-
公开(公告)号：CN117892886A
公开(公告)日：2024-04-16
申请号：CN202410302145.0
申请日：2024-03-18
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于置信区间的船舶运动极短期概率预报方法及系统。该方法包括基于船舶惯导系统记录船舶运动时历数据，手动指定概率分布函数描述所述船舶运动时历数据；然后将船舶运动时历数据作为输入，概率分布函数中的参数作为输出，训练神经网络模型学习输入与输出间的映射关系，构建船舶运动置信区间预报模型；设定不同的置信水平，对船舶运动未来一段时间内运动不同置信水平下的置信区间进行预报，获取船舶海上作业信息。本发明采用拟合假定目标服从的概率分布函数参数直接对船舶运动不同置信水平下的置信区间预报，有效避免了分布预报中的误差积累和包络预报中的端点效应干扰。
-
公开(公告)号：CN117104452A
公开(公告)日：2023-11-24
申请号：CN202311048781.7
申请日：2023-08-19
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于人工神经网络的随船摇荡运动反演波浪方法及系统。该方法通过数据驱动的方式进行基于船舶运动的波浪统计特征中有义波高、特征周期和波浪浪向的反演，同时通过船上布置的位姿传感器进行船舶运动数据的获取，进而获取随船周围海浪信息。本发明对不同的海况均具有良好的鲁棒性。同时这类方法通过船上布置的位姿传感器即可实现船舶运动数据的获取，其硬件需求较为简单，成本效益较高，且能够实现随船波浪监测。这类方法为当前获取随船周围海浪信息提供了一种新的解决路径，可为船舶航行和作业决策提供波浪环境数据支撑。
-
公开(公告)号：CN116842474B
公开(公告)日：2024-07-02
申请号：CN202310702738.1
申请日：2023-06-14
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/25 , G06F18/2131 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于TFT模型的舰船运动极短期预报方法及系统。该方法基于舰船惯导系统记录的多工况条件下舰船运动数据，通过快速傅里叶变换得到的舰船运动功率谱并提取谱特征参数；将每种工况条件下的舰船航速、浪向角、海浪环境有义波高和特征周期作为时不变特征，将舰船六自由度运动时历、速度、加速度数据和风场信息、谱特征参数作为时变特征；以时不变特征与时变特征序列为输入，以待预报的目标舰船自由度运动时历序列为输出，构建舰船运动时历预报模型；使用舰船运动时历预报模型对未来一段时间的舰船运动时历进行预测。本发明提出可实现针对不同工况开展预报工作时的特征匹配，从而有效模型提升预报性能。
-
Patent Agency Ranking
公开(公告)号：CN117909665A
公开(公告)日：2024-04-19
申请号：CN202410302135.7
申请日：2024-03-18
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/15 , G06F18/20 , G06F18/214 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q50/40 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于傅里叶滤波的船舶运动包络预报数据处理方法及系统。该方法提取船舶运动时历数据的极值点进行三次样条拟合插值，得到船舶运动包络时历数据；将所述船舶运动包络时历数据通过傅里叶变换转换到频域，将滤波后的频域数据通过傅里叶逆变换转换回时域；将上述经过傅里叶滤波后的船舶运动包络时历数据输入到长短期记忆LSTM神经网络模型中进行训练预报。本发明实现了将频谱中低于最大模长一定占比的高频部分进行截断，从而降低了谱宽，达到了滤波效果，得到了更加简单的信号。提升了LSTM模型在较长时间预报时的预报精度。
-
公开(公告)号：CN116842474A
公开(公告)日：2023-10-03
申请号：CN202310702738.1
申请日：2023-06-14
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/25 , G06F18/2131 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于TFT模型的舰船运动极短期预报方法及系统。该方法基于舰船惯导系统记录的多工况条件下舰船运动数据，通过快速傅里叶变换得到的舰船运动功率谱并提取谱特征参数；将每种工况条件下的舰船航速、浪向角、海浪环境有义波高和特征周期作为时不变特征，将舰船六自由度运动时历、速度、加速度数据和风场信息、谱特征参数作为时变特征；以时不变特征与时变特征序列为输入，以待预报的目标舰船自由度运动时历序列为输出，构建舰船运动时历预报模型；使用舰船运动时历预报模型对未来一段时间的舰船运动时历进行预测。本发明提出可实现针对不同工况开展预报工作时的特征匹配，从而有效模型提升预报性能。
-
公开(公告)号：CN117892886B
公开(公告)日：2024-05-28
申请号：CN202410302145.0
申请日：2024-03-18
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于置信区间的船舶运动极短期概率预报方法及系统。该方法包括基于船舶惯导系统记录船舶运动时历数据，手动指定概率分布函数描述所述船舶运动时历数据；然后将船舶运动时历数据作为输入，概率分布函数中的参数作为输出，训练神经网络模型学习输入与输出间的映射关系，构建船舶运动置信区间预报模型；设定不同的置信水平，对船舶运动未来一段时间内运动不同置信水平下的置信区间进行预报，获取船舶海上作业信息。本发明采用拟合假定目标服从的概率分布函数参数直接对船舶运动不同置信水平下的置信区间预报，有效避免了分布预报中的误差积累和包络预报中的端点效应干扰。
-
公开(公告)号：CN117909665B
公开(公告)日：2024-11-08
申请号：CN202410302135.7
申请日：2024-03-18
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于傅里叶滤波的船舶运动包络预报数据处理方法及系统。该方法提取船舶运动时历数据的极值点进行三次样条拟合插值，得到船舶运动包络时历数据；将所述船舶运动包络时历数据通过傅里叶变换转换到频域，将滤波后的频域数据通过傅里叶逆变换转换回时域；将上述经过傅里叶滤波后的船舶运动包络时历数据输入到长短期记忆LSTM神经网络模型中进行训练预报。本发明实现了将频谱中低于最大模长一定占比的高频部分进行截断，从而降低了谱宽，达到了滤波效果，得到了更加简单的信号。提升了LSTM模型在较长时间预报时的预报精度。
-
公开(公告)号：CN116842381A
公开(公告)日：2023-10-03
申请号：CN202310701618.X
申请日：2023-06-13
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/214 , G06F18/25 , G06N3/084 , G06N3/04 , G06F123/02
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于数据融合的船舶运动极短期预报模型泛化性优化方法。针对不同工况下船舶运动时历数据特征的差异性，利用多工况数据融合方法融合不同工况下的时历数据，构建相应的训练集，通过深度学习模型的训练提取多工况下运动时历特征，实现多工况下运动时历预报。通过本发明可以实现多种工况条件下的运动时历数据融合训练，实现深度学习神经网络对不同工况条件下的数据特征提取，相应训练所得的预报模型具有更强的泛化性表现，可以针对多种工况条件下的运动时历均保持较好的预报效果。通过该发明可以较好的平衡预报精度与模型适应性，提高船舶相关作业安全的保障能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.061 seconds)
