-
公开(公告)号：CN115600383B
公开(公告)日：2023-06-02
申请号：CN202211179622.6
申请日：2022-09-27
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开一种不确定性数据驱动计算力学方法、存储介质及产品，方法包括步骤：初始化局部凸包数据点；根据当前迭代线性规划问题的可行性获取结构响应；根据当前迭代步的结构响应更新局部凸包数据点；执行迭代循环，直到结构响应的位移向量的2范数的相对误差小于设定的阈值。通过更改目标函数来求解结构响应的解集，可以衡量数据集不确定性对解的影响，比经典DDCM方法的单一解更具有可信度，更有利于工程师的判断；可以使用成熟的线性规划问题高效求解，也加快了收敛速度，降低了经典DDCM方法中对实验数据点数目的要求。
-
Patent Agency Ranking
公开(公告)号：CN115600383A
公开(公告)日：2023-01-13
申请号：CN202211179622.6
申请日：2022-09-27
Applicant: 大连理工大学宁波研究院(CN) , 大连理工大学(CN)
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开一种不确定性数据驱动计算力学方法、存储介质及产品，方法包括步骤：初始化局部凸包数据点；根据当前迭代线性规划问题的可行性获取结构响应；根据当前迭代步的结构响应更新局部凸包数据点；执行迭代循环，直到结构响应的位移向量的2范数的相对误差小于设定的阈值。通过更改目标函数来求解结构响应的解集，可以衡量数据集不确定性对解的影响，比经典DDCM方法的单一解更具有可信度，更有利于工程师的判断；可以使用成熟的线性规划问题高效求解，也加快了收敛速度，降低了经典DDCM方法中对实验数据点数目的要求。
-
公开(公告)号：CN115408914A
公开(公告)日：2022-11-29
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
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：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：CN116844664A
公开(公告)日：2023-10-03
申请号：CN202310227659.X
申请日：2023-03-10
Applicant: 大连理工大学
IPC: G16C60/00 , G06F17/16 , G06F17/13 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种考虑不确定性的数据驱动的动力学序列线性规划方法，具体步骤如下：输入初始参数并进行初始计算，计算当前时刻等效右端载荷，分配初始凸组合数据并得到线性规划求解，当线性规划求解可行时，自适应更新局部凸组合点，当线性规划求解不可行时，修正后自适应更新局部凸组合点，直到更新后局部凸组合点收敛；通过Newmark算法计算收敛后的速度和加速度，并将速度和加速度存储为当前时刻响应，进行下一时刻响应的计算；直到计算完时间域所有时刻点的响应，输出相应曲线结果。采用上述一种考虑不确定性的数据驱动的动力学序列线性规划方法，明确考虑了数据集中不可避免的不确定性，得到响应曲线更具有可信度，更有利于工程师的判断。
-
公开(公告)号：CN116844664B
公开(公告)日：2023-11-17
申请号：CN202310227659.X
申请日：2023-03-10
Applicant: 大连理工大学
IPC: G16C60/00 , G06F17/16 , G06F17/13 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种考虑不确定性的数据驱动的动力学序列线性规划方法，具体步骤如下：输入初始参数并进行初始计算，计算当前时刻等效右端载荷，分配初始凸组合数据并得到线性规划求解，当线性规划求解可行时，自适应更新局部凸组合点，当线性规划求解不可行时，修正后自适应更新局部凸组合点，直到更新后局部凸组合点收敛；通过Newmark算法计算收敛后的速度和加速度，并将速度和加速度存储为当前时刻响应，进行下一时刻响应的计算；直到计算完时间域所有时刻点的响应，输出相应曲线结果。采用上述一种考虑不确定性的数据驱动的动力学序列线性规划方法，明确考虑了数据集中不可避免的不确定性，得到响应曲线更具有可信度，更有利于工程师的判断。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
