-
公开(公告)号：CN117875194B
公开(公告)日：2024-05-28
申请号：CN202410282605.8
申请日：2024-03-13
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 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于海洋环境数据计算技术领域，公开了基于少量实海观测数据的区域海浪场智能构建方法及系统。该方法通过全连接结构FCNN提取向量类型数据特征和卷积结构CNN提取矩阵类型数据特征，针对输入及输出数据分别进行特征提取及处理，解决数据之间维度不对应的问题；应用于采用零散浮标数据作输入，实现对区域网格化海浪场数据的输出，通过实海观测数据对区域海浪场进行重构。本发明针对输入及输出数据分别进行特征提取及处理，解决数据之间维度不对应的问题；应用于采用零散浮标数据作输入，实现对区域网格化海浪场数据的输出，通过实海观测数据对区域海浪场进行重构。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN119474853A
公开(公告)日：2025-02-18
申请号：CN202411365192.6
申请日：2024-09-29
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/214 , G06F18/22 , G06N3/084
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种融入系统状态估计的船舶运动智能预报方法及系统，通过对船舶某一自由度运动时历数据以及对应的波浪时历数据进行分割，得到时历预报的训练集和测试集；通过波浪‑船舶运动系统滞后阶数分析得到最佳滞后阶数#imgabs0#根据最佳滞后阶数#imgabs1#利用滑动窗口划分训练集，并根据得到的数据集构建ANN预报模型；根据构建的ANN预报模型得到船舶运动预报结果。本发明从时间序列分析理论出发，将波浪‑船舶运动滞后阶数计算融入智能模型ANN前处理方法，提高了ANN模型对于捕捉波浪激励与运动响应的映射关系，为模型学习波浪时历与运动时历间的映射关系提供了极大的帮助，极大地提高了船舶运动的智能预报精度。
-
公开(公告)号：CN118332933A
公开(公告)日：2024-07-12
申请号：CN202410748555.8
申请日：2024-06-12
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F30/27 , G06F17/11 , G06F30/15 , G06F119/14
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种舰载直升机六力素方程配平方法及系统，该方法利用麻雀搜索算法，通过构建直升机六力素平衡方程，规定四个操纵量、两个姿态量为配平量，并将六个配平量设定为麻雀搜索算法的算子搜索目标，通过群智能优化算法对目标求解区间内的配平量组合进行寻优，通过迭代得到在目标工况下精度最高的数值解，从而实现求取目标区间内的全局最优解过程。相较于传统的Newton迭代法，本发明利用群智能优化算法在直升机动力学配平问题中有效地规避了初始点选择不当或者问题存在奇点、边界情况等特殊情况，可以有效提升复杂工况下目标直升机配平效率。
-
公开(公告)号：CN116842474B
公开(公告)日：2024-07-02
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：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：CN117909665A
公开(公告)日：2024-04-19
申请号：CN202410302135.7
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
IPC: G06F18/15 , G06F18/20 , G06F18/214 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q50/40 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于傅里叶滤波的船舶运动包络预报数据处理方法及系统。该方法提取船舶运动时历数据的极值点进行三次样条拟合插值，得到船舶运动包络时历数据；将所述船舶运动包络时历数据通过傅里叶变换转换到频域，将滤波后的频域数据通过傅里叶逆变换转换回时域；将上述经过傅里叶滤波后的船舶运动包络时历数据输入到长短期记忆LSTM神经网络模型中进行训练预报。本发明实现了将频谱中低于最大模长一定占比的高频部分进行截断，从而降低了谱宽，达到了滤波效果，得到了更加简单的信号。提升了LSTM模型在较长时间预报时的预报精度。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.03 seconds)
