公开(公告)号：CN118894205A

公开(公告)日：2024-11-05

申请号：CN202410934419.8

申请日：2024-07-12

Applicant: 哈尔滨工程大学

Inventor： 庞福振 ,  谢雨心 ,  徐义刚 ,  王燕舞 ,  樊纪康 ,  李海超 ,  王铮 ,  李晨昊 ,  王寅兵 ,  龙润洲

IPC: B63B71/00 ,  G01M7/08 ,  G01M7/02

Abstract: 本发明属于冲击振动噪声实验领域，涉及一种破冰船典型结构冲击振动噪声实验方法。S1：以破冰船破冰作业时与冰直接接触的板架结构为研究对象，考虑动力学相似完成缩比板架模型设计、加工、安装以及实验装置的连接与调试；S2：进行模态测试；S3：在模型表面不同位置加载激励载荷，在不同实验工况下冲击振动响应；S4：在模型表面不同位置通过激振器施加实船破冰激励载荷，在不同实验工况下的冲击噪声响应；S5：基于调整的激励点位置，重复S4和S5，直至完成全部测试；S6：对采集到的所有数据进行处理，得到破冰船典型结构冲击振动噪声实验结果。本发明可以保证破冰船典型结构缩比模型在实验中表现出与实际破冰船相似的振动特性，能够全面捕捉破冰船典型结构缩比模型的振动和噪声数据，为后续的数据处理和分析提供充足的信息。

公开(公告)号：CN117571112A

公开(公告)日：2024-02-20

申请号：CN202311332120.7

申请日：2023-10-16

Applicant: 哈尔滨工程大学

Inventor： 李海超 ,  赵喆 ,  汤旸 ,  庞福振 ,  邹宇城 ,  徐佳伟 ,  郑嘉俊 ,  王寅兵 ,  杭天一 ,  谢雨心

IPC: G01H17/00 ,  G06F17/16 ,  G01H3/00 ,  G01C21/16 ,  G01C21/00 ,  G01C21/20

Abstract: 本发明属于海洋平台机械噪声预报技术领域，公开半潜式海洋平台机械噪声快速预报方法及快速预报系统。梳理半潜式海洋平台工作时位于水面上、下的机械设备数量、所在位置以及水下辐射噪声待预报位置；确定水面上振动、水面下振动及水下辐射噪声考核点的位置和数量信息；获取水面上设备激励位置振动考核点间的振动传递函数与声振传递函数，水面下设备激励位置到振动考核点间的振动传递函数与声振传递函数；获取水面上、下每个考核点的振动响应数据；根据激励载荷、传递函数和振动响应之间的数值关系，实现基于表面振动的半潜式海洋平台水面上、下设备激励源特性反演；实现综合考虑设备振动及设备空气噪声影响的半潜式海洋平台机械噪声快速预报。

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。

公开(公告)号：CN119294229A

公开(公告)日：2025-01-10

申请号：CN202411299533.4

申请日：2024-09-18

Applicant: 哈尔滨工程大学

Inventor： 汤旸 ,  庞福振 ,  谢雨心 ,  李海超 ,  江沛 ,  邹宇城 ,  赵喆 ,  郑嘉俊 ,  杭天一 ,  耿可为

IPC: G06F30/27 ,  G06F30/17 ,  G06N3/006 ,  G06N3/086 ,  G06N3/044 ,  G06F119/10

Abstract: 一种基于PSO‑Elman神经网络的螺旋桨噪声快速预报方法及其系统，属于螺旋桨噪声预报领域，方法包括：收集船舶螺旋桨噪声数据与螺旋桨噪声影响因素数据并进行预处理，梳理数据相关性并构建样本集，建立Elman神经网络模型并采用粒子群算法进行优化，将样本集输入模型进行训练及验证，得到最优的PSO‑Elman神经网络模型，应用于预报某船舶的螺旋桨噪声。本发明利用Elman神经网络结合粒子群优化算法，可以高效处理大量数据，实现了噪声预报的快速计算，同时能够适应不同环境和参数条件下的螺旋桨噪声预报需求，提高噪声预报的准确性，实现了对噪声预报模型的自适应优化，不断提升预报结果的准确性和稳定性。

公开(公告)号：CN118862722A

公开(公告)日：2024-10-29

申请号：CN202410878405.9

申请日：2024-07-02

Applicant: 哈尔滨工程大学

Inventor： 庞福振 ,  梁冉 ,  李海超 ,  王寅兵 ,  汤旸 ,  郑嘉俊 ,  秦宇璇 ,  谢雨心 ,  耿可为

IPC: G06F30/28 ,  G01H3/00 ,  G01H1/00 ,  G01M10/00 ,  G06F30/23 ,  G06F30/15 ,  G06F30/27 ,  G06T17/20 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14 ,  G06F119/10 ,  G06F111/06 ,  G06N3/006

Abstract: 发明公开了一种基于重构源的船舶水动力噪声快速预报方法、装置、系统及存储介质，基于传递函数的不变性与声波能量叠加原理，建立船舶水动力噪声数值预报模型，计算船舶流激重构源到船体辐射面的振动传递函数、船舶流激重构源到水声考核点的振‑声传递函数、船舶湍流噪声等效声中心‑水下声场考核点“声‑声”传递函数，并将这些传递函数以矩阵的形式存储在计算机磁盘中，形成数据库，当进行船舶水动力噪声快速预报时，只需用软件直接调用相应的传递函数，便可省去计算传递函数的时间，极大节省预报所需时间，提升预报速度。在预报阶段，建立有限感知下船舶“重构源”模型，实现船舶水动力噪声快速预报，具有工程价值和应用前景。