-
公开(公告)号：CN117601470A
公开(公告)日：2024-02-27
申请号：CN202311679058.9
申请日：2023-12-08
Applicant: 大连理工大学宁波研究院
Abstract: 本发明涉及复合材料的技术领域，公开了一种轻量化高强复合板及其制备方法、应用，包括如下步骤：（1）配置预浸料和环氧树脂浆料；所述预浸料包括空心玻璃微球；（2）将玻璃纤维按照不同纤维密度铺设为上层、中层和下层，中层的纤维密度大于上层和下层的纤维密度；铺设完成后，得到预成型体；（3）将预成型体夹持固定浸渍预浸料后，再经预固化，得到预固化体；（4）将预固化体放置于模具中，合模抽真空，注射环氧树脂浆料，注射完成后保持合模及继续施压固化，开模得到复合板。本发明通过空心玻璃微球配合玻璃纤维，在满足复合板轻量化需求的同时，保证其具有较高的强度和抗冲击性能，还通过改进制备工艺流程，使得成型效果更好。
-
公开(公告)号：CN116362079B
公开(公告)日：2024-01-30
申请号：CN202310252549.9
申请日：2023-03-16
Applicant: 大连理工大学 , 大连理工大学宁波研究院
IPC: G06F30/23 , G06F17/16 , G06F119/02
Abstract: 本发明公开了一种基于新型插值模型的多材料结构拓扑优化方法，包括以下步骤：给出多材料结构拓扑优化问题的优化列式‑获得预设数量的网格单元‑根据实际求解问题设置计算的边界约束和载荷条件‑引入用于区分每根组件内材料属性的材料属性区别参数γ，生成所有组件的拓扑描述函数‑设计域内组件的更新变化，直到收敛输出最终的结构优化构型。本发明采用上述基于新型插值模型的多材料结构拓扑优化方法，若考虑设计域内K种不同材料的优化分布，仅需要引入一组描述组件内材料分布类别的未知变量γK‑1，并与组件的拓扑描述函数联系起来，便可以描述有限单元网格内的材料属性，简化了的分析和计算过程，提高了分析计算效率。
-
公开(公告)号：CN115408914B
公开(公告)日：2023-07-04
申请号：CN202211071121.6
申请日：2022-09-02
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/23 , G06F30/27 , G06N3/0499 , G06N3/08 , G06N20/00
Abstract: 本发明公开二维结构的问题无关机器学习拓扑优化方法、介质及产品，方法包括步骤：构建机器学习模型；在随机样本中线下训练机器学习模型；将粗单元中的细单元密度分布输入机器学习模型，输出扩展多尺度有限元中的多尺度形函数值；采用扩展多尺度有限元进行结构分析并优化。实施本发明，通过构建机器学习模型，利用机器学习模型对最耗时的多尺度形函数进行计算，代替了原有扩展多尺度有限元中多尺度形函数复杂的计算，从而充分发挥出了线性边界条件下的扩展多尺度有限元方法的高效性，实现了有限元的分析时间数量级上的降低。
-
公开(公告)号：CN115630542A
公开(公告)日：2023-01-20
申请号：CN202211187180.X
申请日：2022-09-28
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/23 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种薄壁加筋结构的加筋布局优化方法，将待优化的薄壁结构基底曲面生成三角形网格曲面基于共形映射建立基底曲面和参数空间平面的映射关系在参数空间中进行组件布局以模拟参数空间的加强筋，基于共形映射的节点坐标变换将参数空间的加强筋映射为物理空间的加强筋网格模型；基于形状灵敏度分析方法，采用MMA求解器更新设计变量。本发明采用显式几何参数构建并描述参数空间的组件型加强筋，通过共形映射技术构建参数空间和物理空间的映射关系，实现物理空间中复杂曲面上的加筋模型的建立。对整个结构采用高精度的随体壳单元进行，可以准确捕获结构的响应信息。
-
公开(公告)号：CN115600383A
公开(公告)日：2023-01-13
申请号：CN202211179622.6
申请日：2022-09-27
Applicant: 大连理工大学宁波研究院(CN) , 大连理工大学(CN)
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开一种不确定性数据驱动计算力学方法、存储介质及产品，方法包括步骤：初始化局部凸包数据点；根据当前迭代线性规划问题的可行性获取结构响应；根据当前迭代步的结构响应更新局部凸包数据点；执行迭代循环，直到结构响应的位移向量的2范数的相对误差小于设定的阈值。通过更改目标函数来求解结构响应的解集，可以衡量数据集不确定性对解的影响，比经典DDCM方法的单一解更具有可信度，更有利于工程师的判断；可以使用成熟的线性规划问题高效求解，也加快了收敛速度，降低了经典DDCM方法中对实验数据点数目的要求。
-
