安格利斯特钢(嘉兴)有限公司向剑获国家专利权
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!
龙图腾网获悉安格利斯特钢(嘉兴)有限公司申请的专利热疲劳测试方法及平台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:CN121031217B 。
龙图腾网通过国家知识产权局官网在2026-02-03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:202511537561.X,技术领域涉及:G06F30/23;该发明授权热疲劳测试方法及平台是由向剑;孟德群;温超辉;张长健设计研发完成,并于2025-10-27向国家知识产权局提交的专利申请。
本热疲劳测试方法及平台在说明书摘要公布了:本发明公开了热疲劳测试方法及平台,涉及疲劳测试领域,在加热阶段通过测温仪采集顶点温度,结合基于有限元法和傅里叶热传导定律构建的离散升温模型进行模拟预测,通过滚动优化更新高频加热装置的功率并控制其运行;冷却阶段采集顶点温度,结合离散降温模型模拟预测,滚动优化更新水冷机和空压机的功率并控制二者运行;热检与冷检阶段控制超声装置运行,基于小波分解提取超声信号中的缺陷特征,通过支持向量机进行检测判决,自主决策是否终止测试,该平台模拟冷热变换过程以实现精确快速的控温,提升热疲劳测试可靠性与缺陷检测精度。
本发明授权热疲劳测试方法及平台在权利要求书中公布了:1.热疲劳测试方法,其特征在于,包括以下步骤: 启动加热阶段,初始化前步的加热功率,在第步采集热测温矢量,采用离散升温模型预测生成第步的模拟热测温矢量,决策是否通过滚动优化更新第步的加热功率并运行,直至第步时启动热检阶段,为总步数; 在热检阶段采集超声信号并通过小波分解提取生成缺陷特征矢量,基于支持向量机的判决结果决策停止测试并统计阶段总数或更新加热阶段数,并启动冷却阶段; 初始化前步的水冷功率和风冷功率,在第步采集冷测温矢量,采用离散降温模型预测生成第步的模拟冷测温矢量,决策是否通过滚动优化更新第步的水冷功率和风冷功率并运行,直至第步时启动冷检阶段; 在冷检阶段采集超声信号并通过小波分解提取生成缺陷特征矢量,基于支持向量机的判决结果决策停止测试并统计阶段总数或更新冷却阶段数,并跳转启动加热阶段; 其中,所述离散升温模型和离散降温模型在不同阶段基于有限元法划分的单元和基于傅里叶热传导定律构建的变温方程转化生成,所述变温方程基于傅里叶热传导定律构建,温度关于时间的温度时变项与密度和比热容的乘积等于温度的拉普拉斯算子与导热系数的乘积加作用源,其中,温度的拉普拉斯算子等于温度在三个坐标轴方向的二阶梯度之和; 构建离散升温模型和离散降温模型的前置步骤包括:将温度离散为个单元的单元温度函数,每个单元的单元温度函数为单元内每个顶点的顶点温度与体积函数的线性插值形式,为单元总数;采用体积积分法将温度替换为每个单元的单元温度函数,并与单元内每个顶点的体积函数进行体积积分,整理生成每个单元的单元矩阵方程,即每个单元的热容矩阵与偏微分项之积加热传导矩阵与顶点温度矢量之积等于载荷矢量与单元作用源之积;将每个单元的偏微分项代入第步的顶点温度矢量并进行时间离散,偏微分项等于第步到第步的顶点温度矢量的变化量除以单步时长,整理生成每个单元的离散变温方程; 构建离散升温模型还包括以下步骤:将每个单元的离散变温方程中的单元作用源替换为第步的加热功率与每个单元的热分配比例的乘积并叠加第步的过程噪声,整理为每个单元的单元升温方程,即第步的模拟单元热测温矢量等于每个单元的单元矩阵与第步的单元热测温矢量之积加单元衰减矩阵与第步的加热功率之积加第步的过程噪声,其中,每个单元的热分配比例等于每个单元的单元中心坐标与加热中心坐标的距离代入预先拟合的混合高斯分布生成,单元矩阵反映每个单元的温度状态转移过程,单元衰减矩阵反映每个单元的单元结构以及空间距离引起的第步的加热功率的加热衰减,拼接个单元的单元升温方程构建离散升温模型; 构建离散降温模型与构建离散升温模型的区别在于每个单元的单元作用源替换为第步的水冷功率与每个单元的水冷分配比例的乘积加第步的风冷功率与每个单元的风冷分配比例的乘积,其中,每个单元的水冷分配比例等于单元总数的倒数,风冷分配比例则基于每个单元的单元中心坐标与吹风中心坐标的距离代入预先拟合的混合高斯分布生成。
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安格利斯特钢(嘉兴)有限公司,其通讯地址为:314214 浙江省嘉兴市平湖市曹桥街道勤安路197号4幢104室;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。
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。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励