-
公开(公告)号：CN117592357A
公开(公告)日：2024-02-23
申请号：CN202311503563.8
申请日：2023-11-13
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/044 , G06N3/048 , G06N3/084 , G06F119/08
Abstract: 一种基于组合神经网络及LBFGS优化算法的堆芯热工参数预测方法，涉及核工程领域，具体涉及堆芯热工参数预测领域。解决了传统方法估算堆芯热工参数受到许多限制的问题。所述方法包括：S11，数据预处理，得到训练集；S12，建立组合神经网络模型；S13，使用贝叶斯优化算法对所述组合神经网络模型的超参数进行优化；S14，利用LBFGS优化算法对所述组合神经网络模型进行训练和优化；训练完成后，得到一个用于核反应堆堆芯热工参数预测的模型，所述模型可以接受新的堆芯热工参数的数据作为输入，并输出预测的堆芯热工参数结果。本发明所述的预测方法能够应用于核工程领域，关注核反应堆堆芯热工参数的预测问题。
-
公开(公告)号：CN116859736A
公开(公告)日：2023-10-10
申请号：CN202310830701.7
申请日：2023-07-07
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 面向无人艇编队护航任务的编队重构控制方法，属于多机器人编队控制技术领域，本发明为解决现有编队重构方法不适用于编队成员数量变化工况的问题。本发明方法为：步骤一、确定当前时刻无人艇编队护航实际任务需求下的行为组合方式；编队重构行为组合方式为：编队追踪护航目标、编队重构、编队保持，执行步骤二；编队保持的行为组合方式为：编队追踪护航目标、编队保持，执行步骤四；步骤二、确定编队重构子任务行为的最佳重构时机；步骤三、建立并求解编队重构的数学模型；步骤四、建立并求解编队追踪护航目标、编队保持两项子任务行为的运动模型；步骤五、对实际行为组合方式中的各项子任务行为进行融合，得到最终的期望速度矢量。
-
公开(公告)号：CN116578095A
公开(公告)日：2023-08-11
申请号：CN202310681658.2
申请日：2023-06-09
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 海洋能驱动机器人节能避障方法，解决了如何提高海洋能驱动机器人的续航力的问题，属于海洋机器人技术领域。本发明包括：确定海洋能驱动机器人在海洋环境下的状态空间S、趋近目标奖励函数、避障奖励函数和节能奖励函数；利用确定的奖励函数对海洋能驱动机器人避障网络进行训练，得到训练完成的海洋能驱动机器人避障网络；获取海洋能驱动机器人初始点、目标点和障碍物的位置信息，采用训练好的海洋能驱动机器人避障网络完成海洋能驱动机器人节能避障任务。本发明根据海洋能驱动机器人的能源消耗和海洋能捕获，依据海洋环境因素设计出奖励函数，对海洋能驱动机器人路径规划进行网络训练，规划出安全、可行、节能的避障路径。
-
公开(公告)号：CN116520248A
公开(公告)日：2023-08-01
申请号：CN202310445530.6
申请日：2023-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种能稳定安装布放的矢量声纳水域环境监测系统，针对复杂海洋环境产生的流噪声干扰，采用双层导流设计来抑制噪声，采用的双层导流设计包括：第一层是导流罩设计；第二层是对矢量水听器灌封充油，矢量水听器采用两只矢量水听器垂直布放，将接收到的水下声信号转换为电信号输出至数据采集系统；在双层导流设计基础上，系统采用矢量综合目标定位算法对水下平台设备的周边水域环境进行全天候实时监测，判定侵入目标的位置和位移，实现对目标声源的定位。本发明有效抑制了海洋环境流噪声以及水下平台设备的噪声干扰，同时配套的水听器支架能够保障系统稳定安装布放，水下仪器舱以及数据采集处理系统能保障系统长时间平稳运行。
-
公开(公告)号：CN114013581B
公开(公告)日：2023-07-21
申请号：CN202111304101.4
申请日：2021-11-05
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人艇技术领域，具体涉及一种面向减阻与避碰的可变结构型风光波浪能混合驱动无人艇。本发明不仅能够充分捕获海洋环境中的风能、太阳能与波浪能，而且具备可变结构的能力，即一方面能够根据海况等级而调整波浪拍动串列水翼的入水与出水，保证高海况下对波浪能充分吸收、低海况下艇体阻力性能良好；另一方面当无人艇靠泊时能够降下太阳能风帆，并收起艇体舷侧外的太阳能板，避免风帆与太阳能板在无人艇靠泊时受到磕碰，具有较好的安全性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN116118531A
公开(公告)日：2023-05-16
申请号：CN202211097527.1
