-
公开(公告)号：CN113591255B
公开(公告)日：2024-02-27
申请号：CN202110775222.0
申请日：2021-07-08
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学船舶装备科技有限公司
IPC: G06F30/18 , G06F30/27 , G06F111/10 , G06F119/14
Abstract: 本发明提出一种基于最短路径的船舶典型管网自主重构方法，数据采集；通过监测桩采集管网管路数据，为自主重构机制提供数据；提供监测数据，判断管网管路的运行状态；数据处理；将采集的数据进行格式转换和统一处理，在数据监控处显示；结合采集的数据与自主重构处理，实现管网正常运行；数据监测；通过监测视图完成数据监测，所述监测视图由管网示意图、数据显示区和操作区三部分组成；实现一站式综合监控显示，达到减员增效的目的。通过人工智能、遗传算法、辅助决策等手段，建立科学可靠的自主重构算法，为管理员处理重要且操作员难以到达处管网故障的指挥和控制提供技术支撑，提高管网运行效率和科学性，实现管网快速自主重构功能。
-
公开(公告)号：CN113591255A
公开(公告)日：2021-11-02
申请号：CN202110775222.0
申请日：2021-07-08
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学船舶装备科技有限公司
IPC: G06F30/18 , G06F30/27 , G06F111/10 , G06F119/14
Abstract: 本发明提出一种基于最短路径的船舶典型管网自主重构方法，数据采集；通过监测桩采集管网管路数据，为自主重构机制提供数据；提供监测数据，判断管网管路的运行状态；数据处理；将采集的数据进行格式转换和统一处理，在数据监控处显示；结合采集的数据与自主重构处理，实现管网正常运行；数据监测；通过监测视图完成数据监测，所述监测视图由管网示意图、数据显示区和操作区三部分组成；实现一站式综合监控显示，达到减员增效的目的。通过人工智能、遗传算法、辅助决策等手段，建立科学可靠的自主重构算法，为管理员处理重要且操作员难以到达处管网故障的指挥和控制提供技术支撑，提高管网运行效率和科学性，实现管网快速自主重构功能。
-
公开(公告)号：CN105045583B
公开(公告)日：2018-02-06
申请号：CN201510394550.0
申请日：2015-07-08
Applicant: 哈尔滨工程大学船舶装备科技有限公司
Abstract: 本发明涉及一种可直接应用于IETM运行平台中的基于可视化流程的IETM故障类数据模块创作装置及其创作方法。基于可视化流程的IETM故障类数据模块创作装置，包括信息录入器、信息抽取器和信息存贮器三个部分，信息录入器为应用层，为用户提供标准信息和可视化故障隔离流程图的录入应用窗口；所述信息抽取器为数据层，形成符合XML结构的数据模块对象；信息存贮器为存储层，用于接收由信息抽取器建立的数据模块对象。本发明的最终使用形态是一种包含人机交互、简便操作功能的可视化应用装置。IETM故障类数据模块的创作人员可快速熟悉本装置的使用方法，高效的完成IETM数据模块及故障隔离流程图的创作。
-
Patent Agency Ranking
公开(公告)号：CN105045583A
公开(公告)日：2015-11-11
申请号：CN201510394550.0
申请日：2015-07-08
Applicant: 哈尔滨工程大学船舶装备科技有限公司
IPC: G06F9/44
Abstract: 本发明涉及一种可直接应用于IETM运行平台中的基于可视化流程的IETM故障类数据模块创作装置及其创作方法。基于可视化流程的IETM故障类数据模块创作装置，包括信息录入器、信息抽取器和信息存贮器三个部分，信息录入器为应用层，为用户提供标准信息和可视化故障隔离流程图的录入应用窗口；所述信息抽取器为数据层，形成符合XML结构的数据模块对象；信息存贮器为存储层，用于接收由信息抽取器建立的数据模块对象。本发明的最终使用形态是一种包含人机交互、简便操作功能的可视化应用装置。IETM故障类数据模块的创作人员可快速熟悉本装置的使用方法，高效的完成IETM数据模块及故障隔离流程图的创作。
