公开(公告)号：CN119294228A

公开(公告)日：2025-01-10

申请号：CN202411299529.8

申请日：2024-09-18

Applicant: 哈尔滨工程大学

Inventor： 李海超 ,  刘畅 ,  庞福振 ,  郑嘉俊 ,  赵喆 ,  高聪 ,  鲍真 ,  梁冉 ,  李佳航 ,  苗旺

IPC: G06F30/27 ,  G06F30/23 ,  G06N3/044 ,  G06N3/086 ,  G06N3/084 ,  G06F119/10 ,  G06F113/08

Abstract: 一种基于遗传算法优化BP神经网络的水下航行器水动力噪声快速预报方法及其系统，属于船舶水下辐射噪声预报领域，本发明设计了基于遗传算法优化的BP神经网络噪声预报模型，通过选取关键变量：壳体厚度、型线参数、表面粗糙度、材料属性、航行速度、流体介质密度、粘性系数、航行器潜深作为特征条件。通过遗传算法的全局寻优能力获得最优的BP网络的初始权值和阈值，将寻优算法获得的最优初始权值和阈值作为BP神经网络的初始权值和阈值，并训练以避免陷入局部最小值。使用训练集对优化模型进行迭代训练得到高精度噪声预报模型，从而实现水下航行器水动力噪声的预报。本发明适用于水下航行器水动力噪声预报，具有适用性广、精确度高等优点。

公开(公告)号：CN119149911A

公开(公告)日：2024-12-17

申请号：CN202411299535.3

申请日：2024-09-18

Applicant: 哈尔滨工程大学

Inventor： 庞福振 ,  谢雨心 ,  汤旸 ,  李海超 ,  高聪 ,  秦宇璇 ,  邹宇城 ,  徐佳伟 ,  梁泽豪 ,  苗旺

IPC: G06F18/10 ,  G01H17/00 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0442

Abstract: 一种基于长短期记忆神经网络的水下航行器噪声快速预报方法及其系统，属于水下航行器噪声预报领域，以克服现有水下航行器预报方法存在的耗时长、精度低的技术问题。方法包括：收集水下航行器噪声以及相关影响因子数据，对所述数据进行预处理并划分数据集，建立LSTM神经网络模型，依次输入训练集对模型进行训练，输入测试集进行参数调优，输入验证集验证模型准确度，最终得到最优的长短期记忆神经网络模型，应用于水下航行器噪声快速预报。本发明基于神经网络方法，具备快速处理大量数据的能力，实现了噪声的快速预报，同时利用长短期记忆神经网络的优势，保留长期的状态信息，从而能够对水下航行器噪声进行准确预测，提高了预报的准确性。