一种用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法

    公开(公告)号:CN118395624A

    公开(公告)日:2024-07-26

    申请号:CN202410498793.8

    申请日:2024-04-24

    Abstract: 本发明属于优化设计技术领域,涉及用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法。首先,根据主蒸汽隔离阀可靠性优化问题确定变量的维度以及其概率分布,确定开启时间目标函数以及其他时间指标的性能函数。采用拉丁超立方采样方法生成初始样本,构建目标函数和性能函数的Kriging代理模型。用单循环方法对当前解进行优化,并将得到的点进行评估并加入样本集中,通过最大化单循环期望改进的准则进行主动学习加点,找到单循环期望改进最大的点,对其进行评估并将其加入到训练集中。重复代理模型训练、可靠性优化以及主动学习的过程,直到满足停止准则,得到满足可靠性要求的主蒸汽隔离阀优化问题的最优解。

    面向载荷识别的应变片最优布局方法

    公开(公告)号:CN118734660A

    公开(公告)日:2024-10-01

    申请号:CN202411230426.6

    申请日:2024-09-04

    Abstract: 面向载荷识别的应变片最优布局方法,属于机械结构载荷识别中应变片最优布局技术领域。首先,建立机械结构的几何有限元模型,获得其单元、节点信息及在多种载荷分别独立作用下的应变响应数据。其次,通过单元和节点信息创建模型表面的局部坐标系,通过应变响应数据获得其余各方向上的切应变;根据各方向上的切应变及对应载荷大小求得对应的应变‑载荷系数,运用代理模型建立应变片布局与应变‑载荷系数之间连续映射关系。最后,选择安装范围作为位置约束,约束应变片之间的最小距离,以载荷识别误差最小为目标函数,对应变片布局进行优化。本发明可对大型或复杂机械结构进行分析,获得应变片安装候选区域中的全局最优布局,识别机械结构上的载荷。

    一种用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法

    公开(公告)号:CN118395624B

    公开(公告)日:2024-09-13

    申请号:CN202410498793.8

    申请日:2024-04-24

    Abstract: 本发明属于优化设计技术领域,涉及用于主蒸汽隔离阀的单循环期望改进主动学习可靠性优化方法。首先,根据主蒸汽隔离阀可靠性优化问题确定变量的维度以及其概率分布,确定开启时间目标函数以及其他时间指标的性能函数。采用拉丁超立方采样方法生成初始样本,构建目标函数和性能函数的Kriging代理模型。用单循环方法对当前解进行优化,并将得到的点进行评估并加入样本集中,通过最大化单循环期望改进的准则进行主动学习加点,找到单循环期望改进最大的点,对其进行评估并将其加入到训练集中。重复代理模型训练、可靠性优化以及主动学习的过程,直到满足停止准则,得到满足可靠性要求的主蒸汽隔离阀优化问题的最优解。

    一种面向隧道掘进机的实测数据离群值检测及修正方法

    公开(公告)号:CN116108339A

    公开(公告)日:2023-05-12

    申请号:CN202310141397.5

    申请日:2023-02-21

    Abstract: 本发明提供了一种面向隧道掘进机的实测数据离群值检测及修正方法,属于异常值数据检测领域,通过滑动窗口的方法对不同工况下的隧道掘进机实测数据进行分层异常值检测,并对异常值点进行修正填补。该方法首先通过滑动窗口将原始时间序列分割成多个子时间序列,并采用快速计算的方式提取子时间序列斜率的置信区间半径并识别异常子时间序列,然后利用局部离群因子算法进一步判定异常值,最后采用回归技术针对剔除后的异常值进行合理填补。本发明能有效识别隧道掘进机实测数据中的异常值,且对异常值进行合理的填补修正,保证了隧道掘进机实测数据工程可用性,为进一步数据分析提供良好的条件。

    一种基于图像显著性检测的安全阀阀门空化现象判别方法

    公开(公告)号:CN113870240A

    公开(公告)日:2021-12-31

    申请号:CN202111185038.7

    申请日:2021-10-12

    Inventor: 宋学官 王一棠

    Abstract: 本发明提供一种基于图像显著性检测的安全阀阀门空化现象判别方法,属于数字图像处理技术领域,该方法通过图像显著性检测的方法,对不同工况下的安全阀阀门仿真图像进行显著性检测。首先,对不同工况下的仿真图像进行采集,再对采集到的图像进行训练得到过完备字典,并且获取仿真图像不同通道的对应系数,然后对系数进行处理获取系数中的显著信息并恢复为显著图,最后,根据专家经验对显著性图像进行判断,安全阀阀门是否产生空化现象。本发明在安全阀仿真各种工况下时就识别出空化现象,可以在安全阀设计过程中避免空化状态,延长安全阀使用寿命。

