-
公开(公告)号：CN117932273A
公开(公告)日：2024-04-26
申请号：CN202410276022.4
申请日：2024-03-12
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/20 , G06F18/214 , G06F17/14 , G06F17/16 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种融入时频分析的船舶运动长时预报方法及系统。该方法包括：将划分的训练集数据和测试集数据输入基于PatchTST架构的神经网络模型，在模型内部通过快速傅里叶变换或逐波分析的方法求得该段时历数据的特征周期，通过滑动窗口的方法将整段时历数据划分为多个子序列级别的Patch片段；基于获得的Patch片段进行训练得到准确的预报模型；使用训练好的所述预报模型对未来一段时间内的船舶运动时历数据进行预测。本发明不但能够捕捉全局范围内序列的长时依赖关系，也能获取到局部的周期性起伏特征，从而实现船舶运动长时有效预报。
-
公开(公告)号：CN117251663A
公开(公告)日：2023-12-19
申请号：CN202311210831.7
申请日：2023-09-20
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F17/10
Abstract: 一种直升机着舰安稳期状态判别方法，涉及船舶与海洋工程技术领域，通过综合船舶各自由度运动状态，在船舶运动的基础上融入环境因素的干扰，通过数值计算将各方面信息汇总成数值指数，以此对整体作业状态进行宏观评价，可以有效提高作业执行人员与指挥人员对于作业整体状态的把握能力，提高起降作业效率以及起降作业安全性，该方法同时填补了国内通过船舶运动等信息综合计算安稳期状态算法的空白，为舰载机起降作业安稳期的判断方式提供了新的途径。
-
公开(公告)号：CN116842474A
公开(公告)日：2023-10-03
申请号：CN202310702738.1
申请日：2023-06-14
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/25 , G06F18/2131 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于TFT模型的舰船运动极短期预报方法及系统。该方法基于舰船惯导系统记录的多工况条件下舰船运动数据，通过快速傅里叶变换得到的舰船运动功率谱并提取谱特征参数；将每种工况条件下的舰船航速、浪向角、海浪环境有义波高和特征周期作为时不变特征，将舰船六自由度运动时历、速度、加速度数据和风场信息、谱特征参数作为时变特征；以时不变特征与时变特征序列为输入，以待预报的目标舰船自由度运动时历序列为输出，构建舰船运动时历预报模型；使用舰船运动时历预报模型对未来一段时间的舰船运动时历进行预测。本发明提出可实现针对不同工况开展预报工作时的特征匹配，从而有效模型提升预报性能。
-
公开(公告)号：CN118410722A
公开(公告)日：2024-07-30
申请号：CN202410850464.5
申请日：2024-06-28
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F30/27 , G06F30/15 , G06N3/0455 , G06N3/09 , G06F18/214 , G06F18/2131 , G06F119/14 , G06F119/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种动力系统建模的非平稳性船舶运动预报方法及系统。该方法引入傅里叶滤波与koopman理论，构建基于koopa架构的船舶运动预报模型，分别构建低频koopman预测器与高频koopman预测器，滤波后的高频分量通过低频koopman预测器映射到高维空间，在高维空间中通过一个koopman算子控制其状态转移；滤波后的低频分量则通过低频koopman预测器映射到高维空间，并在高维空间中对分布特征不同的数据状态区域分别采用不同的koopman算子控制其状态转移。本发明有效提高预报模型对非平稳性船舶运动时历数据的预报精度。
-
公开(公告)号：CN118378014A
公开(公告)日：2024-07-23
申请号：CN202410804962.6
申请日：2024-06-21
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F17/18
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于船舶运动频谱的安稳期概率统计方法及系统。该方法通过船舶运动时历获取频谱信息，通过随机过程的统计学分析，利用概率论的联合分布以及马尔科夫链理论建立船舶运动安稳期概率模型，利用历史数据完成航行作业的提前规划以及实际作业中安稳期概率的计算。本发明能够提前在船舶进入某海域作业前给出满足作业要求的安稳期发生概率，同时能在作业前的一段时间内给出安稳期出现的概率，为海上船舶的航行作业计划提供辅助决策。
