-
公开(公告)号：CN119337752A
公开(公告)日：2025-01-21
申请号：CN202411906948.3
申请日：2024-12-24
Applicant: 南昌大学
Abstract: 本发明公开了一种基于信息融合的机翼升阻比机器学习优化设计方法，包括：（1）分别在Xfoil与Abaqus中构建机翼升阻比与刚度仿真模型；（2）迭代优化机翼夹层参数个体向量间的相关性以建立种群；（3）使用DE/current/0对种群进行扩展，并融合三种差分进化生成1500个机翼夹层参数向量；（4）融合角度与距离信息构建径向基函数机器学习预测模型；（5）评估机翼升阻比与刚度；（6）基于适应度函数，筛选最佳机翼夹层参数向量，更新种群并转至步骤（3），直到优化结构达到要求。本发明通过种群扩展改善子代的分布、通过角度与距离信息融合的径向基函数机器学习预测模型提供准确的预测、通过适应度函数平衡机翼升阻比与刚度的优化，从而提高机翼升阻比优化性能。
-
公开(公告)号：CN118862525A
公开(公告)日：2024-10-29
申请号：CN202411339333.7
申请日：2024-09-25
Applicant: 南昌大学
Abstract: 本发明提供一种双向自锁行星滚柱丝杠副设计方法及系统，该方法包括获取待优化数模并确定特征参数信息再根据自锁需求确定自锁不等式；根据特征参数信息确定自锁不等式中各项变量对应的数值信息并将数值信息代入自锁不等式分别确定第一当量摩擦角和第二当量摩擦角的数值范围信息，对待优化数模进行受力分析并确定载荷平衡方程组且传动效率关系式，将特征参数信息代入载荷平衡方程和传动效率关系式，确定第一当量摩擦角、第二当量摩擦角和待优化数模传动效率之间的关系参数；将数值范围信息和关系参数代入预设优化函数确定摩擦系数和牙侧角。本发明解决了现有技术中缺少一种无需额外增加辅助部件且传动效率高可以双向自锁的行星滚柱丝杠副的问题。
-
公开(公告)号：CN118821627A
公开(公告)日：2024-10-22
申请号：CN202411303019.3
申请日：2024-09-19
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/17 , G06N3/006 , G06N20/00 , G06F119/04
Abstract: 本发明公开了一种基于禁忌空间划定的机器学习协助的差分进化方法，适用于全回转推进器驱动轴的服役时间最大化问题，包括：考虑驱动轴结构参数与交变载荷进行种群与参数初始化，构建确定禁忌空间；设计机器学习驱动的潜力空间确定策略来构造潜力空间与机器学习模型；基于潜力空间贪婪信息与禁忌空间反向位置信息构造贪婪协同进化操作；采用二项交叉策略获得对应的候选子代个体池；基于机器学习构建特性推导候选子代个体不确定性评估方法；更新种群与重构禁忌空间与潜力空间，重复判断是否达到收敛条件，直到输出优化解。本发明能够针对全回转推进器驱动轴服役时间最大化问题构造实时禁忌空间与潜力空间，加快最优结构参数优化效率，缩短设计周期。
-
公开(公告)号：CN119989540A
公开(公告)日：2025-05-13
申请号：CN202510421424.3
申请日：2025-04-07
Applicant: 南昌大学
IPC: G06F30/15 , G06F30/27 , G06F119/18
Abstract: 本发明公开了基于ML的后副车架结构轻量化与模态优化的目标设计方法，包括：（1）通过三维建模、静力学分析与模态分析，构建后副车架重量与一阶固有频率仿真对应的数学模型；（2）基于Maximin准则与拉丁超立方产生种群，建立径向基函数机器学习模型；（3）采用Pbest驱动的基于Eplison函数的DPM进化策略产生候选子代个体向量；（4）构造最小最大帕累托前沿提升函数筛选真实子代个体向量；（5）对真实子代个体向量进行仿真评估，基于反向世代距离更新情况自适应切换参考向量类型，返回步骤（3），直至优化目标达到设计要求，输出最优优化设计参数取值。本发明根据种群仿真结果自适应调整进化方向，对轻量化与模态优化两目标优化设计效果好。
-
公开(公告)号：CN119337752B
公开(公告)日：2025-05-02
申请号：CN202411906948.3
申请日：2024-12-24
Applicant: 南昌大学
Abstract: 本发明公开了一种基于信息融合的机翼升阻比机器学习优化设计方法，包括：（1）分别在Xfoil与Abaqus中构建机翼升阻比与刚度仿真模型；（2）迭代优化机翼夹层参数个体向量间的相关性以建立种群；（3）使用DE/current/0对种群进行扩展，并融合三种差分进化生成1500个机翼夹层参数向量；（4）融合角度与距离信息构建径向基函数机器学习预测模型；（5）评估机翼升阻比与刚度；（6）基于适应度函数，筛选最佳机翼夹层参数向量，更新种群并转至步骤（3），直到优化结构达到要求。本发明通过种群扩展改善子代的分布、通过角度与距离信息融合的径向基函数机器学习预测模型提供准确的预测、通过适应度函数平衡机翼升阻比与刚度的优化，从而提高机翼升阻比优化性能。
-
Patent Agency Ranking
公开(公告)号：CN119312645B
公开(公告)日：2025-05-02
申请号：CN202411854261.X
申请日：2024-12-17
Applicant: 南昌大学
