数据集来构造机器学习模型，根据留一验证法评估机器学习模型精度，输出机器学习模型。本发明能够对IN718镍基合金成形的核心性能指标预测与核心工艺参数缺失数据填补，实现缺失数据的最优化填补，显著提高预测能力。
-
公开(公告)号：CN117556692A
公开(公告)日：2024-02-13
申请号：CN202311482594.X
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06F30/27 , G06N3/126 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种面向多目标昂贵约束优化问题的代理模型辅助的MOEA/D方法，包括：(1)确定设计空间、优化目标与优化约束，种群与关键迭代参数初始化，给出收敛条件；(2)构建基于密度估计法的子问题优化状态识别机制；(3)根据子问题优化状态设计相适应的搜索策略；(4)构建基于切比雪夫分解的多目标聚合适应度函数；(5)设计改进的约束支配准则筛选高潜力候选子代个体；(6)设计基于目标空间垂直距离相近的种群更新机制，判断是否达到收敛条件，若收敛则输出优化解集，否则转至步骤(2)，直至达到收敛条件。本发明能够提高寻优精度与效率，降低时间成本，针对多目标昂贵约束优化问题适用性较强。
-
公开(公告)号：CN119293614A
公开(公告)日：2025-01-10
申请号：CN202411814959.9
申请日：2024-12-11
Applicant: 南昌大学
IPC: G06F18/2411 , G06F18/214
Abstract: 本发明提供一种基于全局与局部代理模型辅助的双区域协同优化方法，涉及桁架平面结构设计优化领域，该方法通过采用双层协同框架，以区分处理不同类型变量，解决混合整数变量的昂贵约束问题。具体的，基于径向基函数的协同框架包括基于历史有潜力区域的局部搜索策略和基于径向基函数辅助的预筛选策略；基于高斯过程的混合整数协同框架包括基于当前可能有潜力区域的局部搜索策略和基于高斯过程辅助的预筛选策略；利用基于径向基函数的协同框架，充分发挥经典基于代理模型的协作框架的快速收敛能力，快速定位高潜力区域；利用基于高斯过程的混合整数协同框架通过提供稳定的优化轨迹来搜索不连通的可行区域，平衡了高潜力区域的收敛性和可行性。
-
公开(公告)号：CN118761012B
公开(公告)日：2024-12-27
申请号：CN202411237627.9
申请日：2024-09-05
Applicant: 南昌大学
IPC: G06F18/2433 , G06F18/22 , G16C60/00 , G06N20/00
Abstract: 本发明公开了基于机器学习的IN718镍基合金成形缺失数据生成与预测方法，包括：构造IN718镍基合金成形核心数据集并进行数据预处理；基于数据相似性筛选准则与分布特性剔除异常数据；针对核心工艺参数完整数据集构造机器学习模型；根据核心工艺参数不完整数据集构造核心工艺参数缺失数据矩阵；以最小化均方误差为优化目标，采用梯度优化生成核心工艺参数缺失数据的最优填补值，形成核心工艺参数的填补数据集；合并填补数据集与完整数据集来构造机器学习模型，根据留一验证法评估机器学习模型精度，输出机器学习模型。本发明能够对IN718镍基合金成形的核心性能指标预测与核心工艺参数缺失数据填补，实现缺失数据的最优化填补，显著提高预测能力。
-
公开(公告)号：CN119066983A
公开(公告)日：2024-12-03
申请号：CN202411534758.3
申请日：2024-10-31
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/23 , G06F30/17 , G06N3/006 , G06F16/901 , G06F111/04 , G06F119/04 , G06F119/14
Abstract: 本发明公开了一种机器学习引导的动态种群优化设计方法，适用于全回转推进器驱动轴轻量化设计问题，包括：考虑驱动轴结构参数与服役约束进行种群与参数初始化；基于迭代信息与多目标非支配排序法确定动态种群；构造适应种群个体潜力的进化操作来产生候选子代池；在每个候选子代个体邻域范围内确定机器学习模型建模样本；构造高斯过程机器学习模型，并推导候选子代个体期望提升量；根据松弛因子与多目标非支配排序法筛选真实子代个体，并更新种群；构造基于高斯过程的局部搜索定位局部高潜力个体，更新迭代信息。本发明综合考虑重量目标与疲劳约束来设计算法优化轨迹，提高了算法针对全回转推进器驱动轴轻量化设计问题的全局适应性与收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN117494567B
