龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明公开了一种基于自导向在线学习与高效率采样的机床结构优化方法。方法包括：构建待优化的机床部件的二维三维模型及优化目标函数；构建融合概率分布卷积层的神经网络及其包括信息散度值的损失函数；将设计变量的初始样本组输入优化目标函数中获得目标函数值并输入网络中训练，直至损失函数收敛获得机床结构优化神经网络；对网络进行寻优，并自导向生成新样本组，从而对网络进行迭代训练，获得设计变量的最优解，进行机床结构优化。本发明同时适用二维与三维设计，通过在给定约束下的拓扑优化中，融合概率分布卷积层，利用高斯过程和自导向在线学习代替传统梯度优化，使预测最优解收敛于全局最优解，加快收敛速度，最终实现机床结构优化。
主权项：1.一种基于自导向在线学习与高效率采样的机床结构优化方法，其特征在于，包括：1构建待优化的机床部件的二维三维模型以及基于材料体积约束的优化目标函数；2构建融合概率分布卷积层的神经网络，融合概率分布卷积层的神经网络的输入维度根据机床部件的二维三维模型的维度及其设计变量的数量确定，同时构建融合概率分布卷积层的神经网络的包括信息散度值的损失函数；3随机生成机床部件的二维三维模型中的各个设计变量的若干组初始样本点并进行归一化处理后获得若干组初始样本组，将各组初始样本组输入优化目标函数中获得每组初始样本组的目标函数值；4将各组初始样本组及其目标函数值输入融合概率分布卷积层的神经网络中进行训练，直至损失函数收敛后获得训练完成的融合概率分布卷积层的神经网络作为机床结构优化神经网络；5利用高斯过程模型和预期期望采集函数对机床结构优化神经网络进行寻优，获得各个设计变量的最优候选点组成最优候选组，在最优候选组附近进行自导向生成一批新样本组；6将最优候选组和新样本组重复步骤3-6中初始样本组的相同的操作，从而对机床结构优化神经网络进行迭代训练，直至达到预设最大迭代次数则停止迭代训练，获得此时的各个设计变量的最优候选点作为机床部件的设计变量的最优解，从而进行机床结构的设计，实现机床结构优化。
全文数据：
权利要求：
百度查询： 浙江大学 基于自导向在线学习与高效率采样的机床结构优化方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号