-
公开(公告)号：CN119150621A
公开(公告)日：2024-12-17
申请号：CN202411566386.2
申请日：2024-11-05
IPC: G06F30/23 , G06F119/02 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种自冲铆接接头成形与力学性能测试集成的有限元建模方法，包括金相剖面测试；对自冲铆接成形过程进行仿真，设置动力学分析步1，搭建自冲铆接成形过程三维模型；对既变形的三维模型进行保留；对既变形的三维模型进行顺序分析步设置，增加动力学分析步2；接头力学性能测试条件设置；设置参考点，输出自冲铆接接头力位移曲线；对模型进行数值计算得到接头成形后的截面参数和剪切性能测试的力位移曲线，该发明解决了现有模拟方法中由于成型和测试相互独立而造成力学测试模型的残余应力数值影响丢失的问题，提高了自冲铆接接头性能预测的准确性和效率，可从力学性能响应的角度溯源工艺参数带来的影响。
-
公开(公告)号：CN119026237A
公开(公告)日：2024-11-26
申请号：CN202410996984.7
申请日：2024-07-24
Applicant: 湖南大学苏州研究院 , 安徽江淮汽车集团股份有限公司 , 湖南大学
IPC: G06F30/15 , G06F30/17 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种大型压铸件结构优化设计方法，其包括(1)对大型压铸件进行初步结构设计；(2)通过壁厚统计模块获得大型压铸件某点的壁厚与某点到浇筑口距离之间的映射关系；(3)通过CAE力学性能计算模块构建大型压铸件服役时各点的应力与各点到浇筑口距离之间的映射关系；(4)数据提取模块提取每个点与浇筑口的距离si、应力大小Ri、原始壁厚di数据；(5)结构快速优化设计模块优化设计大型压铸件该点处的壁厚di0。该大型压铸件结构优化设计方法及设计系统用于对大型压铸件部件进行优化设计，在保证压铸件力学性能的情况下实现压铸件产品的轻量化、壁厚合理化，有利于提高设计效率和设计合理性，降低压铸件产品成本。
-
公开(公告)号：CN119249925B
公开(公告)日：2025-04-18
申请号：CN202411793247.3
申请日：2024-12-09
IPC: G06F30/27 , G06F30/15 , G06F18/2113 , G06F18/214 , G06F18/243 , G06N3/0464 , G06N5/01 , G06N20/20 , G06N3/084 , G06N3/0985 , G06F119/14
Abstract: 本发明公开了一种基于深度学习的机械多接头力学性能预测方法，包括：进行SPR、FDS、焊点的多个接头的精细模型仿真，创建若干机械连接接头精细模型，实现数据构建；采集CAE精细模型或者实验料片的布局特征信息；对接头数据库基于随机森林方法进行特征选择；基于卷积神经网络构建强度特征模型，通过随机森林方法选择的特征信息数据作为训练集，对应的接头强度特征信息作为标签，对多接头的强度特征模型进行训练；集成多个卷积神经网络模型，综合获取预测的多接头强度特征信息，模型的评估与模型应用，该发明通过将历史数据和仿真结果作为训练数据，深度学习模型可以高效地预测接头数量与位置变化时的力学性能。
-
公开(公告)号：CN118862699A
公开(公告)日：2024-10-29
申请号：CN202411341043.6
申请日：2024-09-25
IPC: G06F30/27 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种基于神经网络自学习的SPR2失效卡片拓展方法，包括以下操作方法：试制FDS或SPR接头；建立数据库，根据后续机器学习的输入与输出设置，进行针对性的数据库建立；建立人工神经网络通路；改善后的机器学习架构搭建，先判断待预测数据集的失效形式，并输出，随后采用相对应的失效数据子集进行后续的预测与运算；读取数据并输出SPR2参数通过针对拉剪工况，调整参数值；自动调节个别参数；整体模式使用方法，直接输入待测的FDS的材料新组合，最后可以直接输出失效形式、预测的力位移曲线，以及新的材料卡片参数值，该发明涉及热熔自攻丝连接技术仿真领域，是一种基于神经网络自学习的高效高质适用于热熔自攻丝与自冲铆的SPR2失效卡片拓展方法。
-
公开(公告)号：CN118862699B
公开(公告)日：2025-02-11
申请号：CN202411341043.6
申请日：2024-09-25
IPC: G06F30/27 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种基于神经网络自学习的SPR2失效卡片拓展方法，包括以下操作方法：试制FDS或SPR接头；建立数据库，根据后续机器学习的输入与输出设置，进行针对性的数据库建立；建立人工神经网络通路；改善后的机器学习架构搭建，先判断待预测数据集的失效形式，并输出，随后采用相对应的失效数据子集进行后续的预测与运算；读取数据并输出SPR2参数通过针对拉剪工况，调整参数值；自动调节个别参数；整体模式使用方法，直接输入待测的FDS的材料新组合，最后可以直接输出失效形式、预测的力位移曲线，以及新的材料卡片参数值，该发明涉及热熔自攻丝连接技术仿真领域，是一种基于神经网络自学习的高效高质适用于热熔自攻丝与自冲铆的SPR2失效卡片拓展方法。
