-
公开(公告)号：CN119429043A
公开(公告)日：2025-02-14
申请号：CN202510032255.4
申请日：2025-01-09
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Inventor： 韩凤磊 , 张林鑫 , 赵望源 , 冯可 , 秦艺锟 , 姚嘉琪 , 彭潇 , 周泽宇 , 林琪 , 余家齐 , 苏亮 , 岳文博 , 陈洪亮 , 吴禹良 , 刘相伯 , 霍文华 , 姜帆
Abstract: 本发明公开了一种可搭载无人机的水下机器人，涉及潜水器领域，包括主体，在主体的两端均设置有螺旋桨组，每组所述螺旋桨组包括两个第一螺旋桨，两个第一螺旋桨的朝向不同，在主体的侧边设置有两组无人机舱，两组无人机舱对称设置在主体的两侧，且均设置在两组螺旋桨组之间，无人机舱包括容纳舱、下压机构和加固机构；本发明设置容纳舱，以及在容纳舱的侧边设置下压机构和加固机构，可在第一舵机的作用下控制压板转动，进而使压板覆盖容纳舱的顶部，同时挤压密封圈，进而密封容纳舱，为无人机的密封存放提供支撑，同时，可在第二舵机的作用下使抵板抵压压板的边缘，加固压板与容纳舱密封连接。
-
公开(公告)号：CN119416665B
公开(公告)日：2025-04-18
申请号：CN202510018370.6
申请日：2025-01-07
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F30/27 , G06F30/15 , G06N3/0455 , G06N3/084 , G06F111/04
Abstract: 本发明属于船舶操纵运动预测技术领域，公开了一种基于融合技术的船舶操纵运动实时预报方法及系统。该方法对船舶运动数据和海洋环境数据进行标准化处理，使海洋环境数据与船舶运动数据在同一数值范围内输入构建的基于Transformer架构的船舶运动预测模型，使用滑动时间窗口技术，进行在线梯度更新，适应新数据特征；引入物理损失项，获得改进后基于Transformer架构的船舶运动预测模型；进行优化验证，完成非线性船舶操纵运动预报。本发明不仅能够解决传统模型在非线性处理方面的不足，还可以通过物理约束提升数据驱动模型的可靠性，为未来智能船舶的操纵控制与安全航行提供有力的技术支持。
-
公开(公告)号：CN119720864A
公开(公告)日：2025-03-28
申请号：CN202510213492.0
申请日：2025-02-26
Applicant: 青岛哈尔滨工程大学创新发展中心 , 中国船舶科学研究中心 , 哈尔滨工程大学
IPC: G06F30/28 , G06F30/27 , G06N3/0499 , G06N3/042 , G06N3/084 , G06F111/04 , G06F113/06 , G06F113/08 , G06F119/14
Abstract: 本发明属于海洋风机平台耦合受力智能预报技术领域，公开了一种海洋风机平台耦合受力预报方法及系统，该方法包括利用计算流体动力学方法得到训练所需海洋风机平台受力数据集；构建全连接结构的物理信息神经网络架构；利用风机扇叶面所受风载荷、半潜式平台所受风载荷、半潜式平台所受波浪载荷相关的物理方程约束物理神经网络的损失函数，形成基于物理信息神经网络的海洋风机平台耦合受力预报模型。本发明基于物理信息神经网络的海洋风机平台耦合受力预报模型输出风机扇叶面所受风载荷；半潜式平台所受风载荷和半潜式平台所受波浪载荷。输出的结果与实测数据集符合度很好，误差不超过2%。
-
公开(公告)号：CN119416665A
公开(公告)日：2025-02-11
申请号：CN202510018370.6
申请日：2025-01-07
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F30/27 , G06F30/15 , G06N3/0455 , G06N3/084 , G06F111/04
Abstract: 本发明属于船舶操纵运动预测技术领域，公开了一种基于融合技术的船舶操纵运动实时预报方法及系统。该方法对船舶运动数据和海洋环境数据进行标准化处理，使海洋环境数据与船舶运动数据在同一数值范围内输入构建的基于Transformer架构的船舶运动预测模型，使用滑动时间窗口技术，进行在线梯度更新，适应新数据特征；引入物理损失项，获得改进后基于Transformer架构的船舶运动预测模型；进行优化验证，完成非线性船舶操纵运动预报。本发明不仅能够解决传统模型在非线性处理方面的不足，还可以通过物理约束提升数据驱动模型的可靠性，为未来智能船舶的操纵控制与安全航行提供有力的技术支持。
-
公开(公告)号：CN119397964A
公开(公告)日：2025-02-07
申请号：CN202510012254.3
申请日：2025-01-06
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 , G06F30/27 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于物理信息神经网络的船舶耐波性智能预报方法及系统。该方法将CFD‑RAO方法与PINNs相结合，通过构建物理方程与神经网络损失函数的耦合模型，实现对船舶耐波性的快速高精度预测。本发明实现了对船舶耐波性的快速高精度预测。该方法不仅能够有效应对复杂海况下的多自由度耦合运动，还具备较强的实时性和适应性，为船舶设计和航行安全提供了更为科学可靠的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN119397960A
公开(公告)日：2025-02-07
