-
公开(公告)号：CN115630542B
公开(公告)日：2023-09-01
申请号：CN202211187180.X
申请日：2022-09-28
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/23 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种薄壁加筋结构的加筋布局优化方法，将待优化的薄壁结构基底曲面生成三角形网格曲面基于共形映射建立基底曲面和参数空间平面的映射关系在参数空间中进行组件布局以模拟参数空间的加强筋，基于共形映射的节点坐标变换将参数空间的加强筋映射为物理空间的加强筋网格模型；基于形状灵敏度分析方法，采用MMA求解器更新设计变量。本发明采用显式几何参数构建并描述参数空间的组件型加强筋，通过共形映射技术构建参数空间和物理空间的映射关系，实现物理空间中复杂曲面上的加筋模型的建立。对整个结构采用高精度的随体壳单元进行，可以准确捕获结构的响应信息。
-
公开(公告)号：CN116362079B
公开(公告)日：2024-01-30
申请号：CN202310252549.9
申请日：2023-03-16
Applicant: 大连理工大学 , 大连理工大学宁波研究院
IPC: G06F30/23 , G06F17/16 , G06F119/02
Abstract: 本发明公开了一种基于新型插值模型的多材料结构拓扑优化方法，包括以下步骤：给出多材料结构拓扑优化问题的优化列式‑获得预设数量的网格单元‑根据实际求解问题设置计算的边界约束和载荷条件‑引入用于区分每根组件内材料属性的材料属性区别参数γ，生成所有组件的拓扑描述函数‑设计域内组件的更新变化，直到收敛输出最终的结构优化构型。本发明采用上述基于新型插值模型的多材料结构拓扑优化方法，若考虑设计域内K种不同材料的优化分布，仅需要引入一组描述组件内材料分布类别的未知变量γK‑1，并与组件的拓扑描述函数联系起来，便可以描述有限单元网格内的材料属性，简化了的分析和计算过程，提高了分析计算效率。
-
公开(公告)号：CN115408914B
公开(公告)日：2023-07-04
申请号：CN202211071121.6
申请日：2022-09-02
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/23 , G06F30/27 , G06N3/0499 , G06N3/08 , G06N20/00
Abstract: 本发明公开二维结构的问题无关机器学习拓扑优化方法、介质及产品，方法包括步骤：构建机器学习模型；在随机样本中线下训练机器学习模型；将粗单元中的细单元密度分布输入机器学习模型，输出扩展多尺度有限元中的多尺度形函数值；采用扩展多尺度有限元进行结构分析并优化。实施本发明，通过构建机器学习模型，利用机器学习模型对最耗时的多尺度形函数进行计算，代替了原有扩展多尺度有限元中多尺度形函数复杂的计算，从而充分发挥出了线性边界条件下的扩展多尺度有限元方法的高效性，实现了有限元的分析时间数量级上的降低。
-
公开(公告)号：CN116309690A
公开(公告)日：2023-06-23
申请号：CN202211543971.1
申请日：2022-12-01
Applicant: 大连理工大学 , 大连理工大学宁波研究院 , 大连维视科技有限公司
Abstract: 一种基于Transformer结构的局部和全局视角兼容的目标跟踪方法。本发明的Transformer结构采用ViT‑Base的网络结构，将依据前一帧跟踪位置裁剪的局部搜索区域和全图搜索区域同时作为输入，两路搜索分支共享特征提取和特征融合网络的权重，实现在统一模型下的局部和全局视角目标跟踪。同时使用一个基于Transformer的特征编码网络获得跟踪框的特征向量，在局部跟踪结果的回归质量预测得分较低时，从全局和局部跟踪的多个结果中选择与第一帧给定目标的特征向量距离最小的跟踪框作为当前帧的最终跟踪结果；在局部跟踪结果的回归质量预测得分较高时，采用局部跟踪结果作为当前帧的最终跟踪结果。
-
公开(公告)号：CN115630542A
公开(公告)日：2023-01-20
申请号：CN202211187180.X
申请日：2022-09-28
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/23 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种薄壁加筋结构的加筋布局优化方法，将待优化的薄壁结构基底曲面生成三角形网格曲面基于共形映射建立基底曲面和参数空间平面的映射关系在参数空间中进行组件布局以模拟参数空间的加强筋，基于共形映射的节点坐标变换将参数空间的加强筋映射为物理空间的加强筋网格模型；基于形状灵敏度分析方法，采用MMA求解器更新设计变量。本发明采用显式几何参数构建并描述参数空间的组件型加强筋，通过共形映射技术构建参数空间和物理空间的映射关系，实现物理空间中复杂曲面上的加筋模型的建立。对整个结构采用高精度的随体壳单元进行，可以准确捕获结构的响应信息。
