期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向起重机械力学正反问题的深度学习求解方法
1
作者
郭坤坤
黄镇
+1 位作者
温梦珂
李维东
《起重运输机械》
2023年第11期14-21,共8页
传统数值方法在求解机械工程中的复杂偏微分方程及反问题时往往存在过程繁琐、时间成本高等问题。为解决这一问题,建立了基于物理信息的神经网络模型,通过深度学习求解偏微分方程的正反问题,并在损失函数中添加一项梯度增强项以进一步...
传统数值方法在求解机械工程中的复杂偏微分方程及反问题时往往存在过程繁琐、时间成本高等问题。为解决这一问题,建立了基于物理信息的神经网络模型,通过深度学习求解偏微分方程的正反问题,并在损失函数中添加一项梯度增强项以进一步提高预测的精度。为验证该方法,将其应用到起重机械中两种常见模型的求解,即简支梁和矩形薄板简化模型的力学正反问题。与传统的数值方法在求解反问题中计算复杂、精度相对较差相比,深度学习在求解反问题时,仅需在正问题的基础上对简单的修改损失函数即可求解反问题,从而节省了时间成本,获得相对较高的数值精度。同时,对添加增强项前后的神经网络模型进行计算与对比分析。结果表明,在相同的参数设置下,添加梯度增强项的神经网络模型在求解机械工程的正反问题中均能获得更为准确的预测结果,可为起重机械力学中的方程求解问题提供新思路。
展开更多
关键词
基于物理信息的神经网络(物理信息
神经网络)
深度学习
起重机
工程应用
下载PDF
职称材料
干式超声清洗头空腔结构声模态特性数值模拟
2
作者
赵章焰
王煜
+1 位作者
李维东
王国贤
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第12期141-150,共10页
为研究干式超声波清洗头空腔结构的流场和声场特性,根据干式超声清洗头的超声波发声机理设计了通过流体间流体力学相互作用发声的3 mm腔体(小腔体)结构和通过流体与声学模态共振相互作用发声的10 mm腔体(大腔体)结构,采用计算流体力学(c...
为研究干式超声波清洗头空腔结构的流场和声场特性,根据干式超声清洗头的超声波发声机理设计了通过流体间流体力学相互作用发声的3 mm腔体(小腔体)结构和通过流体与声学模态共振相互作用发声的10 mm腔体(大腔体)结构,采用计算流体力学(computational fluid dynamics, CFD)方法对所设计的方腔展开数值研究。结果表明:两结构有着相似的流场特性,相同压力条件下小腔体的流激振荡更激烈;腔体内最大流速随压力的增大而增大,最大流速的增长率随压力增大而减小,不同的腔体在相同压力条件下最大速度、最大速度的增长率相近;两种结构均能产生超声波,其超声波发声机理与腔体尺寸相关,发声机理与预测值相符。研究表明,针对干式超声波清洗头的流道结构设计并不局限于流体间流体力学相互作用发声的小腔体,大腔体同样可以产生强烈高频超声波,这为干式超声波清洗头的结构设计提供参考。
展开更多
关键词
干式超声清洗
CFD
流激振荡
超声波
空腔结构
下载PDF
职称材料
起重机主梁截面风力系数预测及结构优化设计
3
作者
黄镇
温梦珂
李维东
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第12期123-133,共11页
为解决传统计算流体力学(computational fluid dynamics, CFD)方法获取港口起重机主梁截面风力系数过程繁琐、难以实现结构快速优化设计的关键技术难题,提出了一种基于卷积神经网络的起重机主梁截面风力系数快速预测模型。本研究所提出...
为解决传统计算流体力学(computational fluid dynamics, CFD)方法获取港口起重机主梁截面风力系数过程繁琐、难以实现结构快速优化设计的关键技术难题,提出了一种基于卷积神经网络的起重机主梁截面风力系数快速预测模型。本研究所提出的风力系数快速预测模型利用自由几何变形方法处理基础截面形状以获取具有丰富几何特征的起重机主梁截面图形集,并采用CFD方法计算各主梁截面图形对应的风力系数生成数据集。在此基础上,基于数据集训练预测模型并对其网络结构进行优化,建立了主梁截面与风力系数之间的非线性映射关系。此外,进一步将该预测模型与遗传算法结合建立了一种主梁截面优化设计方法,并以数据集内F11截面为例将防风性能作为优化目标测试了该优化方法的准确性和效率。算例测试结果表明,所提出的风力系数快速预测模型在预测各主梁截面的风力系数时平均相对误差为1.87%,预测时间为毫秒量级,比传统CFD方法计算效率有数量级地提升;应用本研究所发展的起重机主梁截面优化设计方法优化后的F11截面较优化前风力系数降低了15.89%,能够极大地提高主梁截面的防风性能,证明了所提出的优化方法的可靠性,可作为一种起重机主梁截面结构优化设计与快速选型的新方法。
展开更多
关键词
主梁截面
防风性能
卷积神经网络
遗传算法
优化设计
下载PDF
职称材料
题名
面向起重机械力学正反问题的深度学习求解方法
1
作者
郭坤坤
黄镇
温梦珂
李维东
机构
武汉理工大学交通与物流工程学院
跨
流域
空气
动力学
重点
实验室
(
中国空气动力研究与发展中心
)
中国空气动力研究与发展中心
超高速空
气动力
研究
所
出处
《起重运输机械》
2023年第11期14-21,共8页
文摘