-
Patent Agency Ranking
公开(公告)号：CN117893575B
公开(公告)日：2024-05-31
申请号：CN202410294769.2
申请日：2024-03-15
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06T7/246 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明属于船舶与海洋工程技术领域，公开了图神经网络融入自注意力机制的船舶运动预报方法及系统。该方法采用图卷积神经网络和门控循环神经网络结合的预报模型，以及采用自注意力机制基于输入的船舶六自由度运动片段计算六自由度运动耦合权重矩阵，并构造船舶六自由度运动图数据，实现船舶运动耦合关系表征；然后采用GCN结合GRU模型，基于构造的船舶六自由度运动图数据进行特征提取，实现船舶运动极短期预报。本发明提出的预报方法优于现有的常用的船舶运动极短期预报模型。
-
公开(公告)号：CN117893575A
公开(公告)日：2024-04-16
申请号：CN202410294769.2
申请日：2024-03-15
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06T7/246 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明属于船舶与海洋工程技术领域，公开了图神经网络融入自注意力机制的船舶运动预报方法及系统。该方法采用图卷积神经网络和门控循环神经网络结合的预报模型，以及采用自注意力机制基于输入的船舶六自由度运动片段计算六自由度运动耦合权重矩阵，并构造船舶六自由度运动图数据，实现船舶运动耦合关系表征；然后采用GCN结合GRU模型，基于构造的船舶六自由度运动图数据进行特征提取，实现船舶运动极短期预报。本发明提出的预报方法优于现有的常用的船舶运动极短期预报模型。
-
公开(公告)号：CN117892886A
公开(公告)日：2024-04-16
申请号：CN202410302145.0
申请日：2024-03-18
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于置信区间的船舶运动极短期概率预报方法及系统。该方法包括基于船舶惯导系统记录船舶运动时历数据，手动指定概率分布函数描述所述船舶运动时历数据；然后将船舶运动时历数据作为输入，概率分布函数中的参数作为输出，训练神经网络模型学习输入与输出间的映射关系，构建船舶运动置信区间预报模型；设定不同的置信水平，对船舶运动未来一段时间内运动不同置信水平下的置信区间进行预报，获取船舶海上作业信息。本发明采用拟合假定目标服从的概率分布函数参数直接对船舶运动不同置信水平下的置信区间预报，有效避免了分布预报中的误差积累和包络预报中的端点效应干扰。
-
公开(公告)号：CN117104452A
公开(公告)日：2023-11-24
申请号：CN202311048781.7
申请日：2023-08-19
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于人工神经网络的随船摇荡运动反演波浪方法及系统。该方法通过数据驱动的方式进行基于船舶运动的波浪统计特征中有义波高、特征周期和波浪浪向的反演，同时通过船上布置的位姿传感器进行船舶运动数据的获取，进而获取随船周围海浪信息。本发明对不同的海况均具有良好的鲁棒性。同时这类方法通过船上布置的位姿传感器即可实现船舶运动数据的获取，其硬件需求较为简单，成本效益较高，且能够实现随船波浪监测。这类方法为当前获取随船周围海浪信息提供了一种新的解决路径，可为船舶航行和作业决策提供波浪环境数据支撑。
-
公开(公告)号：CN116861202A
公开(公告)日：2023-10-10
申请号：CN202311133272.4
申请日：2023-09-05
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/20 , G06N3/0442 , G06N3/08
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于长短期记忆神经网络的船舶运动包络预报方法及系统。该方法包括：根据船舶运动时历数据和船舶运动包络数据，截取与包络时历数据对应的时历片段，基于得到的包络时历数据和运动时历数据重构包络反演的训练集和测试集；建立神经网络模型，训练得到包络时历数据与运动时历数据的映射关系，并将完整的船舶运动时历数据输入得到的神经网络模型，反演得到完整的船舶运动包络时历数据；然后将得到的船舶运动包络时历数据划分为训练集和测试集，并输入到长短期记忆神经网络模型中，训练得到LSTM包络预报模型的参数。本发明可明显提升有效预报时长和预报精度，具有更重要的工程意义。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.024 seconds)
