专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果16个,建议您升级VIP下载更多相关专利
  • [发明专利]应用微纳沟槽表面结构的叶栅数值模拟与湍流控制方法-CN202111486780.1在审
  • 王立悦;王聪;孙刚;王舒悦;游波 - 复旦大学
  • 2021-12-07 - 2022-03-22 - G06F30/17
  • 本发明属于发动机流动控制技术领域,具体为一种应用微纳沟槽表面结构的叶栅数值模拟与湍流控制方法。本发明方法包括微纳沟槽表面的叶栅数值模拟和微纳沟槽表面对叶栅流道的湍流控制两个部分。本发明通过对表面近壁区域的大量微观模拟结果,得到由表面微纳沟槽引起的沿周向不同雷诺数区域的速度修正;将这些速度修正单元整合为滑移等效边界条件,并将其施加在叶栅边界,即完成简化的覆盖微纳沟槽的跨尺度数值模拟;通过对模拟所得的流场特征分析,研究表面微纳沟槽结构的湍流控制效果。本发明可以很好地平衡精度和效率,适于工程应用;应用本发明方法进行覆盖微纳沟槽表面结构叶栅的数值模拟,证明微纳沟槽表面的湍流控制作用。
  • 应用沟槽表面结构数值模拟湍流控制方法
  • [发明专利]耦合微纳表面控制技术的扇叶型总压损失最小化设计方法-CN202111387683.7在审
  • 孙刚;王聪;王立悦;王舒悦;游波 - 复旦大学
  • 2021-11-22 - 2022-02-25 - G06F30/17
  • 本发明属于航空发动机技术领域,具体为一种耦合微纳表面控制技术的扇叶型总压损失最小化设计方法。本发明方法是在传统优化叶型基础上,进行耦合表面结构设计,包括:建立微纳表面的结构几何数据库;根据传统设计的优化叶型边界空气动力学参数分布统计,进行微纳表面微观流动效应分析,提出反映微纳表面流动效应的修改边界条件,将此条件施加到传统设计的优化叶型边界,应用雷诺平均方程进行数值模拟求解,得到微纳表面气动参数数据库;建立人工神经网络代理模型;再应用差分进化优化算法进行最优叶型表面微纳结构几何设计;将得到的最优表面微纳结构与传统设计的优化叶型耦合,即得到改进的优化叶型,该叶型可使风扇的总压损失进一步减小。
  • 耦合表面控制技术扇叶型总压损失最小化设计方法
  • [发明专利]考虑三维因素的短舱进气道设计几何参数化方法-CN202110471565.8在审
  • 王舒悦;曹晨;王聪;王立悦;张浩;王恺迪;孙刚 - 复旦大学
  • 2021-04-29 - 2021-07-16 - G06F30/17
  • 本发明涉及一种考虑三维因素的短舱进气道设计几何参数化方法,首先面向短舱进气道的优化,建立基于三维几何约束的设计空间,然后利用本征正交分解方法,最后求解得到生成面向问题的新设计变量;本发明建立基于三维几何约束的设计空间,利用本征正交分解方法生成面向新型进气道几何参数化描述,得到新型设计变量。采用此种短舱进气道几何参数化方法,可以引入更多的三维考量,在短舱进气道形状的设计中具有应用前景。本发明在短舱进气道设计几何参数化方法中,更加直接地满足三维几何约束与三维几何意义,避免设计维度的剧增而提高优化效率,具备定量可靠的数学推导,减小对设计者经验的依赖。
  • 考虑三维因素短舱进气道设计几何参数方法
  • [发明专利]一种翼型前缘CST的全局转换修正方法及装置-CN202110177911.1在审
  • 孙刚;王聪;王舒悦;王恺迪;王立悦;秦晟 - 复旦大学
  • 2021-02-08 - 2021-06-18 - G06F30/28
  • 本申请公开了一种翼型前缘CST的全局转换修正方法,包括:首先,经过旋转几何坐标系后,将前缘放置在几何的中心位置,通过全局变换方式将翼型旋转并展开,使x轴上的投影为uni值的单一函数;再应用在传统的CST方法,定义该扩展轮廓的参数,调整前缘区域直接相关的参数,利用伯恩斯坦多项式的运算,得到了四个新生成的翼型,包括但不限于加宽前缘、扭转前缘;最后选用SST作为湍流模型,并完成网格分析,分析变化后的参数对应的优化效果。通过旋转几何坐标系后能将前缘放到几何的中心位置,能提高前缘部分的描述精确度,对传统CST方法的改进措施来提高原有方法对翼型前缘部分的敏感度,从而建立起更加适合气动分析的模型,提高优化工作的工作效率。
  • 一种前缘cst全局转换修正方法装置
  • [发明专利]基于神经网络的航空发动机压气机转子叶片的反设计方法-CN202110000466.1在审