-
公开(公告)号：CN114895647A
公开(公告)日：2022-08-12
申请号：CN202210383160.3
申请日：2022-04-13
Applicant: 哈尔滨工程大学
IPC: G05B23/02
Abstract: 本发明公开了一种面向小样本船舶零件故障数据的诊断方法及可读存储介质。步骤1：对船舶设备运行状态过程中零件的振动加速度信号数据进行故障类型标注；步骤2：对步骤1故障类型标注进行预处理，并处理后的数据集划分为训练集和测试集；步骤3：构建面向小样本船舶零件故障数据的诊断模型；步骤4：将步骤2的训练集用于训练步骤3诊断模型，得到故障类型的生成数据；步骤5：基于步骤4的生成数据采用对抗生成思想，实现具有故障特征的指定类型的故障数据；步骤6：基于步骤4的生成数据与步骤5的故障数据的结合实现对船舶零件故障的诊断。用以解决现有技术中故障状态为偶发性状态容易产生的小样本类不平衡问题。
-
公开(公告)号：CN114973061B
公开(公告)日：2023-06-23
申请号：CN202210434179.6
申请日：2022-04-24
Applicant: 哈尔滨工程大学
IPC: G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习方法的辅助抗沉决策模型生成方法及系统，属于抗沉辅助决策技术领域，其该方法包括：获取预设船舶的舱室区域标号数据和浸水实验数据包括总时间、每个舱室的灌满时间以及浸水视频；将每个舱室的浸水视频进行逐帧处理，得到多个图片以及每张图片对应的时间，并将多个图片以及每张图片对应的时间分成两个部分，第一部分将其顺序打乱，并划分为训练、测试集，第二部分以时间轴为顺序排列；将训练集输入卷积神经网络中进行训练，并将第二部分图片输入训练好的卷积神经网络中，得到向量化数据；将舱室区域标号和向量化数据输入循环神经网络中进行训练，得到辅助抗沉决策模型。该方法提高了抗沉辅助决策的速度以及合理程度。
-
公开(公告)号：CN115099264A
公开(公告)日：2022-09-23
申请号：CN202210580880.9
申请日：2022-05-26
Applicant: 哈尔滨工程大学
Abstract: 船舶零件故障诊断方法及装置、计算机和计算机储存介质，涉及深度学习领域。对于现有技术中存在的：虽然卷积神经网络具有较强的特征提取能力，但故障的损坏伴随时间也会产生变化的问题，本发明提供的技术方案为：船舶零件故障诊断方法，所述的方法包括：获得船舶设备运行状态过程中零件的振动加速度信号数据，将数据进行预处理，并针对不同故障标注故障类型，对完成标注的数据作为一维数据集，并划分为训练集和测试集；构建面向船舶零件的深度学习故障诊断模型的特征提取器；构建面向船舶零件的深度学习故障诊断模型的分类器；通过所述的特征提取器和分类器构建面向船舶零件的深度学习故障诊断模型。适用于诊断船舶零件故障。
-
公开(公告)号：CN114973061A
公开(公告)日：2022-08-30
申请号：CN202210434179.6
申请日：2022-04-24
Applicant: 哈尔滨工程大学
IPC: G06V20/40 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度学习方法的辅助抗沉决策模型生成方法及系统，属于抗沉辅助决策技术领域，其该方法包括：获取预设船舶的舱室区域标号数据和浸水实验数据包括总时间、每个舱室的灌满时间以及浸水视频；将每个舱室的浸水视频进行逐帧处理，得到多个图片以及每张图片对应的时间，并将多个图片以及每张图片对应的时间分成两个部分，第一部分将其顺序打乱，并划分为训练、测试集，第二部分以时间轴为顺序排列；将训练集输入卷积神经网络中进行训练，并将第二部分图片输入训练好的卷积神经网络中，得到向量化数据；将舱室区域标号和向量化数据输入循环神经网络中进行训练，得到辅助抗沉决策模型。该方法提高了抗沉辅助决策的速度以及合理程度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.047 seconds)
