公开(公告)号：CN115685073A

公开(公告)日：2023-02-03

申请号：CN202211394169.0

申请日：2022-11-08

Applicant: 哈尔滨工程大学 ,  烟台哈尔滨工程大学研究院

Inventor： 崔家林 ,  曲先强 ,  张猛 ,  孙雨欣 ,  张煜辰 ,  赵路军 ,  袁柱 ,  路俊峰 ,  杨震宇

IPC: G01S5/22 ,  G01N29/14

Abstract: 本发明的目的在于提供一种浮动式核电站安全壳声发射源定位方法，包括如下步骤：建立声发射源定位的“L”型传感器阵列；记录并且存储各传感器接收到的来自声源的声发射信号；分析声发射信号的波形图，得到到达不同传感器的时差；根据时差确定真伪声发射源的位置，即结构损伤位置；判断出真实声发射源的位置，即结构损伤的真实位置。本发明中适用于浮动式核电站安全壳球形容器表面的声发射源定位方法对声发射监测中的声源定位问题提出了新的方法，通过及时发现损伤位置及潜在威胁从而保障结构的安全性，在船舶与海洋工程、土木工程、石油化工、深海潜水、道路桥梁、海上新能源等领域有着良好的应用前景。

公开(公告)号：CN119377887A

公开(公告)日：2025-01-28

申请号：CN202411501068.8

申请日：2024-10-25

Applicant: 哈尔滨工程大学

Inventor： 付进 ,  李研赫 ,  邹男 ,  杜致尧 ,  杨震宇 ,  李悦铭 ,  马鹏博 ,  刘群

IPC: G06F18/25 ,  G06F18/214 ,  G06N3/08 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/213 ,  G06F30/20 ,  G06N3/048

Abstract: 非高斯环境下基于深度学习的脉冲信号重构方法，本发明涉及基于深度学习的脉冲信号重构方法。本发明的目的是解决现有海洋环境噪声往往具有非高斯统计特性，基于高斯分布假设的传统方法在非高斯干扰与低输入信干噪比背景下的脉冲信号重构准确率低的问题，而提出非高斯环境下基于深度学习的脉冲信号重构方法。非高斯环境下基于深度学习的脉冲信号重构方法具体过程为：构建训练集；构建深度神经网络模型；基于训练集对构建的深度神经网络模型进行训练，获得训练好的深度神经网络模型；将接收到的水声脉冲信号输入训练好的深度神经网络模型，训练好的深度神经网络模型输出重构后的脉冲信号。本发明用于脉冲信号重构领域。