-
公开(公告)号：CN118798083A
公开(公告)日：2024-10-18
申请号：CN202410928013.9
申请日：2024-07-11
Applicant: 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC: G06F30/28 , G06F17/16 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于动态修正理论的海底小目标冲击掩埋预测方法，属于海洋安防领域，获取海底底质环境相关特征，构建冲击掩埋运动力学理论模型；明确模型中的黏聚模量和摩擦角模量为动态修正目标参数；使用信赖域梯度算法求解基于牛顿迭代法构建的黏聚模量和摩擦角模量的局部近似模型，得到黏聚模量和摩擦角模量的动态修正参数值；根据动态修正参数值，对于海底小目标冲击掩埋深度及掩埋率进行精准定量预测。本发明采用上述的一种基于动态修正理论的海底小目标冲击掩埋预测方法，能够解决静态测试参数值与海底底质在冲击掩埋过程中发生动态变化后参数值误差较大的问题，提高了海洋安防技术人员对于海底小目标冲击掩埋深度预测精度。
-
公开(公告)号：CN118797942A
公开(公告)日：2024-10-18
申请号：CN202410928027.0
申请日：2024-07-11
Applicant: 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC: G06F30/20 , G06F111/08
Abstract: 本发明公开了一种海山背景下海底目标发现概率网格模型构建方法，属于海洋安防技术领域，包括获取海山区域声学探测数据，并以此为基础，建立海山声场计算模型，通过三维射线理论计算海山平面的声传播损失与海山散射引起的杂波损失；在分级网格划分的基础上综合利用瞬时探测概率与累积探测概率建立海底目标发现概率网格模型，最后得到海山地形下发现概率。本发明采用上述一种海山背景下海底目标发现概率网格模型构建方法，从考虑地形变化的角度计算发现概率，充分考虑了复杂地形下声场的变化，为海底设备的布放和探测海底潜艇的航线规划提供参考。
-
公开(公告)号：CN118798084A
公开(公告)日：2024-10-18
申请号：CN202410928017.7
申请日：2024-07-11
Applicant: 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC: G06F30/28 , G06F30/27 , G06N5/01 , G06N20/20 , G06N20/00 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于残差修正理论的海底小目标冲击掩埋预测方法，属于海洋安防技术领域，获取不同海底底质环境相关特征；建立不同海底底质环境下的特征因子数据集；构建冲击掩埋运动力学理论模型；计算实验测试和理论预测的残差，根据Ljung‑Box白噪声检验方法判断残差序列是否存在相关信息；根据堆叠泛化算法，构建基于堆叠泛化算法的残差修正模型，对海底小目标的冲击掩埋深度及掩埋率进行精准定量预测。本发明采用上述的一种基于残差修正理论的海底小目标冲击掩埋预测方法，能够解决不同海底底质环境下海底小目标的冲击掩埋深度难以进行准确定量预测和预测精度不足的问题，提高海洋安防技术人员对于海底小目标冲击掩埋深度的预测精度。
-
公开(公告)号：CN118839607A
公开(公告)日：2024-10-25
申请号：CN202410928023.2
申请日：2024-07-11
Applicant: 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC: G06F30/27 , G06F30/25 , G06N3/0442 , G06N3/0985 , G06N3/048 , G06F113/08 , G06F119/12
Abstract: 本发明公开了一种基于DeepAR模型的近岸海底小目标冲蚀掩埋预测方法，属于近岸海洋工程研究领域，包括获取近岸海底局部特征环境因子数据和掩埋深度数据；采用长短期记忆神经网络(LSTM)模型，构建所述DeepAR模型；根据所述近岸海底小目标冲蚀掩埋训练集和验证集，训练和优化所述DeepAR模型；根据所述近岸海底小目标冲蚀掩埋测试集，对优化后的DeepAR模型进行精度评价。本发明采用上述的一种基于DeepAR模型的近岸海底小目标冲蚀掩埋预测方法，解决了传统近岸海底小目标冲蚀掩埋深度预测方法所存在的准确性和适用性问题，提高了专业人员对近岸海底小目标的掩埋深度预测的准确率和效率。
-
公开(公告)号：CN118798082A
公开(公告)日：2024-10-18
申请号：CN202410928012.4
申请日：2024-07-11