    一种无人矿用挖掘机的结构-控制一体化优化方法

    公开(公告)号:CN118378518B

    公开(公告)日:2024-11-08

    申请号:CN202410465455.4

    申请日:2024-04-18

    Abstract: 本发明属于优化设计技术领域,涉及一种无人矿用挖掘机的结构‑控制一体化优化方法。首先,根据无人矿用挖掘机的结构‑控制一体化优化问题确定需要仿真计算的挖掘机动臂质量结构目标函数和挖掘机动臂应力约束条件以及可以直接计算的挖掘能耗和挖掘体积控制目标函数。采用拉丁超立方采样方法生成初始样本种群,并对计算昂贵的结构约束和目标构建Kriging代理模型。对初始种群进行进化迭代,得到最终种群,采用最近点逼近的方法计算所有个体的期望超体积改进指标。找到种群中期望超体积改进指标最大的个体,对其进行评估并将其加入到训练集中。重复种群迭代的过程与加点的过程,知道满足最大的计算耗时的目标和约束评估次数。

    一种基于模糊聚类的矿用挖掘机实测数据划分方法

    公开(公告)号:CN118194075A

    公开(公告)日:2024-06-14

    申请号:CN202410614759.2

    申请日:2024-05-17

    Abstract: 本发明属于数据处理技术领域,公开一种基于模糊聚类的矿用挖掘机实测数据划分方法。首先,对矿用挖掘机施工的挖掘实测数据进行采集,再对所获取的实测数据集进行读取,生成数据矩阵。随后,对数据属性进行相关性分析,挑选强关联属性。然后,基于数据矩阵和强关联属性构建模糊聚类模型。之后,初始化隶属度矩阵和回归系数矩阵。计算类原型矩阵更新回归系数矩阵和隶属度矩阵。最后,根据隶属度矩阵判断是否满足停止条件,输出聚类结果。本发明在数据采集后立即对实测数据集进行了合理有效的数据分类处理,从而提高了对矿用挖掘机实测数据的分析与挖掘准确性,并为矿用挖掘机的智能化设计提供了帮助。

    一种基于模糊建模的隧道掘进数据缺失值插补方法

    公开(公告)号:CN115526032A

    公开(公告)日:2022-12-27

    申请号:CN202211108654.7

    申请日:2022-09-13

    Abstract: 一种基于模糊建模的隧道掘进数据缺失值插补方法,通过模糊建模的方法,对不完整掘进数据集进行缺失值插补。首先,对掘进数据进行采集,再对数据集进行检测是否包含缺失值。若为不完整数据集,将其通过模糊聚类的方法进行划分,划分为若干个模糊线性子集,并且通过拉格朗日乘子法迭代优化获取聚类后簇原型、单属性在各个子集的前件参数和预插补数据集。然后,基于该预插补数据集利用最小二乘法求解聚类簇中的后件参数。之后,再计算每个子集的输出并进行加权求和得到系统的全局输出。最后,使用缺失样本相应的模型输出值代替预插补值,当所有预插补值都被替换,则得到最终的插补数据集。

    面向载荷识别的应变片最优布局方法

    公开(公告)号:CN118734660B

    公开(公告)日:2024-11-08

    申请号:CN202411230426.6

    申请日:2024-09-04

    Abstract: 面向载荷识别的应变片最优布局方法,属于机械结构载荷识别中应变片最优布局技术领域。首先,建立机械结构的几何有限元模型,获得其单元、节点信息及在多种载荷分别独立作用下的应变响应数据。其次,通过单元和节点信息创建模型表面的局部坐标系,通过应变响应数据获得其余各方向上的切应变;根据各方向上的切应变及对应载荷大小求得对应的应变‑载荷系数,运用代理模型建立应变片布局与应变‑载荷系数之间连续映射关系。最后,选择安装范围作为位置约束,约束应变片之间的最小距离,以载荷识别误差最小为目标函数,对应变片布局进行优化。本发明可对大型或复杂机械结构进行分析,获得应变片安装候选区域中的全局最优布局,识别机械结构上的载荷。

    一种无人矿用挖掘机的结构-控制一体化优化方法

    公开(公告)号:CN118378518A

    公开(公告)日:2024-07-23

    申请号:CN202410465455.4

    申请日:2024-04-18

    Abstract: 本发明属于优化设计技术领域,涉及一种无人矿用挖掘机的结构‑控制一体化优化方法。首先,根据无人矿用挖掘机的结构‑控制一体化优化问题确定需要仿真计算的挖掘机动臂质量结构目标函数和挖掘机动臂应力约束条件以及可以直接计算的挖掘能耗和挖掘体积控制目标函数。采用拉丁超立方采样方法生成初始样本种群,并对计算昂贵的结构约束和目标构建Kriging代理模型。对初始种群进行进化迭代,得到最终种群,采用最近点逼近的方法计算所有个体的期望超体积改进指标。找到种群中期望超体积改进指标最大的个体,对其进行评估并将其加入到训练集中。重复种群迭代的过程与加点的过程,知道满足最大的计算耗时的目标和约束评估次数。

Patent Agency Ranking