申请号：CN202411975544.X
申请日：2024-12-31
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 , G06N3/0455 , G06F30/15 , G06F30/27 , B63B71/10 , G06F113/08 , G06F119/14 , G06F111/04 , G06F119/02
Abstract: 本发明属于船舶操纵性能预测技术领域，公开了一种船舶操纵水动力导数智能预报方法及系统。该方法利用定义的自编码器对提取的船舶三维几何形状、船舶操纵运动速度与角速度多个船舶参数压缩至低维表示数据，基于预处理后的压缩后的低维表示数据，构建物理信息神经网络模型；引入改进的总损失函数，优化物理信息神经网络模型；基于引入改进的总损失函数后的物理信息神经网络模型采用优化算法的组合训练策略进行进一步优化，获得优化后的物理信息神经网络模型，对优化后的物理信息神经网络模型PINN模型进行验证与迭代优化。本发明该方法能够在不同的工况下保持较高的预测精度，并在复杂海况中展现出良好的适应性。
-
公开(公告)号：CN119378415A
公开(公告)日：2025-01-28
申请号：CN202510000332.8
申请日：2025-01-02
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 , G06F30/28 , G06N3/042 , G06N3/09 , G06N3/126 , B63B71/10 , G06F113/08 , G06F119/14
Abstract: 本发明涉及船舶操纵性智能预报领域，特别涉及一种基于物理信息神经网络的智能船操纵性推演改进方法，建立船舶平面运动线性数学模型；构建操纵运动物理模型，将操纵运动物理模型带入物理信息神经网络，预报船舶操纵性；船舶平面运动线性数学模型、操纵运动物理模型以及船舶操纵性推演物理信息神经网络共同构成船舶操纵模型，从而实时预报船舶操纵性能数据，利用两次离线迭代和一次在线迭代优化船舶操纵模型，提高预报精度，具有智能化、高精度、高速度的优点。
-
公开(公告)号：CN118690663B
公开(公告)日：2024-12-24
申请号：CN202411166275.2
申请日：2024-08-23
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/0499 , G06F17/11 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于物理信息神经网络的海工平台锚链运动预报方法，包括以下步骤：S1.利用计算流体动力学方法得到物理信息神经网络所需的数据集；S2.采用物理信息神经网络方法通过时间序列预测锚链运动姿态，利用计算流体动力学方法得到锚链受力和受力之后的运动姿态，并收集对应时刻观测点的坐标。本发明可以精准的预测下一秒的平台锚链运动姿态，通过结合计算流体动力学方法和神经网络技术，充分利用物理方程和数据驱动的方法来预测海工平台锚链的运动，提高预测的准确性和可靠性，采用物理信息神经网络方法，将锚链运动涉及的物理方程约束神经网络，使得神经网络能够更好地学习和理解锚链运动的规律，从而提高预测的精度。
-
公开(公告)号：CN118690663A
公开(公告)日：2024-09-24
申请号：CN202411166275.2
申请日：2024-08-23
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/0499 , G06F17/11 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于物理信息神经网络的海工平台锚链运动预报方法，包括以下步骤：S1.利用计算流体动力学方法得到物理信息神经网络所需的数据集；S2.利用锚链运动涉及的物理方程约束神经网络；S3.利用物理信息神经网络方法通过时间序列预测锚链运动，本发明可以精准的预测下一秒的平台锚链运动姿态，在海工领域具有重要的应用前景，通过结合计算流体动力学方法和神经网络技术，充分利用物理方程和数据驱动的方法来预测海工平台锚链的运动，提高预测的准确性和可靠性，采用物理信息神经网络方法，将锚链运动涉及的物理方程约束神经网络，使得神经网络能够更好地学习和理解锚链运动的规律，从而提高预测的精度。
-
公开(公告)号：CN119692252B
公开(公告)日：2025-05-02
申请号：CN202510198855.8
申请日：2025-02-24
Applicant: 青岛哈尔滨工程大学创新发展中心 , 中国船舶科学研究中心 , 哈尔滨工程大学
IPC: G06F30/28 , G06F30/27 , G06N3/045 , G06F111/10 , G06F111/04 , G06F113/08 , G06F119/14 , G06N3/048
Abstract: 本发明属于流体速度压力场推演技术领域，公开了一种基于融合网络的流体速度压力场推演方法及系统。该方法利用计算流体动力学方法得到训练所需流场信息数据集；构建KAN网络；构建基于KAN和PINN融合网络；将构建好的训练集用于构建好的基于KAN和PINN融合网络的训练，并利用验证集进行验证，最终获得流场推演结果。本发明通过建立神经网络数据集、构建KAN型神经网络结构并利用流体相关的物理方程约束神经网络，从而实时预测流场中速度和压力的值，使得船舶行驶过程中能够实时预测周围流场状况，也使得针对特定流体域可进行速度压力场推演。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.035 seconds)
