密封件设计参数的确定方法、装置、电子设备及存储介质制造方法及图纸

技术编号:42563912 阅读:36 留言:0更新日期:2024-08-29 00:32
本发明专利技术涉及人工智能技术领域,提供一种密封件设计参数的确定方法、装置、电子设备及存储介质,包括:将形状参数向量输入至包含有残差网络块的GoogleNet网络深度降阶模型,根据其输出的反弹力最大值确定反弹力最大值增量;在确定反弹力最大值增量符合参数更新条件且满足迭代终止条件时,将形状参数向量对应的设计参数作为最优设计参数。本发明专利技术在确定密封件的形状设计变量之后,考虑密封件设计过程中数据维度较低的特性,预先基于包含有残差网络块的GoogleNet网络来构建和训练得到深度降阶模型,能够在参数寻优过程中直接通过深度降阶模型得到反弹力最大值数据,节省了模拟仿真密封件装配过程的时间,提高了密封件设计的效率。

【技术实现步骤摘要】

本专利技术涉及人工智能,尤其涉及密封件设计参数的确定方法、装置、电子设备及存储介质


技术介绍

1、在具有密封需求的产品设计过程中,确定密封件的设计参数是必不可少的一环。

2、目前,基于优化思路的算法被广泛应用于寻找密封件的最优设计参数,在获取评判当前设计参数的反弹力最大值等指标,以对设计参数进行优化时,则会使用仿真技术根据当前状态的设计参数设计仿真密封件,通过模拟仿真密封件的装配过程来获取反弹力最大值等指标。

3、然而,即使是使用了仿真技术,在每次获取设计参数对应的反弹力最大值时都需要再确定仿真密封件和再模拟仿真密封件的装配过程,进行多次仿真,使得密封件设计耗费大量时间,效率较低。


技术实现思路

1、本专利技术旨在至少解决相关技术中存在的技术问题之一。为此,本专利技术提出一种密封件设计参数的确定方法,能够提高密封件设计的效率。

2、本专利技术还提出一种密封件设计参数的确定装置、电子设备及存储介质。

3、根据本专利技术第一方面实施例的密封件设计参数的确定方法,包本文档来自技高网...

【技术保护点】

1.一种密封件设计参数的确定方法,其特征在于,包括:

2.根据权利要求1所述的密封件设计参数的确定方法,其特征在于,所述深度降阶模型包括依次连接的输入层、两个卷积层、第一池化层、至少一个所述残差网络块、第二池化层、全连接层和输出层;

3.根据权利要求2所述的密封件设计参数的确定方法,其特征在于,所述第一深度卷积层和所述第二深度卷积层的结构相同;

4.根据权利要求3所述的密封件设计参数的确定方法,其特征在于,在所述残差网络块为两个以上时,任意两个所述残差网络块之间连接有第四池化层。

5.根据权利要求4所述的密封件设计参数的确定方法,其特征在于...

【技术特征摘要】

1.一种密封件设计参数的确定方法,其特征在于,包括:

2.根据权利要求1所述的密封件设计参数的确定方法,其特征在于,所述深度降阶模型包括依次连接的输入层、两个卷积层、第一池化层、至少一个所述残差网络块、第二池化层、全连接层和输出层;

3.根据权利要求2所述的密封件设计参数的确定方法,其特征在于,所述第一深度卷积层和所述第二深度卷积层的结构相同;

4.根据权利要求3所述的密封件设计参数的确定方法,其特征在于,在所述残差网络块为两个以上时,任意两个所述残差网络块之间连接有第四池化层。

5.根据权利要求4所述的密封件设计参数的确定方法,其特征在于,所述第一池化层、所述第二池化层、所述第三池化层和所述第四池化层均为平均池化层。

6.根据权利要求2所述的密封件设计参数的确定方法,其特征在于,所述深度降阶模型还包括随机丢弃层,所述随机丢弃层分别与所述第二池化层、所述全连接层连接。

7.根据权利要求1所述的密封件设计参数的确定方法,其特征在于,还包括:在确定所述反弹力最大值增量不符合所述参数更新条件,且所述当前状态满足迭代终止条件时;将所述上一状态下的多个所述形状设计变量的所述设计参...

【专利技术属性】
技术研发人员:勾健马荣鑫范正炼郭忠文
申请(专利权)人:中国海洋大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1