-
公开(公告)号：CN118762786B
公开(公告)日：2025-02-07
申请号：CN202411236992.8
申请日：2024-09-05
Applicant: 山东科技大学
IPC: G16C60/00 , G16C20/70 , G06F30/23 , G06F30/27 , G16C10/00 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F111/10 , G06F119/14
Abstract: 本发明公开一种基于机器学习确定金属材料本构参数的方法，属于材料动力学性能测试技术领域。该方法通过试验装置对金属材料进行静态与动态拉伸试验，并基于光测途径实时测量；通过基于数值分析方法和机器学习手段，建立cGAN条件生成对抗网络，对试验过程中材料拉伸损伤阶段难以完整获取的应变场云图进行识别并基于一定物理机制补全云图；通过CNN卷积神经网络建立材料拉伸过程应变场云图时程数据与数值仿真平台输入本构模型参数之间的映射关系，对试验得到的云图数据进行参数反演，以得到能够直接输入数值仿真平台的本构模型参数。本发明可快速获取复杂应力状态下材料动态本构关系，具有精确、便捷等优点。
-
-
公开(公告)号：CN118762786A
公开(公告)日：2024-10-11
申请号：CN202411236992.8
申请日：2024-09-05
Applicant: 山东科技大学
IPC: G16C60/00 , G16C20/70 , G06F30/23 , G06F30/27 , G16C10/00 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F111/10 , G06F119/14
Abstract: 本发明公开一种基于机器学习确定金属材料本构参数的方法，属于材料动力学性能测试技术领域。该方法通过试验装置对金属材料进行静态与动态拉伸试验，并基于光测途径实时测量；通过基于数值分析方法和机器学习手段，建立cGAN条件生成对抗网络，对试验过程中材料拉伸损伤阶段难以完整获取的应变场云图进行识别并基于一定物理机制补全云图；通过CNN卷积神经网络建立材料拉伸过程应变场云图时程数据与数值仿真平台输入本构模型参数之间的映射关系，对试验得到的云图数据进行参数反演，以得到能够直接输入数值仿真平台的本构模型参数。本发明可快速获取复杂应力状态下材料动态本构关系，具有精确、便捷等优点。
-
公开(公告)号：CN118919003B
公开(公告)日：2025-02-14
申请号：CN202411411693.3
申请日：2024-10-11
Applicant: 山东科技大学
IPC: G16C60/00 , G06F30/27 , G06F30/23 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 本发明公开一种基于数据处理反演脆性材料应变率效应的方法，属于基于电数字数据处理预测材料参数领域。该方法通过霍普金森杆试验装置对脆性材料进行动态加载，并结合数字图像相关技术实时测量材料表面应变场分布，生成具有时序信息的应变场云图序列；同时，建立有限元模型，改变应变率强化模型中的参数，获取不同参数组合下的应变场云图数据；通过3D卷积神经网络，对这些云图数据进行训练，建立云图与参数之间的映射关系，进而能够根据实验数据反演出试验条件下的应变率强化模型参数。该反演参数回代至有限元分析中，计算试件的宏观动态本构关系，并与实验结果进行闭环验证。该方法可快速、精确地获取脆性材料在复杂应变率下的本构模型参数。
-
公开(公告)号：CN118919003A
公开(公告)日：2024-11-08
申请号：CN202411411693.3
申请日：2024-10-11
Applicant: 山东科技大学
IPC: G16C60/00 , G06F30/27 , G06F30/23 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 本发明公开一种基于数据处理反演脆性材料应变率效应的方法，属于基于电数字数据处理预测材料参数领域。该方法通过霍普金森杆试验装置对脆性材料进行动态加载，并结合数字图像相关技术实时测量材料表面应变场分布，生成具有时序信息的应变场云图序列；同时，建立有限元模型，改变应变率强化模型中的参数，获取不同参数组合下的应变场云图数据；通过3D卷积神经网络，对这些云图数据进行训练，建立云图与参数之间的映射关系，进而能够根据实验数据反演出试验条件下的应变率强化模型参数。该反演参数回代至有限元分析中，计算试件的宏观动态本构关系，并与实验结果进行闭环验证。该方法可快速、精确地获取脆性材料在复杂应变率下的本构模型参数。
-
Patent Agency Ranking