传统数值方法在求解机械工程中的复杂偏微分方程及反问题时往往存在过程繁琐、时间成本高等问题。为解决这一问题,建立了基于物理信息的神经网络模型,通过深度学习求解偏微分方程的正反问题,并在损失函数中添加一项梯度增强项以进一步提高预测的精度。为验证该方法,将其应用到起重机械中两种常见模型的求解,即简支梁和矩形薄板简化模型的力学正反问题。与传统的数值方法在求解反问题中计算复杂、精度相对较差相比,深度学习在求解反问题时,仅需在正问题的基础上对简单的修改损失函数即可求解反问题,从而节省了时间成本,获得相对较高的数值精度。同时,对添加增强项前后的神经网络模型进行计算与对比分析。结果表明,在相同的参数设置下,添加梯度增强项的神经网络模型在求解机械工程的正反问题中均能获得更为准确的预测结果,可为起重机械力学中的方程求解问题提供新思路。
关键词
基于物理信息的神经网络(物理信息
神经网络)
深度学习
起重机
工程应用
Keywords
neural network based on physical information(physical information
neural network)
deep learning
crane
engineering application
分类号
TH218 [机械工程—机械制造及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
干式超声清洗头空腔结构声模态特性数值模拟
2
作者
赵章焰
王煜
李维东
王国贤
机构
武汉理工大学交通与物流工程学院
跨
流域
空气
动力学
重点
实验室
(
中国空气动力研究与发展中心
)
中国空气动力研究与发展中心
超高速空
气动力
研究
所
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第12期141-150,共10页
文摘
为研究干式超声波清洗头空腔结构的流场和声场特性,根据干式超声清洗头的超声波发声机理设计了通过流体间流体力学相互作用发声的3 mm腔体(小腔体)结构和通过流体与声学模态共振相互作用发声的10 mm腔体(大腔体)结构,采用计算流体力学(computational fluid dynamics, CFD)方法对所设计的方腔展开数值研究。结果表明:两结构有着相似的流场特性,相同压力条件下小腔体的流激振荡更激烈;腔体内最大流速随压力的增大而增大,最大流速的增长率随压力增大而减小,不同的腔体在相同压力条件下最大速度、最大速度的增长率相近;两种结构均能产生超声波,其超声波发声机理与腔体尺寸相关,发声机理与预测值相符。研究表明,针对干式超声波清洗头的流道结构设计并不局限于流体间流体力学相互作用发声的小腔体,大腔体同样可以产生强烈高频超声波,这为干式超声波清洗头的结构设计提供参考。
关键词
干式超声清洗
CFD
流激振荡
超声波
空腔结构
Keywords
dry ultrasonic cleaning
CFD
flow-induced oscillation
ultrasound
the cavity structure
分类号
TB559 [理学—声学]
下载PDF
职称材料
题名
起重机主梁截面风力系数预测及结构优化设计
3
作者
黄镇
温梦珂
李维东
机构
武汉理工大学交通与物流工程学院
中国空气动力研究与发展中心
超高速空
气动力
研究
所
跨
流域
空气
动力学
重点
实验室
(
中国空气动力研究与发展中心
)
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第12期123-133,共11页
基金
国家重点研发计划(2017YFC0805703)。
文摘
为解决传统计算流体力学(computational fluid dynamics, CFD)方法获取港口起重机主梁截面风力系数过程繁琐、难以实现结构快速优化设计的关键技术难题,提出了一种基于卷积神经网络的起重机主梁截面风力系数快速预测模型。本研究所提出的风力系数快速预测模型利用自由几何变形方法处理基础截面形状以获取具有丰富几何特征的起重机主梁截面图形集,并采用CFD方法计算各主梁截面图形对应的风力系数生成数据集。在此基础上,基于数据集训练预测模型并对其网络结构进行优化,建立了主梁截面与风力系数之间的非线性映射关系。此外,进一步将该预测模型与遗传算法结合建立了一种主梁截面优化设计方法,并以数据集内F11截面为例将防风性能作为优化目标测试了该优化方法的准确性和效率。算例测试结果表明,所提出的风力系数快速预测模型在预测各主梁截面的风力系数时平均相对误差为1.87%,预测时间为毫秒量级,比传统CFD方法计算效率有数量级地提升;应用本研究所发展的起重机主梁截面优化设计方法优化后的F11截面较优化前风力系数降低了15.89%,能够极大地提高主梁截面的防风性能,证明了所提出的优化方法的可靠性,可作为一种起重机主梁截面结构优化设计与快速选型的新方法。
关键词
主梁截面
防风性能
卷积神经网络
遗传算法
优化设计
Keywords
girder section
windproof performance
convolutional neural network
genetic algorithm
optimal design
分类号
TH218 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向起重机械力学正反问题的深度学习求解方法
郭坤坤
黄镇
温梦珂
李维东
《起重运输机械》
2023
0
下载PDF
职称材料
2
干式超声清洗头空腔结构声模态特性数值模拟
赵章焰
王煜
李维东
王国贤
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
3
起重机主梁截面风力系数预测及结构优化设计
黄镇
温梦珂
李维东
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部