龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江大学
申请日：2024-05-29
公开（公告）日：2024-06-28
公开（公告）号：CN118260970A
主分类号：G06F30/20
分类号：G06F30/20;G06F30/23;G06F30/27;G06F119/20
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明公开了一种基于深度学习可重编程刚度变形界面的形状控制方法，该方法通过设计可重编程刚度变形界面的结构；进行有限元模拟得到变形界面的3D变形结果，将限制层布置和对应的变形结果作为原始数据集；对原始数据集进行图像处理，得到的RGB图像和对应深度图像作为网络训练的数据集；采用基于生成对抗网络GAN的网络模型进行训练，结合验证集网格搜索优化参数得到训练好的模型；使用训练好的模型逆向设计出限制层布置，进行变形界面的形状控制。本发明所提出的变形界面具有多目标仿形和多形态变换能力，形状控制简单，变形响应快速，能直观地指导用户重新编辑表面刚度以达到预期的变形。
主权项：1.一种基于深度学习可重编程刚度变形界面的形状控制方法，其特征在于，包括以下步骤：（1）结构设计：设计可重编程刚度变形界面RoMI的结构，包括作为变形基底的双层弹性圆形壳体和高刚度限制层；（2）构建原始数据集：将变形界面等效简化为生长双层弹性薄膜进行建模，采用生成算法随机生成限制层布置，在CAE软件中进行有限元模拟，得到变形界面的3D变形形状，将限制层布置和对应的变形结果作为原始数据集；（3）构建网络输入数据集：将限制层布置转换为RGB图像，将变形结果的一个表面渲染作为深度图像，RGB图像和对应深度图像作为网络输入数据集；（4）网络模型训练和验证：搭建基于生成对抗网络GAN的网络模型架构，并交替对抗训练生成器G和判别器D，结合验证集网格搜索优化参数得到训练好的模型；（5）形状控制测试：给定目标曲面，使用训练好的模型逆向设计出限制层布置，并进行变形界面的形状控制。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于深度学习可重编程刚度变形界面的形状控制方法
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