公开(公告)号：CN114528759B

公开(公告)日：2022-09-09

申请号：CN202210125411.8

申请日：2022-02-10

Applicant: 哈尔滨工程大学

Inventor： 任少飞 ,  赵鹏飞 ,  张阿漫 ,  王诗平 ,  刘永泽

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/14

Abstract: 本发明公开了一种基于深度学习的水下爆炸气泡形态及附近流场压力预测方法，包括：对水下爆炸气泡脉动特性进行数值计算，通过改变药包质量和爆炸水深，建立不同水下爆炸条件下气泡体积最大及最小时刻形态及附近流场压力的样本数据库；将样本数据库划分为训练集和验证集，以建立用于预测水下爆炸气泡体积最大及最小时刻形态的全连接深度神经网络模型，以预测气泡形态；基于所预测的气泡形态建立表征流场各点至气泡轮廓的最小距离函数；基于样本数据库和最小距离函数，建立用于预测水下爆炸气泡体积最大及最小时刻气泡附近流场压力的卷积反卷积神经网络模型，以预测典型时刻气泡附近流场压力。该方法可减少实验和数值模拟成本，以及提高预测效率。

公开(公告)号：CN113312832A

公开(公告)日：2021-08-27

申请号：CN202110302143.8

申请日：2021-03-22

Applicant: 哈尔滨工程大学

Inventor： 任少飞 ,  刘永泽 ,  张阿漫 ,  王诗平 ,  刘云龙 ,  明付仁 ,  李帅 ,  崔璞

IPC: G06F30/27 ,  G06N3/00 ,  G06N3/08 ,  G06F111/06 ,  G06F111/10 ,  G06F113/08

Abstract: 本发明是一种基于机器学习的水下爆炸载荷下船体板架结构动响应快速预报方法。本发明采用任意欧拉‑拉格朗日方法对水下爆炸载荷下船体板架结构响应进行数值计算获得数据样本；根据船体板架结构，对样本数据库进行降维，用以缩短深度神经网络训练时间；采用深度神经网络对降维后的样本数据库进行学习，并验证学习效果；采用蚁群算法对深度神经网络的结构及超参数进行优化，提高深度神经网络训练效率和预报精度，输出泛化效果最佳的深度神经网络；对使用深度神经网络对水下爆炸载荷下船体板架结构动响应预报结果进行后处理。

公开(公告)号：CN113312832B

公开(公告)日：2022-04-29

申请号：CN202110302143.8

申请日：2021-03-22

Applicant: 哈尔滨工程大学

Inventor： 任少飞 ,  刘永泽 ,  张阿漫 ,  王诗平 ,  刘云龙 ,  明付仁 ,  李帅 ,  崔璞

IPC: G06F30/27 ,  G06N3/00 ,  G06N3/08 ,  G06F111/06 ,  G06F111/10 ,  G06F113/08

Abstract: 本发明是一种基于机器学习的水下爆炸载荷下船体板架结构动响应快速预报方法。本发明采用任意欧拉‑拉格朗日方法对水下爆炸载荷下船体板架结构响应进行数值计算获得数据样本；根据船体板架结构，对样本数据库进行降维，用以缩短深度神经网络训练时间；采用深度神经网络对降维后的样本数据库进行学习，并验证学习效果；采用蚁群算法对深度神经网络的结构及超参数进行优化，提高深度神经网络训练效率和预报精度，输出泛化效果最佳的深度神经网络；对使用深度神经网络对水下爆炸载荷下船体板架结构动响应预报结果进行后处理。

公开(公告)号：CN114528759A

公开(公告)日：2022-05-24

申请号：CN202210125411.8

申请日：2022-02-10

Applicant: 哈尔滨工程大学

Inventor： 任少飞 ,  赵鹏飞 ,  张阿漫 ,  王诗平 ,  刘永泽

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F119/14

Abstract: 本发明公开了一种基于深度学习的水下爆炸气泡形态及附近流场压力预测方法，包括：对水下爆炸气泡脉动特性进行数值计算，通过改变药包质量和爆炸水深，建立不同水下爆炸条件下气泡体积最大及最小时刻形态及附近流场压力的样本数据库；将样本数据库划分为训练集和验证集，以建立用于预测水下爆炸气泡体积最大及最小时刻形态的全连接深度神经网络模型，以预测气泡形态；基于所预测的气泡形态建立表征流场各点至气泡轮廓的最小距离函数；基于样本数据库和最小距离函数，建立用于预测水下爆炸气泡体积最大及最小时刻气泡附近流场压力的卷积反卷积神经网络模型，以预测典型时刻气泡附近流场压力。该方法可减少实验和数值模拟成本，以及提高预测效率。