  • 孙刚;秦晟;钟勇健;王舒悦;曹博超 - 复旦大学
  • 2021-01-03 - 2021-05-14 - G06F30/27
  • 本发明属于机械设计技术领域,具体为基于神经网络的航空发动机压气机转子叶片的反设计方法。本发明对于压气机转子叶片给定等熵马赫数分布条件进行反设计,具体步骤包括:利用Hicks‑Henne型函数参数化方法,得到叶片数据库及对应的几何参数数据库;利用计算流体力学进行流场模拟,获得叶片数据库对应的气动参数数据库;采用人工神经网络,将几何参数数据库作为输入,训练人工神经网络;将训练所得的人工神经网络用于预测变形叶片的等熵马赫数分布;应用模式搜索方法,使等熵马赫数分布逼近目标分布,最终得到符合目标等熵马赫数分布的转子叶片。本发明方法对于提高航空发动机设计水平、完善航空发动机设计体系也具有重要的工程意义。
  • 基于神经网络航空发动机压气转子叶片设计方法
  • [发明专利]一种基于微纳米涂层的飞机机翼转捩延迟方法-CN201610537263.5有效
  • 孙刚;游波;陶俊;王舒悦 - 复旦大学
  • 2016-07-11 - 2019-07-05 - C09D133/12
  • 本发明属于机械设计技术领域,具体为一种基于微纳米涂层的飞机机翼延迟转捩方法。本发明通过在飞机机翼表面装配微纳米涂层,利用其低表面能特性,使得飞机机翼在飞行时边界层转捩延迟,实现表面层流浸润面积增大、湍流区域减小的目的。本发明采用数值和实验的手段研究微纳米涂层对边界层流动的影响机理,建立涂层设计方法,制备合适的微纳米涂层装配于飞机机翼表面。本发明可以减小飞机机翼表面摩擦阻力,降低湍流激励噪声,推迟边界层转捩的发生,扩大层流区域;同时利用低表面能微纳米涂层在化学性能上突出的高度热稳定性和化学惰性,减小水滴对飞机机翼的附着力,获得自清洁和防冰等多种综合效果。
  • 一种基于纳米涂层飞机机翼转捩延迟方法
  • [发明专利]基于人工神经网络的飞机翼型优化设计方法-CN201510196146.2有效
  • 孙刚;王舒悦;孙燕杰;陶俊 - 复旦大学
  • 2015-04-23 - 2018-02-27 - G06F17/50
  • 本发明属于机械设计技术领域,具体为一种基于人工神经网络的飞机翼型优化设计方法。本发明是在基于人工神经网络的翼型参数化反设计的基础上,进一步提出新型翼型优化方法,以此技术进行翼型数据库的扩充,增加设计人员的可利用技术资源。本发明通过分析研究参数化翼型数据的结构与人工神经网络的联系,寻找实现优化方向的手段;从理论和实验比较不同的学习关系对于人工神经网络的优化工作的影响,最终建构适合应用人工神经网络的翼型新型优化方法,使人工神经网络的智能化特点体现在满足更理想气动要求的翼型生成上。本发明将智能化地生成具备比原有的翼型更优良的气动性能的新翼型,形成设计工作的良性循环。
  • 基于人工神经网络飞机优化设计方法
  • [发明专利]基于人工神经网络的飞机翼型/机翼反设计方法-CN201510198979.2有效
  • 孙刚;王舒悦;孙燕杰;陶俊 - 复旦大学
  • 2015-04-22 - 2018-01-12 - G06F17/50
  • 本发明属于飞机设计技术领域,具体为一种基于人工神经网络的飞机翼型/机翼反设计方法。本发明方法包括利用翼型/机翼PARSEC参数化方法重构翼型/机翼的表达方式,通过人工神经网络(ANN)算法,实现反设计技术。本发明撇开了传统的翼型/机翼设计繁琐而低效率的枚举‑迭代方法(cut‑and‑try),直接建立翼型/机翼气动性能与翼型/机翼几何外形的关系,实现了基于人工神经网络的翼型/机翼参数化反设计。本发明特点一是快速,十分适合于飞机的总体设计尤其是初始设计中;二是由于应用人工神经网络算法到位,使得产生的结果非常准确。
  • 基于人工神经网络飞机机翼设计方法
  • [实用新型]一种体温表-CN201120553255.2有效
  • 王舒悦 - 王舒悦
  • 2011-12-27 - 2012-09-05 - G01K5/22
  • 一种体温表,属于医疗用品。主要解决体温表不容易取放的问题。其结构包括体温表本体,所述的体温表本体的顶部固定有一个吊环,吊环上设有一根软绳。本实用新型采用将软绳与体温表绑定在一起的结构,使用者可以抓着软绳将体温表抽出,不用担心抓不牢体温表而导致摔碎。
  • 一种体温表

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top