-
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：CN117909665B
公开(公告)日：2024-11-08
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
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。
-
公开(公告)号：CN118410722B
公开(公告)日：2024-08-23
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：CN118378570A
公开(公告)日：2024-07-23
申请号：CN202410822191.3
申请日：2024-06-25
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F30/28 , G06F30/15 , G06Q50/40 , G06F119/08
Abstract: 本发明属于海洋环境统计分析技术领域，公开了一种面向长时间尺度环境信息统计分析方法及系统。该方法基于全球大气观测再分析资料进行海洋环境数据获取，构建不同海域以及各海洋环境要素海洋环境数据集；针对划分的不同海域进行单海洋环境要素出现概率分析；将多个海洋环境要素进行综合分析，通过统计不同海洋要素在不同大小下的联合出现情况，获取多要素联合分布概率；对典型极端海洋环境条件进行界定，针对不同的典型海洋环境条件，对不同的单要素及多要素联合概率进行判别。本发明基于全球不同海域的划分以及全球大气观测再分析资料的海洋环境数据获取，实现了多海域适用性的、多时间尺度的、多要素关联的极端海洋环境出现概率分析。
-
Patent Agency Ranking
公开(公告)号：CN117935023A
公开(公告)日：2024-04-26
申请号：CN202410329748.X
申请日：2024-03-22
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于海洋中尺度涡识别技术领域，公开了基于注意力机制的中尺度涡识别和特征分析方法及系统。该方法利用ROMS数值模式提供高分辨率海洋环境数据，并对VG识别方法进行参数优化，基于优选的参数化方案与AVSIO数据集中的中尺度涡数据构建高精度的中尺度涡数据集，最后基于深度学习的方法对中尺度涡进行快速、精准的识别并基于识别结果开展特征分析研究。本发明可以掌握中尺度涡空间位置分布及半径等特征参数和温盐场信息，进而掌握声学探测装备在实海探测的真实效能，对实现水下目标高效、准确探测具有重要意义。
-
公开(公告)号：CN117851760A
公开(公告)日：2024-04-09
申请号：CN202410257690.2
申请日：2024-03-07
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/10 , G06F17/14 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于频带预处理的波浪智能预报模型优化方法及系统。该方法从波浪时历数据的频带分布特征出发，通过波浪频带分布进行多区间划分，滤去噪声影响的同时分离高低频组成部分，并通过高低频部分的预报模型独立训练与预报，通过预报结果叠加实现原波浪时历的高精度预报。本发明面向实际海洋环境中测量的波浪时历数据预报精度低的问题，基于傅里叶变换探究数据频谱特征，从频带分布出发，提出一种波浪时历数据高低频分离的预处理方法，通过本发明可以有效的改善实测波浪时历的预报精度，提升可预报时长，并且该方法普遍的适用于多种波浪深度学习预报模型。
-
公开(公告)号：CN117818850A
公开(公告)日：2024-04-05
申请号：CN202410245683.0
申请日：2024-03-05
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于海洋环境预测技术及船舶运动响应计算领域，公开了一种面向舰船实海航行的性能评估及辅助决策系统及方法。该方法通过数值模式计算的海浪数据，利用深度学习模型对区域海浪的统计值、波浪谱等信息等进行预报，结合船舶航行性能，构建船舶实海域摇摆运动计算方法，实现实海域环境预报及船舶适航性评估。本发明可以为舰船的航行提供更准确、及时的海洋环境数据和船舶摇荡性能评估数据，为船舶的航行提供更适用的决策信息，保障舰船在实海域中航行的安全。
-
公开(公告)号：CN117251663B
公开(公告)日：2024-02-13
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：CN116842381A
公开(公告)日：2023-10-03
申请号：CN202310701618.X
申请日：2023-06-13
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/214 , G06F18/25 , G06N3/084 , G06N3/04 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于数据融合的船舶运动极短期预报模型泛化性优化方法。针对不同工况下船舶运动时历数据特征的差异性，利用多工况数据融合方法融合不同工况下的时历数据，构建相应的训练集，通过深度学习模型的训练提取多工况下运动时历特征，实现多工况下运动时历预报。通过本发明可以实现多种工况条件下的运动时历数据融合训练，实现深度学习神经网络对不同工况条件下的数据特征提取，相应训练所得的预报模型具有更强的泛化性表现，可以针对多种工况条件下的运动时历均保持较好的预报效果。通过该发明可以较好的平衡预报精度与模型适应性，提高船舶相关作业安全的保障能力。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.039 seconds)