-
Patent Agency Ranking
公开(公告)号：CN118262275B
公开(公告)日：2024-07-23
申请号：CN202410669172.1
申请日：2024-05-28
Applicant: 大连理工大学 , 大连理工大学宁波研究院
IPC: G06V20/40 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明属于机器学习、计算机视觉、目标跟踪领域，公开了一种基于共显著性学习的弱监督目标跟踪方法，通过设计弱监督共显著性注意力模块，嵌入基准跟踪算法中，实现模型的弱监督训练。本发明能够使现有基准跟踪算法在降低约30倍训练标注数据的使用情况下，获得与基准跟踪算法相近或更优的性能，有效地解决了现有基准跟踪算法对大规模标注数据的依赖问题，降低了现有模型的训练成本，并缓解了现有跟踪训练数据集的迫切需求。
-
公开(公告)号：CN118262275A
公开(公告)日：2024-06-28
申请号：CN202410669172.1
申请日：2024-05-28
Applicant: 大连理工大学 , 大连理工大学宁波研究院
IPC: G06V20/40 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明属于机器学习、计算机视觉、目标跟踪领域，公开了一种基于共显著性学习的弱监督目标跟踪方法，通过设计弱监督共显著性注意力模块，嵌入基准跟踪算法中，实现模型的弱监督训练。本发明能够使现有基准跟踪算法在降低约30倍训练标注数据的使用情况下，获得与基准跟踪算法相近或更优的性能，有效地解决了现有基准跟踪算法对大规模标注数据的依赖问题，降低了现有模型的训练成本，并缓解了现有跟踪训练数据集的迫切需求。
-
公开(公告)号：CN120005813A
公开(公告)日：2025-05-16
申请号：CN202510023933.0
申请日：2025-01-07
Applicant: 大连理工大学附属中心医院(大连市中心医院)
Abstract: 本发明公开了一种诱导肌腱干细胞向软骨细胞分化的方法，属于肌腱干细胞诱导分化技术领域。本发明将胶原材料采用OCT包埋，并使用冰冻切片机切成切片，除去OCT，利用多角度拉力机制备应变为5％‑10％的胶原支架，将所得的胶原支架反复冻融3‑10个循环，然后放入含有DNase和RNase的PBS溶液中于35‑39℃条件下进行脱细胞处理，随后辐照灭菌；将肌腱干细胞接种到得到的5％‑10％应变的脱细胞胶原支架上，在培养基中培养7‑20天后，检测分化后得到的软骨细胞。本发明操作简单，成本低廉，无需添加任何诱导因子就可在体外获得软骨细胞，具有较好的应用前景。
-
公开(公告)号：CN119703403A
公开(公告)日：2025-03-28
申请号：CN202510087702.6
申请日：2025-01-20
Applicant: 大连理工大学
IPC: B23K26/362 , B23K26/70
Abstract: 本申请公开了面向复杂曲面的频率选择表面共形图案电喷印激光刻蚀复合加工装置及其控制方法，属于增减材复合加工制造领域，该装置包括床体模块、运动模块、喷印模块、控制模块，通过复杂曲面功能结构铺覆软件生成数控G代码程序，经上位机控制机床驱动箱，配合床体与运动模块，完成喷印‑激光制造过程中复杂曲面喷印路径的准确执行，在喷印模块中通过更改流场控制器、电场控制器的打印参数可以实现不同类型、不同材料功能结构的按需制造。
-
公开(公告)号：CN119636231A
公开(公告)日：2025-03-18
申请号：CN202510087708.3
申请日：2025-01-20
Applicant: 大连理工大学
Abstract: 本发明提供一种面向复杂曲面的阵列结构丝网印刷装置及其控制方法，属于先进制造技术领域。所述印刷装置包括床体模块、运动模块、丝网印刷模块、控制模块，在印刷的过程中可以调节工件的姿态位置，所述床体模块具有五个自由度可以对任何曲面形状的工件进行调整姿态。在丝网印刷的过程中，控制模块执行通过路径规划软件生成专业的数控G代码程序，可保证印刷位置的准确性。丝网印刷装备部分在五轴运动的基础上，将丝网印刷模块移动至指定位置开始工作印刷。本发明可以实现阵列结构多材料、高精度、高效率、无损伤制造，具有丝网印刷制造全流程自动化、成型快、效率高等特点，在精密加工、微纳加工等领域具有良好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.1 seconds)