申请日：2022-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种半潜式AUV无人充电装置。本发明主要设计三部分：第一部分为海上波浪能转换装置，波浪能转换装置通过在海面上下浮动将波浪能转化为电能并进行收集；第二部分为半潜式电源，用于电能的储存和AUV电能供应，同时在半潜式电源舱内设置AUV充电仓，作为AUV充电场所；第三部分为连接波浪能转换装置和半潜式电源的缆绳，缆绳内同时携带电缆，用于电能的传输；同时另一段缆绳一端固定于海底，一端与半潜式电源相连接，对半潜式电源起到固定作用。本发明为水下AUV提供及时充电场所，延长了水下AUV工作时长，解决了水下AUV作业时间短，作业面积范围小等问题，提高了水下AUV的续航能力，可以大大减小AUV水下作业时的人工充电成本，提高AUV的连续作业能力。
-
公开(公告)号：CN109444911B
公开(公告)日：2023-05-05
申请号：CN201811217208.3
申请日：2018-10-18
Applicant: 哈尔滨工程大学
Abstract: 本发明属于智能无人智慧船舶领域，具体涉及一种单目相机和激光雷达信息融合的无人艇水面目标检测识别与定位方法。针对无人艇对水面目标检测识别及定位受距离、目标波动的影响，本发明融合激光雷达和相机对感知范围内的目标进行准确检测识别及定位。首先利用采集到的水面目标图像训练基于神经网络的目标检测识别模型；然后激光雷达使用条件移除滤波器和欧氏聚类得到水面目标在世界坐标系下的位置；最后，设计了相机图片信息和激光雷达点云信息融合方法，使其对不确定性因素具有较高的鲁棒性。本发明能够使无人艇具备对水面目标准确检测识别定位的能力，为无人艇的目标跟踪，路径规划和自主航行提供良好的环境感知，应用前景广阔。
-
公开(公告)号：CN115982141A
公开(公告)日：2023-04-18
申请号：CN202211542378.5
申请日：2022-12-03
Applicant: 哈尔滨工程大学
IPC: G06F16/215 , G06F16/9537 , G06F16/242 , G06F16/2458 , G06N3/0442
Abstract: 本发明公开了一种针对时序数据预测的特征优化方法，步骤1、获取待预测时序数据集；步骤2、使用相关性分析方法对时序数据集特征参数进行相关性计算，计算数据集各特征参数之间的相关系数；步骤3、根据步骤2得到其他特征参数与预测目标特征参数的相关系数，根据不同相关系数阈值选择得到若干特征参数子集；步骤4、将特征参数子集分别输入预先训练好的长短期记忆网络模型，输出预测目标特征参数as的预测值，根据各个特征参数子集对应预测值与真实值的误差得到预测目标特征参数as对应的最优特征子集，长短期记忆网络模型由训练时序数据集对应特征参数子集训练得到的；本发明对高维数据输入进行优化，剔除对预测无效的特征，建立最优特征子集。
-
公开(公告)号：CN110057383B
公开(公告)日：2023-01-03
申请号：CN201910365817.1
申请日：2019-05-05
Applicant: 哈尔滨工程大学
IPC: G01C25/00
Abstract: 本发明涉及一种AUV推位导航系统杆臂误差标校方法，属于水下航行器领域。针对AUV推位导航系统中因多普勒测速声纳(DVL,Doppler Velocity Log)未与航姿参考系统(AHRS,Attitude and Heading Reference System)一起安装在AUV质心而产生的杆臂误差进行标校，构建了适用于卡尔曼滤波算法的误差标校模型，提出采用简单易行的回旋运动方式辨识杆臂长度。无需AHRS提供垂荡信息，降低了对惯性基导航设备的要求，方案普适性好，适用于解决各种类型的AUV的杆臂长度辨识问题，通过对AUV推位导航系统中的杆臂误差的补偿，可有效提高AUV推位导航系统的定位精度；同时方案可直接求取，不要求DVL、AHRS与质心(或浮心)位于同一直线上，即无论AUV的质心(浮心)在什么位置，都可以直接得到相应的杆臂长度，应用前景广阔。
-
公开(公告)号：CN110110797B
公开(公告)日：2022-10-28
申请号：CN201910392717.8
申请日：2019-05-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多传感器融合的水面目标训练集自动采集方法，首先，对水面激光雷达点云进行滤波和K‑Means聚类处理，得到稳定的水面目标点云簇；然后，通过激光雷达点云帧与单目相机视频帧的时间戳匹配，利用张正友标定法建立的2D‑3D投影关系，实现点云与图像的像素级匹配；最后，使用得到的水面深度图像信息，进行水面训练集的标注。这种方法是首次提出的利用多传感器信息融合的针对水面目标训练集自动采集任务的方法，具有实时性好和可靠性高的特点；采用条件滤波与卡尔曼滤波，使得该方法对于风浪、水面数据采集平台颠簸、水面杂波等不利情形具有较高的鲁棒性，采用时间戳匹配的方法可以有效避免传感器频率不同带来的系统误差。
-
-
-
-
-
-
-
-
-
Search Results
241
records
(took 0.035 seconds)