Patent Agency Ranking
公开(公告)号：CN115408914A
公开(公告)日：2022-11-29
申请号：CN202211071121.6
申请日：2022-09-02
Applicant: 大连理工大学宁波研究院 , 大连理工大学
Abstract: 本发明公开二维结构的问题无关机器学习拓扑优化方法、介质及产品，方法包括步骤：构建机器学习模型；在随机样本中线下训练机器学习模型；将粗单元中的细单元密度分布输入机器学习模型，输出扩展多尺度有限元中的多尺度形函数值；采用扩展多尺度有限元进行结构分析并优化。实施本发明，通过构建机器学习模型，利用机器学习模型对最耗时的多尺度形函数进行计算，代替了原有扩展多尺度有限元中多尺度形函数复杂的计算，从而充分发挥出了线性边界条件下的扩展多尺度有限元方法的高效性，实现了有限元的分析时间数量级上的降低。
-
公开(公告)号：CN115630542B
公开(公告)日：2023-09-01
申请号：CN202211187180.X
申请日：2022-09-28
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/23 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种薄壁加筋结构的加筋布局优化方法，将待优化的薄壁结构基底曲面生成三角形网格曲面基于共形映射建立基底曲面和参数空间平面的映射关系在参数空间中进行组件布局以模拟参数空间的加强筋，基于共形映射的节点坐标变换将参数空间的加强筋映射为物理空间的加强筋网格模型；基于形状灵敏度分析方法，采用MMA求解器更新设计变量。本发明采用显式几何参数构建并描述参数空间的组件型加强筋，通过共形映射技术构建参数空间和物理空间的映射关系，实现物理空间中复杂曲面上的加筋模型的建立。对整个结构采用高精度的随体壳单元进行，可以准确捕获结构的响应信息。
-
公开(公告)号：CN117601631A
公开(公告)日：2024-02-27
申请号：CN202311567595.4
申请日：2023-11-22
Applicant: 大连理工大学宁波研究院
IPC: B60J5/10
Abstract: 本发明公开了一种轻量化汽车后背门结构，旨在解决现在很多自卸车的后背门重量大，强度达不到设计要求，抗冲击性能不佳的不足。该发明包括车门框，车门框两侧分别连接内板和外板，外板上设置若干向内板方向凸出的压铸槽，压铸槽与内板连接，内板和外板均为玻璃纤维复合材质。内板和外板均为玻璃纤维复合材质，重量轻，强度好，抗冲击能力强。内板和外板之间安装车门框，保证了整个后背门的结构强度，外板上凸出的压铸槽与内板连接，使内板和外板连接后完全成一个整体，增加了内板和外板之间轴向受力点，有效增加了整个后背门的强度。这种轻量化汽车后背门结构的重量轻，满足轻量化设计要求，而且强度好，抗冲击能力强，满足设计要求。
-
公开(公告)号：CN116362079A
公开(公告)日：2023-06-30
申请号：CN202310252549.9
申请日：2023-03-16
Applicant: 大连理工大学 , 大连理工大学宁波研究院
IPC: G06F30/23 , G06F17/16 , G06F119/02
Abstract: 本发明公开了一种基于新型插值模型的多材料结构拓扑优化方法，包括以下步骤：给出多材料结构拓扑优化问题的优化列式‑获得预设数量的网格单元‑根据实际求解问题设置计算的边界约束和载荷条件‑引入用于区分每根组件内材料属性的材料属性区别参数γ，生成所有组件的拓扑描述函数‑设计域内组件的更新变化，直到收敛输出最终的结构优化构型。本发明采用上述基于新型插值模型的多材料结构拓扑优化方法，若考虑设计域内K种不同材料的优化分布，仅需要引入一组描述组件内材料分布类别的未知变量γK‑1，并与组件的拓扑描述函数联系起来，便可以描述有限单元网格内的材料属性，简化了的分析和计算过程，提高了分析计算效率。
-
公开(公告)号：CN115600383B
公开(公告)日：2023-06-02
申请号：CN202211179622.6
申请日：2022-09-27
Applicant: 大连理工大学宁波研究院 , 大连理工大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明公开一种不确定性数据驱动计算力学方法、存储介质及产品，方法包括步骤：初始化局部凸包数据点；根据当前迭代线性规划问题的可行性获取结构响应；根据当前迭代步的结构响应更新局部凸包数据点；执行迭代循环，直到结构响应的位移向量的2范数的相对误差小于设定的阈值。通过更改目标函数来求解结构响应的解集，可以衡量数据集不确定性对解的影响，比经典DDCM方法的单一解更具有可信度，更有利于工程师的判断；可以使用成熟的线性规划问题高效求解，也加快了收敛速度，降低了经典DDCM方法中对实验数据点数目的要求。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
