Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京理工大学金鑫获国家专利权

北京理工大学金鑫获国家专利权

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!

龙图腾网获悉北京理工大学申请的专利一种机械产品装配性能仿真不确定性分析方法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:CN119578149B

龙图腾网通过国家知识产权局官网在2025-10-31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:202411510270.7,技术领域涉及:G06F30/23;该发明授权一种机械产品装配性能仿真不确定性分析方法是由金鑫;林义桐;刘振德;管晓乐;尚可;许德山;经伯伦;张竞元设计研发完成,并于2024-10-28向国家知识产权局提交的专利申请。

一种机械产品装配性能仿真不确定性分析方法在说明书摘要公布了:本申请提供了一种机械产品装配性能仿真不确定性分析方法。本方法考虑仿真过程不同环节中各个不确定性影响因素对装配性能的影响,将仿真过程中不确定性影响因素分为两类,分别进行不确定性的量化分析。第一类包括仿真前期的测量环节、建模环节、仿真分析环节,该类影响因素可进行不确定度u或误差的直接计算;第二类影响因素为外载荷、边界条件及以几何误差分布为主的各个工艺参数引起的非线性环节所导致的装配性能不确定性,对于该类影响因素,本方法基于物理数字孪生模型的仿真分析结果,结合最优SVR代理模型构建与Sobol全局敏感度分析,定量分析装配性能对工艺参数的敏感程度。综上,本方法对产品的装配过程提供指导。

本发明授权一种机械产品装配性能仿真不确定性分析方法在权利要求书中公布了:1.一种机械产品装配性能仿真不确定性分析方法,其特征在于,该方法包括: 考虑仿真过程中不同环节对装配性能具有影响的不确定性影响因素,并根据不同环节进行分类,将仿真过程中不确定性影响因素分为两类,之后分别进行不确定性的量化分析; 第一类不确定性影响因素包括仿真前期的测量环节、建模环节、仿真分析环节; 对于第一类不确定性影响因素中的测量环节,通过对装配体关键零部件结合面进行精确测量,将其关键零部件复杂表面的形貌特征进行数字化,并进行测量检测环节的不确定性量化分析;最终仅考虑测量设备精度带来的影响,由于测量工件表面点坐标长度项可忽略不计,因此仅需考虑测量设备相应的名义测量误差u0进行测量环节的不确定度计算; 对于第一类不确定性影响因素中的建模环节,即根据测量环节中获取的装配体关键零部件结合面表面的实际测量点云数据,构建机械产品装配体的物理数字孪生模型,并对构建的物理数字孪生模型进行曲面建模精度分析;通过分别选取建模点集与测试点集,使用建模点集生成误差曲面,并计算测试点集中各个验证点到误差曲面的最近距离并计算MAE值作为该建模环节的平均绝对误差; 对于第一类不确定性影响因素中的仿真环节,其计算结果的误差包括模型误差、计算误差;仿真环节中的误差根据仿真软件的不同、材料物理属性参数的赋予、网格大小划分、网格类型设置而变化,因此根据实际需求分别计算各个影响因素误差值大小; 第二类影响因素的不确定性分析,该类影响因素包括外载荷与边界条件的第一类工艺参数与引起接触非线性环节的以几何误差分布为主的第二类工艺参数,对其进行不确定性分析以综合量化这两类工艺参数对装配性能不确定性的影响; 首先在建模环节中建立物理数字孪生模型,即虚拟装配体,并进行有限元仿真分析;在仿真过程中,将虚拟装配体的关键零部件结合面均分为多个区域,对虚拟装配体施加包括外载荷与边界条件,并将其作为第一类工艺参数,进行有限元仿真计算,以获得虚拟装配体在装配工艺下的仿真结果;对所述仿真结果进行后处理,基于有限元仿真计算结果,计算各个区域平均结合面位移量; 将引起非线性环节的以几何误差分布为主的各个工艺参数作为第二类工艺参数;结合统计描述与有限元分析模型,通过对装配体关键零部件结合面的各区域几何误差分布进行综合评价,并量化多项第二类工艺参数用以评价各个区域的几何误差分布; 将各个区域的第一类、第二类工艺参数作为自变量,将结合面位移量作为因变量,形成带有多个区域的工艺参数-结合面位移量数据的样本集合,用于后续代理模型构建及不确定性分析; 在完成工艺参数-结合面位移量样本集合构建后,使用单输出支持向量回归S-SVR机器学习算法,并基于已知的样本集合拟合输入量与输出量之间的关系,结合遗传算法原理优化S-SVR法中各参数的取值,最终建立最优S-SVR代理模型; 基于建立的最优S-SVR代理模型,采用Sobol全局敏感度分析方法进行各个工艺参数的不确定性量化分析,通过计算方差的方式分析模型输出响应与输入变量之间关系的方法,分别求得一阶影响指数Si用以量化各个工艺参数对模型的敏感程度,并计算总效应指数用以表示单个工艺参数及其他输入工艺参数之间的相互作用对区域结合面位移量的敏感程度,i为第i个工艺参数;由此完成了仿真过程中各个第一类工艺参数及第二类工艺参数对装配体零部件结合面区域结合面位移量的影响程度的量化;该方法可用于评价工艺参数对其他装配性能指标的不确定性分析。

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北京理工大学,其通讯地址为:100081 北京市海淀区中关村南大街5号;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。

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。