-
公开(公告)号：CN117421989B
公开(公告)日：2024-12-27
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：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：CN115763867A
公开(公告)日：2023-03-07
申请号：CN202211417279.4
申请日：2022-11-12
Applicant: 南昌大学
IPC: H01M8/0228 , H01M8/0263 , H01M8/0208 , C21D9/00 , C22C21/02 , C22C21/08 , C22F1/02 , C22F1/043 , C22F1/047 , C23C26/00
Abstract: 本发明涉及Al‑Mg‑Si合金极板领域，具体涉及一种在Al‑Mg‑Si合金极板表面制备rGO/SiO2涂层的方法。本发明首先主要通过在Al‑Mg‑Si合金表面生成一层亲水性表面薄膜，然后通过超声分散GO/SiO2混合悬浊液。在通过浸涂法制备在GO/SiO2悬浊液中制备出中间产物，最后通过热处理工艺还原GO制备出均匀的涂层。本发明通过在Al‑Mg‑Si合金极板表面生成亲水性表面薄膜可以增强A1‑Mg‑Si和GO/SiO2之间的粘附性；超声分散GO/SiO2混合悬浊液，可在浸涂法中形成均匀牢固的界面而不产生孔隙或缺陷；最后通过在氢气和氮气环境下进行热处理工艺消除表面的氧气和亲水薄膜从而减小涂层中的缺陷，增强了合金材料的耐腐蚀性能。本发明的方法工艺简单，成本低廉，具有很大的实用和推广价值。
-
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。
-
Patent Agency Ranking
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：CN115896763A
公开(公告)日：2023-04-04
申请号：CN202211417184.2
申请日：2022-11-12
Applicant: 南昌大学
Abstract: 本发明涉及Al‑Mg‑Si合金极板领域，具体涉及一种在Al‑Mg‑Si合金极板表面制备Ni/P涂层的方法。本发明首先在Al‑Mg‑Si合金表面生成一层亲水性表面薄膜，通过亲水性薄膜在浸锌法中沉积一层牢固均匀的锌层，然后在碱性溶液中镀镍，接着在酸性溶液中镀Ni/P层，最后通过热处理工艺消除表面的亲水薄膜以及减小涂层中的缺陷。本发明的优点：(1)结合具备良好亲水性表面薄膜的存在加快镀锌层与Ni/P镀层在合金表面的沉积；(2)通过在真空环境下进行热处理消除表面的亲水薄膜以及减小涂层中的缺陷，以制得平整光亮、致密均匀、牢固且耐腐蚀的Ni/P涂层；(3)本发明的方法工艺简单，能耗少，成本低廉，具有很大的实用和推广价值。
-
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：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。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.025 seconds)
