Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国航空工业集团公司西安飞机设计研究所刘昱杉获国家专利权

中国航空工业集团公司西安飞机设计研究所刘昱杉获国家专利权

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!

龙图腾网获悉中国航空工业集团公司西安飞机设计研究所申请的专利一种飞机结构不确定性量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:CN119830453B

龙图腾网通过国家知识产权局官网在2025-11-04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:202411906278.5,技术领域涉及:G06F30/15;该发明授权一种飞机结构不确定性量化方法是由刘昱杉;李明强;刘彦杰;许派;宋璐阳;张晓阳设计研发完成,并于2024-12-23向国家知识产权局提交的专利申请。

一种飞机结构不确定性量化方法在说明书摘要公布了:本申请属于飞机结构不确定性量化技术领域,具体涉及一种飞机结构不确定性量化方法,包括:步骤一、根据结构模型变量的概率分布,抽取N个输入样本xjj=1,…,N,构建输入样本池S;步骤二、从输入样本池S中随机选择N0个输入样本x0,jj=1,…,N0,利用有限元模型计算输出响应y0,jj=1,…,N0,得到初始训练样本集T0={x0,j,y0,j}j=1,…,N0,以此构建初始Kriging模型步骤三、以复合学习函数,更新初始Kriging模型得到计算用Kriging模型gK;步骤四、根据结构模型输入变量的概率分布,抽取输入样本xjj=1,…,M,利用计算用Kriging模型gK预测输入样本对应的输出响应步骤五、输入样本的输出响应估计输出响应的均值、方差,以及估计结构模型的失效概率。

本发明授权一种飞机结构不确定性量化方法在权利要求书中公布了:1.一种飞机结构不确定性量化方法,其特征在于,包括: 步骤一、根据结构模型变量的概率分布,抽取N个输入样本xj,其中,j=1,…,N,构建输入样本池S; 步骤二、从输入样本池S中随机选择N0个输入样本x0,j,其中,j=1,…,N0,利用有限元模型计算输出响应y0,j,其中,j=1,…,N0,得到初始训练样本集T0={x0,j,y0,j},其中,j=1,…,N0,以此构建初始Kriging模型 步骤三、以复合学习函数,更新初始Kriging模型得到计算用Kriging模型gK; 步骤四、根据结构模型输入变量的概率分布,抽取输入样本xj,其中,j=1,…,M,利用计算用Kriging模型gK预测输入样本对应的输出响应其中,j=1,…,M; 步骤五、基于输入样本的输出响应其中,j=1,…,M,估计输出响应的均值、方差,以及估计结构模型的失效概率; 步骤三包括: S1、根据基于初始Kriging模型参数,计算所有输入训练样本对应的ELOOx学习函数值ELOOx0,j,其中,j=1,…,N0,构建误差训练集其中,j=1,…,N0,进而基于该误差训练集构建一个初始误差Kriging模型 S2、令i=1进行循环: S21、基于Kriging模型参数,计算样本池S中所有输入样本的U′x学习函数值U′xj,其中,j=1,…,N,基于误差模型预测样本池S中所有输入样本的ELOOx学习函数值ELOOxi-1,j,其中,j=1,…,N; S22、若maxELOOxi-1,jε,j=1,…,N0+iamp;maxU′xj<0.5,j=1,…,N},则退出循环,得到算用Kriging模型gK,否则,进行S23 S23、计算标准化后的U′x和ELOOx学习函数值U′sxj、 S24、计算样本池S中所有输入样本对应的Cx复合学习函数值Cxj,其中,j=1,…,N,找到其中最大Cx复合学习函数值对应的输入样本xnew,利用有限元模型计算相应的输出响应ynew S25、将xnew,ynew加入当前训练样本集Ti-1,并将当前训练样本集Ti-1更新至训练样本集T,基于训练样本集T将Kriging模型更新为 S26、基于模型计算训练样本集T中所有输入样本的ELOOx学习函数值ELOOxi,j,其中,j=1,…,N+i,构建新的误差训练集T={xi,j,ELOOxi,j},其中,j=1,…,N+i,基于建新的误差训练集T将误差Kriging模型更新为 S27、令i=i+1,并返回S21; S1中,计算ELOOx学习函数值,具体为: d=y-Fβ; H=FFF-1 其中, LOOxi为ELOOx学习函数数值,R为输入建模样本之间的相关矩阵,d、H为中间计算变量,y为输出建模样本,F为全局模型的回归函数矩阵,β为回归参数,i,:、:,i代表矩阵的第i行、第i列,ii代表矩阵的第i个对角元; S21中,计算U′x学习函数值,具体为: 其中, Uxi为U′x学习函数值,gKxi、分别为Kriging模型的预测输出及其标准差; S23中,计算标准化后的U′x和ELOOx学习函数值U′sxj、具体为: U′sxi=U′ximaxU′xi; S24中,计算Cx复合学习函数值,具体为: 其中, Cxi为Cx复合学习函数值,α为定义在区间[0,1]上的平衡参数。

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中国航空工业集团公司西安飞机设计研究所,其通讯地址为:710089 陕西省西安市阎良区人民东路1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”。

以上内容由龙图腾AI智能生成。

免责声明
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。