-
公开(公告)号：CN110285834A
公开(公告)日：2019-09-27
申请号：CN201910609900.9
申请日：2019-07-08
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于一点位置信息的双惯导系统快速自主重调方法。一：根据获得的一点外部位置信息，对系统A进行位置重调，二：系统A实时解算的位置作为系统B的外部辅助信息进行kalman滤波，利用估计出来的误差对系统B的导航参数进行校正，系统B得到准确的速度、位置和姿态信息，三：系统B被校正之后，再利用系统B的位置和速度作为系统A的外部辅助信息进行滤波，对系统A的导航参数进行校正，系统A得到准确的位置、速度和姿态信息，最终实现两套系统快速自主重调。本发明无需连续外部测量设备辅助即可实现系统的快速自主重调，不仅缩短了重调时间，而且能够有效利用量测信息，适用于水下环境。
-
公开(公告)号：CN109840311A
公开(公告)日：2019-06-04
申请号：CN201910038258.3
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F17/18
Abstract: 基于最优观测时间窗口的耦合数据同化与参数优化方法，属于耦合气候模式系统的数据同化、参数优化与数值预报技术领域。针对传统耦合数据同化与参数优化方法存在的观测资源利用以及状态估计与参数优化精度的不足，本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，依据耦合模式状态的时间尺度设立最优观测时间窗口的大小。在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上引入观测窗口内时间权重系数，最大程度上提取有效的观测信息以拟合耦合模式状态的特征变率并忽略模式内部参数的时变特征并引入时间窗口内的时间平均系数，实现对模式参数的更加精确的估计与优化，强化耦合模式的大气与海洋的数值预报能力。
-
公开(公告)号：CN109783932A
公开(公告)日：2019-05-21
申请号：CN201910032586.2
申请日：2019-01-14
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 一种结合最优观测时间窗口的强耦合数据同化方法，属于耦合气候模式系统的强耦合数据同化与数值预报技术领域。本发明结合耦合模式自由积分状态的谱分析获取耦合模式状态的特征时间尺度，并依据耦合模式状态的时间尺度设立最优观测时间窗口的大小；在基于最优观测时间窗口获取有效的大气与海洋观测数据的基础上，根据大气与海洋状态之间的自相关系数引入观测窗口内相关性权重系数，最大程度上提取有效的观测信息的同时减小时间与相关性差异；在基于最优观测时间窗口的弱耦合同化方案的稳态大气与海洋的耦合相关性系数，在传统强耦合同化方案中引入耦合相关性权重系数，实现对耦合模式状态的更加精确的估计强化耦合模式的大气与海洋的数值预报能力。
-
公开(公告)号：CN109284671A
公开(公告)日：2019-01-29
申请号：CN201810869587.8
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于ASMP阈值最优和低通滤波的海水温度场重构算法，在观测区域内进行随机采样，得到采样值后，将温度数据转化为一维列信号的形式，并对温度场进行重构，过程如下：首先进行ASMP算法的初始化并运行ASMP算法，确定细化阈值搜索步骤中的起始阈值，在细化阈值搜索步骤中，运行ASMP算法确定最优输入阈值，将得到的最优阈值作为ASMP算法的输入量，再次运行ASMP算法得到稀疏估计，对稀疏估计进行低通滤波处理，并将一维温度信号还原为二维分布的形式，即可得到温度场的二维分布。本发明改进了ASMP重构算法，通过搜索最优输入阈值，使温度场信号稀疏度的估计更精确；根据温度场信号的特性，对稀疏估计进行低通滤波处理，进一步提高了海洋温度场的重构精度。
-
公开(公告)号：CN109215078A
公开(公告)日：2019-01-15
申请号：CN201810779494.6
申请日：2018-07-16
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于红外成像的海浪方向确定方法，属于图像处理领域。该方法通过船载热成像仪实时获取海面热成像数据信息，然后将图像进行裁剪，再经过图像数字化处理、灰度化处理、二值化处理、图像旋转、图像投影、角度转换以及像素点统计等步骤，获取二值化像素点数量统计结果，与像素点统计数量最大值对应的旋转角度即为海浪浪向。法本发明提供的方法是基于被动红外成像技术的，经过图像处理后，便得到海浪浪向信息。本发明提供的方法不向外发射信号，因此能够保证船舶航行的隐密性。此外，本发明采用红外热成像仪来采集海面图像信息，具有功耗低、成本低的优势。
-
Patent Agency Ranking
公开(公告)号：CN109086824A
公开(公告)日：2018-12-25
申请号：CN201810864966.8
申请日：2018-08-01
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于卷积神经网络的海底底质声呐图像分类方法，属于图像分类技术领域。具体为获取海底底质声呐图像、对图像进行去噪、增强等预处理，基于Canny算法边缘形状提取，生成灰度-基元共生矩阵，构建卷积神经网络分类器结构及样本集，训练神经网络，获得分类模型并实现海底底质声呐图像分类。本发明着手于海底底质声呐图像的图形学特征，解决了使用单一方法的缺点，通过卷积神经网络分类器结构自身的学习策略对不同类型海底底质情况进行学习和训练，最终得到具备分类功能的分类模型，达到对海底底质声呐图像进行快速、准确分类的目的。
-
公开(公告)号：CN106485074B
公开(公告)日：2018-12-07
申请号：CN201610887872.3
申请日：2016-10-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于自适应采样率的海洋温盐场采样方法。包括：1.采样区域分块；2.对感知块进行温盐场梯度特征分析；3.计算每一个感知块中的自适应采样率；4.感知块内随机采样；5.利用重构算法重构温盐场分布。本发明充分利用海洋温盐场先验数据信息，分析温盐场梯度结构特性，设计出一种自适应采样率的采样方案。在采样区域设置的采样数目相同的条件下，本发明设计的采样方法将更多的采样点设置在更有价值的海域，提高了温盐场的重构精度。
-
-
公开(公告)号：CN108764570A
公开(公告)日：2018-11-06
申请号：CN201810522528.3
申请日：2018-05-28
Applicant: 哈尔滨工程大学
CPC classification number: G06Q10/047 , G06N3/006
Abstract: 本发明提供一种基于蚁群算法与Lin‑Kernighan算法解决旅行商问题的杂交算法，将蚁群算法的优点和Lin‑kernighan算法的优点相结合并搜索到最优路径。蚁群算法和Lin‑kernighan算法的杂交过程如下：首先利用蚁群算法在每迭代一次蚁群算法之后，执行Lin‑kernighan算法得到最短路径，然后将蚁群算法得到的路径和Lin‑kernighan算法得到的路径用于更新信息素，然后重复执行此过程直到满足终止条件，输出最优路径。
-
公开(公告)号：CN104134004B
公开(公告)日：2017-10-27
申请号：CN201410373172.3
申请日：2014-07-31
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明属于信息处理技术领域，具体涉及一种基于D‑S证据理论对多种海洋环境要素数据进行融合，实现对海洋环境安全评估的基于D‑S证据理论的海洋环境安全评估方法。本发明包括：计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值；计算机应用D‑S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值：计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。本发明提出的基于D‑S证据理论的海洋环境安全评估方法，有效地解决了海洋环境安全评估问题，能够为决策者提供合理的决策支持，提高船舶在大海中航行的安全性和经济性。
-
-
-
-
-
-
-
-
-
Search Results
279
records
(took 0.058 seconds)
