-
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：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。
-
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：CN118520778B
公开(公告)日：2024-10-01
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.031 seconds)
