-
公开(公告)号：CN111881629A
公开(公告)日：2020-11-03
申请号：CN202010564195.8
申请日：2020-06-19
Applicant: 西北工业大学 , 空气动力学国家重点实验室
IPC: G06F30/28 , G06F119/14 , G06F119/08 , G06F111/10
Abstract: 本发明公开了一种气动热-结构热传导耦合非线性降阶模型方法，属于飞行动力学的技术领域，该方法包括：S1：对结构温度场进行降阶，构建结构温度场降阶模型，对结构温度场降阶模型进行训练，训练完成后，任意时刻结构温度场可由低阶向量表示；S2：对气动热-辐射场进行降阶，并构建输入为Ma、H、α、输出为热载荷场低阶向量的气动热-辐射场模型，对气动热-辐射场模型进行训练，训练完成后，气动热-辐射场模型可根据输入条件快速输出热载荷场低阶向量 其中，Ma为来流马赫数、H为飞行高度以及α为来流迎角；S3：时域热传导模拟，构建时域热传导模型，以结构温度场低阶向量和热载荷场低阶向量 训练时域热传导模型，训练完成后，以进行时域热传导模拟。
-
公开(公告)号：CN111859534B
公开(公告)日：2023-12-26
申请号：CN202010564129.0
申请日：2020-06-19
Applicant: 空气动力学国家重点实验室 , 西北工业大学
IPC: G06F30/15 , G06F30/23 , G06F30/27 , G06F30/28 , G06N3/0455 , G06N3/084 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种热气动弹性分析适用的热固耦合结构动力学降阶模型方法，属于空气动力学的技术领域，该方法包括：S1：对结构温度场进行降阶，构建结构温度场降阶模型，得到任意时刻结构温度场降阶后的结构温度场低阶向量#imgabs0#S2：选用参考结构的模态振型作为参考模态振型Φref，并基于Φref将变形场降阶为低维向量q；S3：建立受热结构的动力学方程：#imgabs1#S4：建立受热结构的热固耦合动力学模型，在q和#imgabs2#构成的L+N维空间内进行抽样，获得一系列具有不同变形场和温度场载荷的样本工况，通过系统辨识出式(7)中的M、D、和K(1)，以训练#imgabs3#和#imgabs4#训练完成后，进行时变温度载荷下的非线性结构动力学分析，以使基于神经网络的热固耦合动力学模型为非线性模型且具有普适性。
-
公开(公告)号：CN111859534A
公开(公告)日：2020-10-30
申请号：CN202010564129.0
申请日：2020-06-19
Applicant: 空气动力学国家重点实验室 , 西北工业大学
IPC: G06F30/15 , G06F30/23 , G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明公开了一种热气动弹性分析适用的热固耦合结构动力学降阶模型方法，属于空气动力学的技术领域，该方法包括：S1：对结构温度场进行降阶，构建结构温度场降阶模型，得到任意时刻结构温度场降阶后的结构温度场低阶向量 S2：选用参考结构的模态振型作为参考模态振型Φref，并基于Φref将变形场降阶为低维向量q；S3：建立受热结构的动力学方程：S4：建立受热结构的热固耦合动力学模型，在q和构成的L+N维空间内进行抽样，获得一系列具有不同变形场和温度场载荷的样本工况，通过系统辨识出式(7)中的M、D、和K(1)，以训练和 训练完成后，进行时变温度载荷下的非线性结构动力学分析，以使基于神经网络的热固耦合动力学模型为非线性模型且具有普适性。
-
公开(公告)号：CN111881629B
公开(公告)日：2022-11-08
申请号：CN202010564195.8
申请日：2020-06-19
Applicant: 西北工业大学 , 空气动力学国家重点实验室
IPC: G06F30/28 , G06F119/14 , G06F119/08 , G06F111/10
Abstract: 本发明公开了一种气动热‑结构热传导耦合非线性降阶模型方法，属于飞行动力学的技术领域，该方法包括：S1：对结构温度场进行降阶，构建结构温度场降阶模型，对结构温度场降阶模型进行训练，训练完成后，任意时刻结构温度场可由低阶向量表示；S2：对气动热‑辐射场进行降阶，并构建输入为Ma、H、α、输出为热载荷场低阶向量的气动热‑辐射场模型，对气动热‑辐射场模型进行训练，训练完成后，气动热‑辐射场模型可根据输入条件快速输出热载荷场低阶向量其中，Ma为来流马赫数、H为飞行高度以及α为来流迎角；S3：时域热传导模拟，构建时域热传导模型，以结构温度场低阶向量和热载荷场低阶向量训练时域热传导模型，训练完成后，以进行时域热传导模拟。
-
公开(公告)号：CN119249911A
公开(公告)日：2025-01-03
申请号：CN202411761066.2
申请日：2024-12-03
Applicant: 西北工业大学
IPC: G06F30/27 , G06N3/096 , G06F119/14
