-
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：CN119429043B
公开(公告)日：2025-03-21
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：CN119611661A
公开(公告)日：2025-03-14
申请号：CN202510167792.X
申请日：2025-02-17
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 , 高兰棋 , 杜雨璁 , 汪春辉 , 赵望源 , 夏力扬 , 林永亮 , 冯可一 , 黄屹 , 彭潇 , 周泽宇 , 林琪 , 霍文华 , 余家齐 , 苏亮 , 岳文博 , 陈洪亮 , 吴禹良 , 姜帆
Abstract: 一种基于化学能热融冰的水下穿冰浮标，涉及水下破冰技术领域，包括：融冰反应段舱体、核心控制段舱体、气囊、配重段和外壳；核心控制段舱体包括气体释放装置，所述配重段包括发泡固体浮力材料；延伸阶段时，气体释放装置给所述气囊充气，气囊膨胀后将所述发泡固体浮力材料挤出外壳，浮标姿态调整为整体竖直状态；融冰反应段舱体包括水球、针、生石灰包和PCB控制板，外壳包括头部外壳；启动融冰反应时，所述PCB控制板控制针扎破水球，与生石灰包中的生石灰发生放热反应，产生的水蒸气进入所述头部外壳，加热所述头部外壳，水蒸气通过头部外壳表面的孔逸出后与冰接触，实现融冰穿冰。
-
Patent Agency Ranking
公开(公告)号：CN118586295A
公开(公告)日：2024-09-03
申请号：CN202411053875.8
申请日：2024-08-02
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 , G06F30/25 , G06F30/28 , G06N3/0499 , G06F17/11 , G06F113/08 , G06F119/14
Abstract: 本发明涉及船舶冰荷载领域，特别涉及一种基于物理信息神经网络的船舶冰载荷预报方法，实现了船舶冰载荷的智能预报。首先利用CFD‑DEM耦合计算得到在破碎冰区航行的船舶的冰载荷力以及当前时刻冰粒子的数量和相对碰撞速度，依此作为网络的训练与验证数据，之后构建冰粒动量与船舶冰载荷之间的动量守恒方程作为物理约束加入到网络的损失函数中，最后建立全连接网络结构。本发明通过建立神经网络数据集，并利用浮冰和船舶冰载荷相关的物理方程约束神经网络，将神经网络结合物理方程，从而在实时破冰的途中计算并预测后续冰面所到来的阻力；让本发明与船体的显示单元结合时，能够根据实际破冰需要的船速完成调节。
-
公开(公告)号：CN119692252A
公开(公告)日：2025-03-25
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。
-
公开(公告)号：CN119442487A
公开(公告)日：2025-02-14
申请号：CN202510024873.4
申请日：2025-01-08
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/0499 , G06N3/084 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明属于船舶性能智能预报技术领域，公开了一种基于物理信息神经网络的船舶阻力预报方法及系统。该方法对船舶在静水中的直航运动进行数值模拟，获取直航运动时流域的压力场与速度场、船舶阻力信息；构建形成总数据集，建立训练集、测试集和验证集；建立融合物理知识的PINN神经网络模型；得到基于物理信息的神经网络模型；生成随机森林模型以及进行训练；利用随机森林模型对基于物理信息的神经网络模型进行双向验证，形成船舶阻力预报的网络模型。本发明有效增加了预报结果在物理层面的可靠性，加快了神经网络模型的训练效率，从而提高了预报效率。
-
公开(公告)号：CN118586295B
公开(公告)日：2024-12-24
申请号：CN202411053875.8
申请日：2024-08-02
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 , G06F30/25 , G06F30/28 , G06N3/0499 , G06F17/11 , G06F113/08 , G06F119/14
Abstract: 本发明涉及船舶冰荷载领域，特别涉及一种基于物理信息神经网络的船舶冰载荷预报方法，实现了船舶冰载荷的智能预报。首先利用CFD‑DEM耦合计算得到在破碎冰区航行的船舶的冰载荷力以及当前时刻冰粒子的数量和相对碰撞速度，依此作为网络的训练与验证数据，之后构建冰粒动量与船舶冰载荷之间的动量守恒方程作为物理约束加入到网络的损失函数中，最后建立全连接网络结构。本发明通过建立神经网络数据集，并利用浮冰和船舶冰载荷相关的物理方程约束神经网络，将神经网络结合物理方程，从而在实时破冰的途中计算并预测后续冰面所到来的阻力；让本发明与船体的显示单元结合时，能够根据实际破冰需要的船速完成调节。
-
公开(公告)号：CN118520778A
公开(公告)日：2024-08-20
申请号：CN202410968747.X
申请日：2024-07-19
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 , G06N3/084 , G06N3/0985 , G06F113/08 , G06F119/14
Abstract: 本发明属于水下运动阻力测算领域，特别涉及一种基于物理信息神经网络的水下全回转航行体阻力预测方法与优化系统，具体包括如下步骤：S1.模型参数化；S2.几何重构和样本设计；S3.数据集准备；S4.PINNs网络构建；S5.测试网络模型；S6.求解阻力；S7.预测系统精度验证。本发明创新性地超越了传统的纯数据驱动训练模型，该模型通常依赖于大量的船型计算数据来训练近似模型以达到满意的精度。相反，本发明从基本原理出发，引入了物理信息作为损失函数的一部分，实现了一种深层次的数据驱动方法。即使在CFD样本数量有限的情况下，本发明也能通过利用大量的流场信息作为训练和测试集，不仅保证了模型精度，同时也显著减少计算资源。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.024 seconds)