公开(公告)日：2024-10-11
申请号：CN202311499733.X
申请日：2023-11-10
Applicant: 南昌大学
IPC: G06F30/27 , G06N3/006 , G06F111/06 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种面向混合整数昂贵优化问题的代理模型辅助差分进化方法，包括：(1)确定设计空间与优化目标，种群与关键迭代参数初始化，给出收敛条件；(2)根据目标与约束评估耗时构建全局径向基函数代理模型；(3)构建动态种群筛选机制及相适应的变异操作；(4)设计变异标准差自适应缩放机制；(5)构建代理模型辅助的差分变异‑筛选‑选择框架；(6)分别针对两类局部区域构建局部搜索策略；(7)更新种群与关键迭代参数信息，判断是否达到收敛条件，若收敛则输出优化解，否则转至步骤(2)，直至达到收敛条件。本发明有效融合了代理模型辅助的全局维度扰动预筛与差分进化策略，针对混合整数变量昂贵优化问题的收敛速度较快。
-
公开(公告)号：CN117627136A
公开(公告)日：2024-03-01
申请号：CN202311498330.3
申请日：2023-11-10
Applicant: 南昌大学
Abstract: 本发明公开了一种磁吸伸缩式的防漏气负压污水收集井，属于负压污水收集技术领域，其技术方案要点是，包括井体，所述井体的侧壁开设有进水口，所述井体的内部设置有套筒，所述套筒内设置用于防漏气的封堵机构，所述井体底部设置有底座，所述底座与所述套筒连接，所述井体内设置有负压管，所述负压管与所述底座连接。该装置能够加快堵头封堵速度，避免外部空气通过负压管进入到外接负压站。
-
公开(公告)号：CN117421989A
公开(公告)日：2024-01-19
申请号：CN202311500236.7
申请日：2023-11-10
Applicant: 南昌大学
IPC: G06F30/27 , G06N3/006 , G06F111/06
Abstract: 本发明公开了一种面向高维昂贵优化问题的代理模型辅助的并行协同方法，包括：(1)确定设计空间与优化目标，种群与关键迭代参数初始化，给出收敛条件；(2)基于多目标非支配排序技术来构建并行维度扰动变异操作；(3)基于局部预测信息与个体分布来构建两层真实子代个体筛选机制；(4)采用DE/current‑to‑pbest/2/bin进行高潜力个体引导的协同变异；(5)基于全局预测信息与个体分布来构建两层真实子代个体筛选机制；(6)设计基于局部径向基函数的局部搜索策略；(7)更新种群与关键迭代参数信息，判断是否达到收敛条件，若收敛则输出优化解，否则转至步骤(2)，直至达到收敛条件。本发明能够加快收敛速度，针对高维问题的适用性较强、灵活性较好。
-
公开(公告)号：CN117418606A
公开(公告)日：2024-01-19
申请号：CN202311475113.2
申请日：2023-11-07
Applicant: 南昌大学
Abstract: 本发明公开了一种隔板式的防漏气负压污水收集井，属于负压污水收集技术领域，其技术方案要点是，包括井体，所述井体的侧壁开设有进水口，所述井体内设置有阻挡机构，所述井体的内部设置有套筒，所述套筒内设置用于防漏气的封堵机构，所述井体底部设置有底座，所述底座与所述套筒连接，所述井体内设置有负压管，所述负压管与所述底座连接。该装置不仅减少了堵头碰撞调整的时间，还极大程度地避免了因各种原因产生的液面波动而导致的漏气，减少负压站真空泵的频繁启停，提高装置使用寿命。
-
公开(公告)号：CN119943234A
公开(公告)日：2025-05-06
申请号：CN202510413042.6
申请日：2025-04-03
Applicant: 南昌大学
Abstract: 本发明公开了一种基于机器学习的红外隐身材料膜层优化设计方法，包括：（1）构建以最小化红外隐身材料膜层光谱发射率的误差目标值的数学优化模型；（2）采用拉丁超立方采样产生种群；（3）构建注意力信息增强的结合最大信息系数的克里金机器学习模型；（4）基于误差目标值和多样性指标分别生成第一类子种群和第二类子种群；（5）对第一类子种群执行维度扰动驱动的梯度下降变异，基于预测误差筛选第一个子代个体；（6）对第二类子种群执行双层差分变异，基于期望提升值筛选第二个子代个体；（7）执行仿真分析并更新数据库，返回步骤（3）直至仿真分析次数达到设计周期。本发明能够提高红外隐身材料膜层设计问题的收敛精度。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.036 seconds)