-
Patent Agency Ranking
公开(公告)号：CN119249925A
公开(公告)日：2025-01-03
申请号：CN202411793247.3
申请日：2024-12-09
IPC: G06F30/27 , G06F30/15 , G06F18/2113 , G06F18/214 , G06F18/243 , G06N3/0464 , G06N5/01 , G06N20/20 , G06N3/084 , G06N3/0985 , G06F119/14
Abstract: 本发明公开了一种基于深度学习的机械多接头力学性能预测方法，包括：进行SPR、FDS、焊点的多个接头的精细模型仿真，创建若干机械连接接头精细模型，实现数据构建；采集CAE精细模型或者实验料片的布局特征信息；对接头数据库基于随机森林方法进行特征选择；基于卷积神经网络构建强度特征模型，通过随机森林方法选择的特征信息数据作为训练集，对应的接头强度特征信息作为标签，对多接头的强度特征模型进行训练；集成多个卷积神经网络模型，综合获取预测的多接头强度特征信息，模型的评估与模型应用，该发明通过将历史数据和仿真结果作为训练数据，深度学习模型可以高效地预测接头数量与位置变化时的力学性能。
-
公开(公告)号：CN119760872A
公开(公告)日：2025-04-04
申请号：CN202411822918.4
申请日：2024-12-12
IPC: G06F30/15
Abstract: 本发明公开了一种考虑成本与效率的钢铝混合连接接头智能布钉系统，包括确定输入目标，输入目标分为：模糊的使用场景、具体的强度ST、成本PT或偏好的连接形式；讨论单一连接方式，分为选型与先选型再优化；对于步骤S2给出的方案进行自优化：基于多接头力学性能预测模型建立数据库模块，引入强度因子Si，成本因子Pi，轻量化因子Li，密封及NVH因子Ni。得到目标强度，根据接头的数量多少、成本的高低、强度、轻量化以及密封与NVH性能的高低，进行布置方案优化，该发明在输入目标环节可实现柔性升级，即添加多项可量化的指标X，在后续的优化环节添加进入相应的指标因子Xi，从而可以符合更多工况需求的优选系统。
-
公开(公告)号：CN114266316A
公开(公告)日：2022-04-01
申请号：CN202111631593.8
申请日：2021-12-28
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种基于层次图卷积网络的碳足迹‑用户分类方法，属于数据处理技术领域，具体包括：提取多个采样点；根据全部采样点之间的距离构建路段信息，并利用谱聚类方法根据全部路段信息构建路网信息；输入混合时空图卷积网络进行学习，得到层次轨迹嵌入表示；将用户信息及其对应的轨迹数据进行编码后嵌入层次轨迹嵌入表示，得到高维轨迹向量；将高维轨迹向量输入图注意力网络进行降维，得到目标轨迹向量；将目标轨迹向量输入多层感知器和激活函数，得到分类模型。通过本公开的方案，利用图结构构建时空图，然后聚合得到层次嵌入信息，而后再通过图卷积网络和注意力机制网络进行训练，进而得到高精度和可扩展性强的分类模型。
-
公开(公告)号：CN114266316B
公开(公告)日：2024-08-23
申请号：CN202111631593.8
申请日：2021-12-28
Applicant: 湖南大学
IPC: G06F18/241 , G06F18/2323 , G06N3/0464 , G06N3/042 , G06N3/0442 , G06N3/08 , G06F16/29
Abstract: 本公开实施例中提供了一种基于层次图卷积网络的碳足迹‑用户分类方法，属于数据处理技术领域，具体包括：提取多个采样点；根据全部采样点之间的距离构建路段信息，并利用谱聚类方法根据全部路段信息构建路网信息；输入混合时空图卷积网络进行学习，得到层次轨迹嵌入表示；将用户信息及其对应的轨迹数据进行编码后嵌入层次轨迹嵌入表示，得到高维轨迹向量；将高维轨迹向量输入图注意力网络进行降维，得到目标轨迹向量；将目标轨迹向量输入多层感知器和激活函数，得到分类模型。通过本公开的方案，利用图结构构建时空图，然后聚合得到层次嵌入信息，而后再通过图卷积网络和注意力机制网络进行训练，进而得到高精度和可扩展性强的分类模型。
-
公开(公告)号：CN116108983A
公开(公告)日：2023-05-12
申请号：CN202310036274.5
申请日：2023-01-09
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464
Abstract: 本发明公开了一种基于协同时空卷积网络的城市碳排放预测方法和设备，方法包括：以城市网格为节点，分别以网格之间的空间连通性、地理邻近性和碳排放时间相似性为视角，构建城市多视角相关性的异质图；将城市碳排放和交通密度数据并行输入至异质图，各使用1个时空卷积模块分别从带碳排放和交通密度数据的异质图中提取碳排放的时空特征和交通密度的时空特征；从交通密度的时空特征中提取交通密度对碳排放的依赖性，并将交通密度对碳排放的依赖性与碳排放的时空特征融合，得到碳排放全局时空特征；将碳排放全局时空特征与外部因素结合，对城市碳排放进行协同预测。本发明以协同方法预测城市基于私家车的碳排放，可以提高城市碳排放预测精准度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
