兰州理工大学张丽芳获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉兰州理工大学申请的专利一种基于混合优化算法的大型风电叶片疲劳测试载荷优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120105631B 。
龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510587429.3,技术领域涉及:G06F30/17;该发明授权一种基于混合优化算法的大型风电叶片疲劳测试载荷优化方法是由张丽芳;马强;白学宗;侯运丰;李德旺;张弛;崔智;安宗文设计研发完成,并于2025-05-08向国家知识产权局提交的专利申请。
本一种基于混合优化算法的大型风电叶片疲劳测试载荷优化方法在说明书摘要公布了:本发明公开了一种基于混合优化算法的大型风电叶片疲劳测试载荷优化方法,涉及风力发电设备测试技术领域。该方法包括:步骤1、根据风电叶片的结构特性,确定测试参数和物理特性参数,并定义优化变量与优化变量范围;步骤2、建立叶片区域分段加权目标函数,针对每个区域分别设置差异化权重和阈值,并构建差异化惩罚机制的目标函数;步骤3、根据步骤2的目标函数,采用贝叶斯全局优化算法,构建目标函数的高斯过程代理模型进行优化,输出优化变量的全局最优解;步骤4、以步骤3的贝叶斯优化结果为起点,应用内点法进行局部精确优化,输出优化变量的最终局部优化结果。
本发明授权一种基于混合优化算法的大型风电叶片疲劳测试载荷优化方法在权利要求书中公布了:1.一种基于混合优化算法的大型风电叶片疲劳测试载荷优化方法,其特征在于,所述方法包括: 步骤1、根据风电叶片的结构特性,确定测试参数和物理特性参数,并定义优化变量与优化变量范围; 其中,测试参数包括:风电叶片长度、测试位置点分布和目标弯矩分布,物理特性参数包括:叶片阻尼比,优化变量包括:激振器位置、激振器质量和激振力幅值; 步骤2、建立叶片区域分段加权目标函数,针对每个区域分别设置差异化权重和阈值,并构建差异化惩罚机制的目标函数; 其中,叶片划分为五个区域分别为:根部区域、根部-中部过渡区域、中部区域、中部-尖部过渡区域、尖部区域;目标函数为每个区域惩罚机制的累加; 步骤3、根据步骤2的目标函数,采用贝叶斯全局优化算法,构建目标函数的高斯过程代理模型进行优化,输出优化变量的全局最优解; 其中,全局最优解包括:激振器位置的全局最优解、激振器质量的全局最优解和激振力幅值的全局最优解; 步骤4、以步骤3的贝叶斯优化结果为起点,应用内点法进行局部精确优化,输出优化变量的最终局部优化结果; 其中,优化变量的最终局部优化结果包括:激振器位置的局部最优解、激振器质量的局部最优解和激振力幅值的局部最优解。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人兰州理工大学,其通讯地址为:730000 甘肃省兰州市七里河区兰工坪路287号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。