-
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：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。
-
公开(公告)号：CN119623306A
公开(公告)日：2025-03-14
申请号：CN202510152216.8
申请日：2025-02-12
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 , G06F30/15 , G06N3/042 , G06N3/084 , G06F113/08 , G06F119/14
Abstract: 本发明涉及船舶摇荡运动智能预报领域，提出了一种基于物理信息神经网络的船舶摇荡运动预报方法，采用流体力学模拟真实波浪中船舶的垂荡运动，收集船舶在波浪中运动时的摇荡运动数据；构建物理信息神经网络模型，对物理信息神经网络模型进行初始化并完成数据的预处理；将得到的运动数据构建波浪激励力函数，将波浪激励力函数融入物理信息神经网络模型，训练该物理信息神经网络模型；将实时运动数据输入训练好的物理信息神经网络模型，预测船舶的垂荡位移和纵摇角。
-
Patent Agency Ranking
公开(公告)号：CN119476058A
公开(公告)日：2025-02-18
申请号：CN202510058942.3
申请日：2025-01-15
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 , G06F17/11 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F119/14
Abstract: 本发明属于海洋工程技术领域，公开了基于残差连接神经网络的立柱结构响应预报方法及系统。本发明结合了物理信息神经网络（PINN）与Kolmogorov‑Arnold（KAN）定理，通过多层非线性映射框架和残差连接优化，显著提升了预测模型的精度和计算效率。本发明通过引入物理方程约束损失和环境参数输入，模型能够更精确地模拟极端海洋环境中的动态响应特性，有效解决了传统方法在非线性因素处理与实时计算中的局限性。实验表明，本发明在准确性、泛化能力及计算效率方面具有显著优势，为海洋平台结构设计及运行状态监测提供了可靠、高效的技术支持，具有重要的理论价值和广泛的应用前景。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.029 seconds)