Applicant: 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于时间步进法的海底小目标冲蚀掩埋预测方法，属于海洋安防领域，包括获取海洋环境参数数据；构建海底小目标数据库；计算波流耦合床面剪切应力及其希尔兹数、泥沙起动临界希尔兹数、局部的KC数；基于时间步进法将各参数耦合作用关系进行定量表征；计算不同时间尺度的波流耦合条件下海底小目标冲蚀掩埋深度；定量预测具时间效应的波流耦合条件下海底小目标冲蚀掩埋率。本发明采用上述的一种基于时间步进法的海底小目标冲蚀掩埋预测方法，解决了具时间效应的波流耦合条件下海底小目标冲蚀掩埋深度和冲蚀掩埋率难以定量预测的问题，提高了海洋安防技术人员对海底小目标冲蚀掩埋状态预测的精准度和时效性。
-
Patent Agency Ranking
公开(公告)号：CN116719331A
公开(公告)日：2023-09-08
申请号：CN202310454473.8
申请日：2023-04-25
Applicant: 哈尔滨工程大学
Abstract: 海底管道铺设着泥点自动跟踪监测系统及方法，它属于水下机器人智能应用领域。本发明解决了现有方法不能兼顾跟踪监测的准确率和效率，以及现有方法的复杂度高、可靠性差的问题。本发明根据图像与实际的物理空间的映射关系，结合图像中检测得到的着泥点位置和水下机器人自身的位置信息，可以解算出着泥点与水下机器人实际的相对空间位置，根据解算出的相对空间位置可以生成水下机器人的控制指令。本发明方法可以应用于海底管道铺设着泥点的自动跟踪监测。
-
公开(公告)号：CN107566153B
公开(公告)日：2020-09-25
申请号：CN201710599197.9
申请日：2017-07-21
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种自管理的微服务实现方法，创新地提出把微服务按层级划分部署的方法；创新地使用Kubernetes技术进行不同服务层级的封装分组的方法，按组提供调用接口；创新地使用监控算法Bloom‑Filter思想的方法，使得云平台微服务的部署发现监控和管理合理高效，容易维护，并且有很好的扩展性，解决了用户对云服务平台功能种类及数量的需求动态迭代时，致使微服务进程数量众多甚至是海量时，云服务平台对微服务部署发现监控，查询调用，维护管理效率低下臃肿等问题。最终实现云平台中微服务的部署、发现、监控及维护管理，不受制于用户对云平台功能服务数量及种类动态递增的需求。
-
公开(公告)号：CN107562074A
公开(公告)日：2018-01-09
申请号：CN201710607470.8
申请日：2017-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种面向MAUVS围捕的任务分配方法；针对MAUVS在围捕过程中目标AUV智能逃跑性能提高的问题，若仍然采用传统的围捕策略，即仅仅研究围捕过程中动作控制问题，会导致目标AUV逃逸的几率增大，本发明突破传统的围捕策略，提出了一种面向MAUVS围捕的任务分配方法，有效地提高了模型的精度，进而提高了围捕准确率。
-
公开(公告)号：CN114396315B
公开(公告)日：2024-08-02
申请号：CN202111612373.0
申请日：2021-12-27
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种带有混合式冷却‑密封结构的锯齿冠涡轮叶片，包括叶片体、叶冠，叶冠上设置带有混合结构的单篦齿，单篦齿里设置第一进口通道和第二进口通道，第一进口通道位于单篦齿的前缘面，第二进口通道为由单篦齿底部通向单篦齿顶部，第一进口通道与第二进口通道在单篦齿内部汇合。本发明在篦齿内部设计了特有的气流通道，对带冠叶片进行冷却以及加强篦齿的密封效果，该结构提高了涡轮的气动性能和叶冠的使用寿命；同时单篦齿减轻了传统带冠叶片的整体质量，减小高速转动下的离心应力；单篦齿也增加了工作面的接触面积，从而减小了接触应力，减小接触面的摩檫力，最终减小叶冠工作时的磨损，提高叶片的安全性能。
-
公开(公告)号：CN115331093A
公开(公告)日：2022-11-11
申请号：CN202210889545.7
申请日：2022-07-27
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种水下航行器目标检测的神经网络优化学习方法，尤其是涉及一种神经网络元学习训练方法。针对水下航行器目标检测网络在小规模样本集上训练无法达到较好泛化性能的问题，本发明实现了只使用相关小规模样本集训练，首先划分小规模样本集为训练集、测试集、元训练集和元测试集；然后使用元训练集和元测试集让水下航行器目标检测网络进行本发明提出的元学习，使其学习元知识；最后再使用训练集让水下航行器目标检测网络进行学习。本发明能够有效减少学习所需的时间和能耗，同时提高神经网络的泛化性能。本发明具有广泛的适用性，可以很容易地扩展到各种任务的小规模样本集神经网络训练中。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.037 seconds)
