-
公开(公告)号：CN117763926B
公开(公告)日：2024-05-17
申请号：CN202410195544.1
申请日：2024-02-22
Applicant: 大连理工大学
Abstract: 一种数字孪生信息驱动的高可信结构变形监测方法，属于工程结构变形监测领域，步骤如下：建立结构的有限元模型进行采样，获得全场应变和变形样本数据，增加样本数据的多样性；以张量或矩阵形式存储应变和变形场样本数据；基于神经网络训练应变场到变形场样本数据的映射关系；实时获取应变传感器数据，并建立应变场的数字孪生模型；将数字孪生模型预测的全场应变数据信息作为神经网络的输入，预测的全场变形数据作为输出，通过预测结果实现全场变形监测。本发明无需进行位移计布置、变形监测可信度高，可解决传统变形测量方法易受结构振动影响，难以针对工程结构进行随动测量以及传统变形监测方法可信度低、稳定性差等难题。
-
公开(公告)号：CN117763926A
公开(公告)日：2024-03-26
申请号：CN202410195544.1
申请日：2024-02-22
Applicant: 大连理工大学
Abstract: 一种数字孪生信息驱动的高可信结构变形监测方法，属于工程结构变形监测领域，步骤如下：建立结构的有限元模型进行采样，获得全场应变和变形样本数据，增加样本数据的多样性；以张量或矩阵形式存储应变和变形场样本数据；基于神经网络训练应变场到变形场样本数据的映射关系；实时获取应变传感器数据，并建立应变场的数字孪生模型；将数字孪生模型预测的全场应变数据信息作为神经网络的输入，预测的全场变形数据作为输出，通过预测结果实现全场变形监测。本发明无需进行位移计布置、变形监测可信度高，可解决传统变形测量方法易受结构振动影响，难以针对工程结构进行随动测量以及传统变形监测方法可信度低、稳定性差等难题。
-
公开(公告)号：CN117807823A
公开(公告)日：2024-04-02
申请号：CN202311697398.4
申请日：2023-12-12
Applicant: 大连理工大学
IPC: G06F30/23 , G06F30/27 , G06F119/14
Abstract: 一种面向数字孪生建模的复杂曲面传感器布局方法，步骤：1)建立复杂曲面结构的有限元模型，划分有限元网格，开展仿真分析；2)提取仿真分析结果，将复杂曲面节点坐标降维映射至平面；3)划分背景网格，将背景网格节点作为候选点，根据曲面结构特征干涉与候选点的距离进行候选点筛选，获得可行候选点；4)对可行候选点进行编码，并将可行候选点取值作为优化变量；5)将可行候选点位置处的仿真数据作为虚拟传感器数据，通过虚拟传感器数据拟合代理模型，并定义布局优化的适应度函数；6)利用优化算法对优化变量进行寻优，获得使适应度函数最优的一组编码值。7)对编码值进行解码，并绘制传感器布局结果。本发明操作简便、优化效率较高、能够获得有限数目下具有高精度数字孪生的传感器布局方案；通过背景网格划分和候选点筛选，解决传统方法网格依赖强、优化布局不满足真实安装需求等问题。
-
公开(公告)号：CN117807823B
公开(公告)日：2024-10-01
申请号：CN202311697398.4
申请日：2023-12-12
Applicant: 大连理工大学
IPC: G06F30/23 , G06F30/27 , G06F119/14
Abstract: 一种面向数字孪生建模的复杂曲面传感器布局方法，步骤：1)建立复杂曲面结构的有限元模型，划分有限元网格，开展仿真分析；2)提取仿真分析结果，将复杂曲面节点坐标降维映射至平面；3)划分背景网格，将背景网格节点作为候选点，根据曲面结构特征干涉与候选点的距离进行候选点筛选，获得可行候选点；4)对可行候选点进行编码，并将可行候选点取值作为优化变量；5)将可行候选点位置处的仿真数据作为虚拟传感器数据，通过虚拟传感器数据拟合代理模型，并定义布局优化的适应度函数；6)利用优化算法对优化变量进行寻优，获得使适应度函数最优的一组编码值。7)对编码值进行解码，并绘制传感器布局结果。本发明操作简便、优化效率较高、能够获得有限数目下具有高精度数字孪生的传感器布局方案；通过背景网格划分和候选点筛选，解决传统方法网格依赖强、优化布局不满足真实安装需求等问题。
-
-
-
Search Results
4
records
(took 0.016 seconds)
