国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜南京航空航天大學;中國船舶科學研究中心蔡曉偉獲國家專利權

恭喜南京航空航天大學;中國船舶科學研究中心蔡曉偉獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜南京航空航天大學;中國船舶科學研究中心申請的專利一種水下仿生魚自主游動的流場數值模擬方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN119476136B

龍圖騰網通過國家知識產權局官網在2025-05-09發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202510058888.2,技術領域涉及:G06F30/28;該發明授權一種水下仿生魚自主游動的流場數值模擬方法是由蔡曉偉;李博;張軍;于海洋;焦艷梅設計研發完成,并于2025-01-15向國家知識產權局提交的專利申請。

一種水下仿生魚自主游動的流場數值模擬方法在說明書摘要公布了:本發明公開了一種水下仿生魚自主游動的流場數值模擬方法,具體涉及仿生魚游動流場數值模擬領域,包括:通過建立水平剖面的輪廓線方程描述魚體外形。通過魚體的重心位置和俯仰角,將全局地面坐標系與魚體坐標系進行關聯,建立時序魚體運動數據集。結合分布式水下傳感器陣列采集的非穩態流場數據,生成時序流場數據集。基于流場控制方程與魚體動態運動特性,構建靜態交互耦合模型,并提取關鍵動態特征量,建立流場預測模型。輸入交互耦合數據至靜態模型計算全局耦合解進行誤差分析,生成動態交互耦合模型。根據流場預測結果與動態交互耦合模型,修正魚體的運動特性數據,優化仿生魚的運動軌跡,實現流場與魚體運動的閉環優化。

本發明授權一種水下仿生魚自主游動的流場數值模擬方法在權利要求書中公布了:1.一種水下仿生魚自主游動的流場數值模擬方法,其特征在于,包括如下步驟:S1:將仿生魚體沿水平方向分為頭部、軀干和尾部區域,建立魚體外形在水平剖面的輪廓線方程;S2:將全局地面坐標系和魚體坐標系通過魚體俯仰角關聯,通過魚體重心位置和俯仰角完成兩套坐標系的坐標轉換,建立時序魚體運動特性數據集;S3:利用分布式水下傳感器陣列,采集目標水域的非穩態流場數據,提取速度矢量、渦結構及壓力分布變化,建立時序流場數據集;S4:基于非穩態流場特性的控制方程與魚體動態運動特性,構建流場作用與魚體運動特性響應的靜態交互耦合模型;S5:提取時序流場數據集中包括速度梯度、壓力分布變化以及局部渦旋結構在內的關鍵動態特征量,建立流場預測模型;S6:將基于時間序列的交互耦合數據輸入靜態交互耦合模型計算全局耦合解,對全局耦合解與流場預測模型進行誤差分析,形成動態交互耦合模型;S7:根據流場預測模型預測流場變化,再結合動態交互耦合模型計算魚體的預測運動特性數據,對運動特性數據偏差進行修正;在S5中,提取時序流場數據集中包括速度梯度、壓力分布變化以及局部渦旋結構在內的關鍵動態特征量,建立流場預測模型具體包括:對時序流場數據集進行多維降解操作,提取包括速度梯度、壓力分布變化以及局部渦旋結構在內的關鍵動態特征量,構成流場表征參數集合;使用特征模態分解技術,將流場表征參數劃分為空間和時間尺度成分,通過獨立分析不同尺度的流場表征參數局部動態行為與全局變化趨勢,對流場運動進行分層建模;以時序流場數據集中的流場歷史數據為輸入,輸出表征流場動態演化趨勢的預測結果,捕捉流場的時序模式,構建由遞歸式神經網絡組成的流場預測模型;對流場預測模型生成的流場演化結果與實際時序數據進行比對誤差分析,通過調整模型參數對流場預測模型進行修正;在S6中,將基于時間序列的交互耦合數據輸入靜態交互耦合模型計算全局耦合解,對全局耦合解與流場預測模型進行誤差分析,形成動態交互耦合模型具體包括:基于時序對齊與全局地面坐標系空間分布的映射原則,將時序流場數據集和時序魚體運動特性數據集的數據進行統一整合,形成基于時間序列的交互耦合數據,將交互耦合數據輸入靜態交互耦合模型;將非穩態流場特性的控制方程和魚體運動特性的數學綜合表達轉化為離散化代數方程組,離散形式包含空間和時間步長的分段表示;將離散化的代數方程動態分配至圖形處理器架構的不同處理單元進行分布式迭代運算,對每個處理單元的代數方程組獨立求解,設定迭代規則調整處理單元局部解實現全局耦合解的收斂;從流場預測模型和全局耦合解中提取流場預測數據和魚體的運動特性數據,與對應預測時間點真實采集的流場數據及魚體的運動特性數據進行比對,生成參數誤差矩陣;基于對參數誤差矩陣的誤差分析,調整靜態交互耦合模型中魚體運動區域的預定義邊界條件以及流場預測模型的模型參數;基于調整后的邊界條件和流場預測模型預測結果繼續迭代計算全局動態耦合解,重復分析誤差并調整預定義邊界條件與流場預測模型的模型參數,直到全局耦合解的誤差收斂至設定可接受范圍內,形成動態交互耦合模型。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人南京航空航天大學;中國船舶科學研究中心,其通訊地址為:210001 江蘇省南京市秦淮區御道街29號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 邯郸市| 古蔺县| 莎车县| 米易县| 孝感市| 安顺市| 松江区| 津市市| 枣阳市| 双城市| 瓮安县| 如东县| 嘉兴市| 榆社县| 大连市| 铁岭市| 乡城县| 高淳县| 津市市| 剑阁县| 平陆县| 兴和县| 苍溪县| 大姚县| 辽宁省| 长顺县| 内黄县| 民权县| 陇西县| 广南县| 华蓥市| 汉寿县| 泉州市| 砚山县| 章丘市| 西藏| 友谊县| 新乐市| 额尔古纳市| 正安县| 富川|