-
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：CN118690663B
公开(公告)日：2024-12-24
申请号：CN202411166275.2
申请日：2024-08-23
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 , G06N3/0499 , G06F17/11 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于物理信息神经网络的海工平台锚链运动预报方法，包括以下步骤：S1.利用计算流体动力学方法得到物理信息神经网络所需的数据集；S2.采用物理信息神经网络方法通过时间序列预测锚链运动姿态，利用计算流体动力学方法得到锚链受力和受力之后的运动姿态，并收集对应时刻观测点的坐标。本发明可以精准的预测下一秒的平台锚链运动姿态，通过结合计算流体动力学方法和神经网络技术，充分利用物理方程和数据驱动的方法来预测海工平台锚链的运动，提高预测的准确性和可靠性，采用物理信息神经网络方法，将锚链运动涉及的物理方程约束神经网络，使得神经网络能够更好地学习和理解锚链运动的规律，从而提高预测的精度。
-
公开(公告)号：CN118690663A
公开(公告)日：2024-09-24
申请号：CN202411166275.2
申请日：2024-08-23
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 , G06N3/0499 , G06F17/11 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于物理信息神经网络的海工平台锚链运动预报方法，包括以下步骤：S1.利用计算流体动力学方法得到物理信息神经网络所需的数据集；S2.利用锚链运动涉及的物理方程约束神经网络；S3.利用物理信息神经网络方法通过时间序列预测锚链运动，本发明可以精准的预测下一秒的平台锚链运动姿态，在海工领域具有重要的应用前景，通过结合计算流体动力学方法和神经网络技术，充分利用物理方程和数据驱动的方法来预测海工平台锚链的运动，提高预测的准确性和可靠性，采用物理信息神经网络方法，将锚链运动涉及的物理方程约束神经网络，使得神经网络能够更好地学习和理解锚链运动的规律，从而提高预测的精度。
-
公开(公告)号：CN118586295A
公开(公告)日：2024-09-03
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：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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119476058B
公开(公告)日：2025-05-23
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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.045 seconds)
