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

Inventor： 杨东梅 ,  李泽 ,  李昊垚 ,  张祺 ,  张越 ,  张立国 ,  董宇欣

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：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

Inventor： 杨东梅 ,  孙颖 ,  李昊垚 ,  张祺 ,  佟云昊 ,  陈松涛 ,  赖初荣

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：CN117095296A

公开(公告)日：2023-11-21

申请号：CN202311149193.2

申请日：2023-09-07

Applicant: 哈尔滨工程大学

Inventor： 杨东梅 ,  李泽 ,  娄云龙 ,  张祺 ,  陈瞰君 ,  王兴梅 ,  张越 ,  张万松 ,  陈松涛

IPC: G06V20/10 ,  G06V10/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于复合卷积神经网络的船舶舱室浸水识别方法，属于船舶浸水识别技术领域。包括以下步骤：S1、获取船舶舱室浸水图片数据，并对所述图片数据进行预处理，得到图像数据集；S2、构建复合神经网络，并基于所述图像数据集对所述复合神经网络进行训练，基于训练后的所述复合神经网络对船舶舱室图像进行进水识别，得出识别结果。本发明使用复合卷积神经网络的方法进行船舶舱室浸水识别，可以提高识别精度，增加决策者应对突发浸水事件的能力，极大程度上节省人力、防止工作人员工作疏漏导致错过堵漏救援第一时间。

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

Inventor： 杨东梅 ,  孙颖 ,  张祺 ,  王兴梅 ,  张越 ,  李昊垚 ,  李泽 ,  李少彪 ,  印桂生

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

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

Inventor： 杨东梅 ,  李泽 ,  李昊垚 ,  张祺 ,  张越 ,  张立国 ,  董宇欣

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。