IPC: G06F30/23 , G06F30/27 , G06F30/15 , G06N3/126 , G06F111/04 , G06F111/10 , G06F113/28
Abstract: 本发明公开了一种基于机器学习的翼形结构轻量化设计方法，包括：（1）导入载荷及边界约束以获得翼形结构重量与刚度指标，并推导对应数学优化模型；（2）考虑空间填充特性构建优化种群；（3）评估种群可行性状态，并设计子种群进化操作来产生候选个体；（4）基于种群的更新率构造全局或局部径向基机器学习预测模型；（5）根据父代个体可行性设计两种筛选策略；（6）对选出的最佳候选个体采用翼形结构刚度与重量仿真模型进行评估，更新种群并转至步骤（3），直至优化结构满足要求。本发明根据在优化过程中反馈的信息动态分配进化策略，自适应建模预测模型以及合理选择筛选策略，提高针对翼形结构轻量化设计问题的优化效率。
-
公开(公告)号：CN119312645A
公开(公告)日：2025-01-14
申请号：CN202411854261.X
申请日：2024-12-17
Applicant: 南昌大学
IPC: G06F30/23 , G06F30/27 , G06F30/15 , G06N3/126 , G06F111/04 , G06F111/10 , G06F113/28
Abstract: 本发明公开了一种基于机器学习的翼形结构轻量化设计方法，包括：（1）导入载荷及边界约束以获得翼形结构重量与刚度指标，并推导对应数学优化模型；（2）考虑空间填充特性构建优化种群；（3）评估种群可行性状态，并设计子种群进化操作来产生候选个体；（4）基于种群的更新率构造全局或局部径向基机器学习预测模型；（5）根据父代个体可行性设计两种筛选策略；（6）对选出的最佳候选个体采用翼形结构刚度与重量仿真模型进行评估，更新种群并转至步骤（3），直至优化结构满足要求。本发明根据在优化过程中反馈的信息动态分配进化策略，自适应建模预测模型以及合理选择筛选策略，提高针对翼形结构轻量化设计问题的优化效率。
-
公开(公告)号：CN118762334A
公开(公告)日：2024-10-11
申请号：CN202411245504.X
申请日：2024-09-06
Applicant: 南昌大学
IPC: G06V20/52 , G06V10/25 , G06V10/44 , G06V10/46 , G06V10/80 , G06V10/774 , G06V10/776 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种火焰动态识别方法及系统，包括：在预设数据库中获取火焰动态图像数据，并根据所述火焰动态图像数据构建出对应的火灾图像检测基准模型通过信息传递操作的局限性设计了改进混合卷积；设计混合卷积空间金字塔网络；根据所述空间金字塔网络以及所述目标损失函数实时构建出对应的火焰中心定位模块；根据所述火焰中心定位模块实时创建出对应的火灾检测预警系统，并通过所述火灾检测预警系统实时完成火焰的动态识别。本发明为火灾图像检测模型达到精度高、检测快和轻量化效果提供了系统性的解决方案，同时进一步实现了火灾检测中心定位功能。
-
公开(公告)号：CN118734720A
公开(公告)日：2024-10-01
申请号：CN202411223433.3
申请日：2024-09-03
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/15 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种机器学习优化设计方法及系统，包括：根据载荷受力分析与边界条件构建翼形结构刚度仿真模型与对应的数学优化模型；基于拉丁超立方采样确定初始优化种群；推导空间导向与维度导向的搜索重心重构函数；基于重心扰动变异产生候选子代种群；采用翼形仿真数据构造径向基函数预测模型；基于可行性规则筛选最优个体，并采用翼形结构刚度仿真模型进行评估，更新种群并转至步骤，直至优化结构满足要求。本发明将翼形结构刚度优化问题转化为数学优化模型，融入两种搜索重心重构函数定位进化节点，并通过径向基函数预测信息引导进化，提高算法针对翼形结构刚度优化问题的优化效率。
-
公开(公告)号：CN118247784B
公开(公告)日：2024-08-06
申请号：CN202410666582.0
申请日：2024-05-28
Applicant: 南昌大学第二附属医院
Abstract: 本发明公开了一种基于深度卷积神经网络的隐球菌图像识别方法，包括：针对隐球菌图像构建基于YOLOv5的Input‑Backbone‑Neck‑Head‑Output的深度卷积神经网络基准模型；设计可变形卷积神经网络框架与空间金字塔池化特征方法对图像特征进行多尺度池化操作；通过特征金字塔网络与像素聚集网络传递多尺度深层与浅层特征，设计文本增强架构实现多尺度特征自适应融合；设计动态头提取隐球菌动态特征；设计模型失真度驱动的剪枝技术进行轻量化设计；输出隐球菌图像识别结果。本发明通过多尺度特征提取与融合网络架构显著地提高了特征提取精度与能力，并设计网络剪枝技术与动态头提高预测速度与适应性，针对隐球菌图像特征所呈现的多尺度形态与边界特征的识别精度高、识别效率高。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