Abstract: 本发明提供了一种基于迁移学习的流动主动控制增效设计方法，属于流动控制设计领域，该方法包括：将第一翼型主动舵面控制模型的所有网络参数共享给初始第二翼型主动舵面控制模型进行初始化，并与流场求解器进行交互，得到翼型绕流对于舵面动作的相关响应数据，计算相应的奖励值，组成初始数组存入经验回放池中；随机采样预设采样数据量组数据，并计算第二翼型主动舵面控制模型各网络的评价值，更新评价网络，引入迁移学习更新策略网络，得到第二翼型最优主动舵面控制模型并用于流动主动控制；本发明在主动舵面控制模型的训练中，引入迁移学习，解决了控制律设计模型需要大量的仿真或实验数据以及控制律设计模型与控制对象强相关的问题。
-
Patent Agency Ranking
公开(公告)号：CN117992761A
公开(公告)日：2024-05-07
申请号：CN202410407208.9
申请日：2024-04-07
Applicant: 西北工业大学
Abstract: 本发明涉及风力发电机空气动力分析技术领域，公开了一种风力机叶片动态失速气动力智能预测方法，包括以下步骤：获取风力机叶片的输入特征数据与目标叶片的高精度气动力数据；将输入特征数据与高精度气动力数据输入基于物理知识的翼型动态失速神经网络模型中进行训练，得到训练好的基于物理知识的翼型动态失速神经网络模型与动态失速气动力预测数据；获取风力机叶片的迎角，并输入训练好的基于物理知识的翼型动态失速神经网络模型与动量叶素理论求解器进行耦合迭代，得到修正的风力机叶片的非定常气动力；该方法将物理知识融入神经网络中，构建基于物理知识的翼型动态失速神经网络模型对气动力进行预测，减少了训练数据，提高了预测精度。
-
公开(公告)号：CN117454757A
公开(公告)日：2024-01-26
申请号：CN202311399625.5
申请日：2023-10-25
Applicant: 西北工业大学
IPC: G06F30/27 , G06F30/28 , G06F30/15 , G06F18/2113 , G06N3/0464 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于无粘流动特征的飞行器气动力分布预测方法。该方法包括以下步骤：获取待预测飞行器翼型在不同来流工况下的无粘流场信息和有粘状态的气动力分布样本；构建候选边界层外缘特征库；从候选边界层外缘特征库中挑选出最优特征组合；构建出模型训练数据集；采用模型训练数据集对残差神经网络模型进行训练，将训练完成的残差神经网络模型作为气动力分布预测模型；获取待预测飞行器翼型所处的来流工况，计算出待预测飞行器翼型在该来流工况下的最优特征组合数据，将最优特征组合数据输入气动力分布预测模型得到预测的气动力分布结果。本发明能够快速准确地预测飞行器气动力分布信息，提高了计算效率，降低了成本。
-
公开(公告)号：CN117035104A
公开(公告)日：2023-11-10
申请号：CN202310992822.1
申请日：2023-08-08
Applicant: 西北工业大学
IPC: G06N10/20 , G06N10/40 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于量子计算和量子人工智能技术领域，公开了一种量子数据生成方法、系统、存储介质、计算机设备及终端，通过使用现有的有限的量子数据对所设计量子U型网络进行训练；使得量子U型网络具备将一个随机噪声量子数据转化为与训练数据同一类型的量子数据，即生成一个全新的同类量子数据。本发明量子U型网络结构中卷积网络层和池化层的数量可根据具体量子数据的大小和生成数据的成功率来自动调整；量子U型网络结构中卷积网络层所用的量子门根据实际条件设置其它类型的量子门比如三比特门；可生成任意量子数据。本发明能够高效地生成任何所需类型的量子数据，且生成的数据的数量不受限。
-
公开(公告)号：CN116933691A
公开(公告)日：2023-10-24
申请号：CN202310976899.X
申请日：2023-08-04
Applicant: 西北工业大学
IPC: G06F30/28 , H03M7/30 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于压缩感知算法的飞行器舵面铰链力矩预测方法。它包括以下步骤：获取飞行器不同流动工况下控制舵面的k个最优测量点的风洞试验数据及CFD仿真数据，得到风洞试验压力系数矩阵Y和CFD仿真压力系数矩阵A；对CFD仿真压力系数矩阵A进行特征分解，得到基函数矩阵ψ；根据基函数矩阵ψ与风洞试验压力系数矩阵Y重构k个最优测量点的截面压力系数分布和舵面全流场压力系数分布；根据k个最优测量点的舵面全流场压力系数分布计算出铰链力矩分布。本发明只需获取控制舵面上少量测量点的压力系数数据就可以高效、高精度的预测铰链力矩，有效减少了试验中的测量点数量和传感器数量，降低了试验成本。
-
公开(公告)号：CN114494455A
公开(公告)日：2022-05-13
申请号：CN202210012549.7
申请日：2022-01-07
Applicant: 西北工业大学
Abstract: 本发明公开了一种大视角下的位移高精度测量方法，首先搭建标定平台；然后搭建和调试双目相机系统；接下来标定过程数据采集，对数据处理分析，建立神经网络模型；之后对真实待测物运动过程数据采集；再采用神经网络预测大视角下物体空间位移；最后将数据保存；本方法即可实时对数据进行处理分析，能满足实时对物体运动状态的评估，也能给对未来状态的预测提供了可信的数据支撑。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.076 seconds)