公开(公告)号：CN116773379B
公开(公告)日：2023-11-17
申请号：CN202311047170.0
申请日：2023-08-21
Applicant: 山东科技大学
Abstract: 本发明公开一种充压管道轴向荷载与横向往复作用耦合试验装置，属于机器或结构部件的静或动平衡的测试领域。该装置包括刚性支撑组件、滑动组件、管道固定组件、荷载施加组件、管道、控制与数据采集组件；所述刚性支撑组件包括刚性反力架；所述滑动组件包括滑轨、刚性外箱、滑轮；所述管道固定组件包括滑动端固定组件、固定端固定组件；所述荷载施加组件可同时对管道施加轴向荷载和横向往复作用；所述控制与数据采集组件包括荷载传感器、压力传感器、应变片、非接触式应变位移测量仪、采集仪和计算机。本发明可实现内压、轴向拉/压和横向往复作用的实时耦合，并对其响应模式进行准确、便捷地测定。
-
公开(公告)号：CN118111814B
公开(公告)日：2024-06-28
申请号：CN202410464772.4
申请日：2024-04-18
Applicant: 山东科技大学
IPC: G01N3/12 , G01N3/06 , G06F30/23 , G06F17/18 , G06F119/14
Abstract: 本发明公开一种气液两相混合物压缩性能精确测定的方法，属于多相物理量测量领域。该方法通过测量装置对经精确体积配比组成的气液混合体实施轴向压缩，并基于光测途径实时测量；并通过基于数值分析方法等，建立气液混合体范围、径向压力与装置外周应变和位移场之间的映射关系；经由建立的映射关系关联实测应变、位移场数据与气液混合体径向压力，并配合轴向加载力和位移，经由数学公式计算该气液混合体压力与体积应变关系。本发明综合应用试验测量、力学分析、机器学习和反演理论，建立不同体积组成的气液两相混合物的压缩性能，即组份、压力与体积应变的关系，进而完成该类混合物压缩性能的测定，具有精确、便捷等优点。
-
公开(公告)号：CN118111814A
公开(公告)日：2024-05-31
申请号：CN202410464772.4
申请日：2024-04-18
Applicant: 山东科技大学
IPC: G01N3/12 , G01N3/06 , G06F30/23 , G06F17/18 , G06F119/14
Abstract: 本发明公开一种气液两相混合物压缩性能精确测定的方法，属于多相物理量测量领域。该方法通过测量装置对经精确体积配比组成的气液混合体实施轴向压缩，并基于光测途径实时测量；并通过基于数值分析方法等，建立气液混合体范围、径向压力与装置外周应变和位移场之间的映射关系；经由建立的映射关系关联实测应变、位移场数据与气液混合体径向压力，并配合轴向加载力和位移，经由数学公式计算该气液混合体压力与体积应变关系。本发明综合应用试验测量、力学分析、机器学习和反演理论，建立不同体积组成的气液两相混合物的压缩性能，即组份、压力与体积应变的关系，进而完成该类混合物压缩性能的测定，具有精确、便捷等优点。
-
公开(公告)号：CN116773379A
公开(公告)日：2023-09-19
申请号：CN202311047170.0
申请日：2023-08-21
Applicant: 山东科技大学
Abstract: 本发明公开一种充压管道轴向荷载与横向往复作用耦合试验装置，属于机器或结构部件的静或动平衡的测试领域。该装置包括刚性支撑组件、滑动组件、管道固定组件、荷载施加组件、管道、控制与数据采集组件；所述刚性支撑组件包括刚性反力架；所述滑动组件包括滑轨、刚性外箱、滑轮；所述管道固定组件包括滑动端固定组件、固定端固定组件；所述荷载施加组件可同时对管道施加轴向荷载和横向往复作用；所述控制与数据采集组件包括荷载传感器、压力传感器、应变片、非接触式应变位移测量仪、采集仪和计算机。本发明可实现内压、轴向拉/压和横向往复作用的实时耦合，并对其响应模式进行准确、便捷地测定。
-
公开(公告)号：CN105484520A
公开(公告)日：2016-04-13
申请号：CN201410528666.4
申请日：2014-10-10
Applicant: 山东科技大学
IPC: E04H1/04
Abstract: 本申请公开了别墅型高层住宅楼，它属于建筑住宅领域，其主要特征是：（1）标准层内有一个由上中下三层构成的三层复式户型和两个由大层小层构成的双层复式户型，共三个户型；（2）标准层上层由三层复式户型的上层和一个双层复式户型的大层构成，标准层下层由三层复式户型的下层与另一个双层复式户型的大层构成，标准层中层由三层复式户型的中层和这两个双层复式户型的小层构成。本申请的积极效果是：（1）节地节材。（2）户型多样化。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.057 seconds)
