买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学申请的专利一种基于物理信息神经网络的船舶阻力预报方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119442487B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510024873.4，技术领域涉及：G06F30/15；该发明授权一种基于物理信息神经网络的船舶阻力预报方法及系统是由韩凤磊;林琪;周泽宇;彭潇;赵望源;汪春辉;韩嘉懿;霍文华;岳文博;陈洪亮;吴禹良;苏亮;余家齐;姜帆设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种基于物理信息神经网络的船舶阻力预报方法及系统在说明书摘要公布了：本发明属于船舶性能智能预报技术领域，公开了一种基于物理信息神经网络的船舶阻力预报方法及系统。该方法对船舶在静水中的直航运动进行数值模拟，获取直航运动时流域的压力场与速度场、船舶阻力信息；构建形成总数据集，建立训练集、测试集和验证集；建立融合物理知识的PINN神经网络模型；得到基于物理信息的神经网络模型；生成随机森林模型以及进行训练；利用随机森林模型对基于物理信息的神经网络模型进行双向验证，形成船舶阻力预报的网络模型。本发明有效增加了预报结果在物理层面的可靠性，加快了神经网络模型的训练效率，从而提高了预报效率。

本发明授权一种基于物理信息神经网络的船舶阻力预报方法及系统在权利要求书中公布了：1.一种基于物理信息神经网络的船舶阻力预报方法，其特征在于，该方法包括： S1，对船舶在静水中的直航运动进行数值模拟，获取直航运动时流域的压力p、速度场u，v，w、船舶阻力信息R；其中，u为x方向的速度场，v为y方向的速度场，w为z方向的速度场； S2，通过梳理所获取数据构建形成总数据集D，建立训练集Dtrain、测试集Dtest和验证集Dval； S3，确定PINN神经网络模型的层数以及每一层的神经元个数，初始化PINN神经网络模型的权重和偏重；进行船舶阻力预报的PINN神经网络模型损失函数设计，在损失函数中加入控制方程作为物理约束，控制方程包括纳维斯托克斯方程和船舶阻力公式；选择全连接神经网络作为算法的基本模型，选用激活函数并设计多重智能优化器，建立融合物理知识的PINN神经网络模型； S4，将训练集Dtrain的数据代入所述融合物理知识的PINN神经网络模型中进行训练，得到基于物理信息的神经网络模型； S5，基于获得的压力场p与速度场u，v，w，将速度场作为输入特征，船舶阻力作为输出特征，设置参数控制随机森林的预测过程；并从获取的训练集Dtrain中随机抽样形成多个子训练集，每棵决策树均基于随机选择的样本子集进行训练；对于每个子训练集生成的决策树，通过投票的方式进行集成，生成随机森林模型，取所有的决策树预测结果的平均值作为最终的输出结果； S6，将训练集Dtrain的数据代入所述随机森林模型中进行训练，利用验证集Dval数据对随机森林模型进行精度验证，采用均方误差来评估随机森林模型的准确性，并根据评估结果调整参数以获得均方误差在小于5％的范围内； S7，利用随机森林模型对基于物理信息的神经网络模型进行双向验证，形成船舶阻力预报的网络模型； 在步骤S3中，建立融合物理知识的PINN神经网络模型包括： 1在PINN神经网络模型中，基于TensorFlow深度学习框架，利用Python编程语言在PyCharm平台上构建全连接神经网络框架，通过纳维尔斯托克斯方程构造控制方程以求解流域信息，增进PINN神经网络模型结果在物理层面的解释性； 2在PINN神经网络模型中，输入值为船舶远后方控制面上的速度u∞和船速U，输出值为船舶航行阻力R，基于船舶阻力方程将用于进行物理约束的损失函数定义；所述损失函数包括：控制方程损失Lossf和网络预测损失Lossg，控制方程损失用于约束PINN框架，满足纳维尔斯托克斯方程和船舶阻力方程；网络预测损失为网络输出值与真实值之间的均方误差，用于约束PINN神经网络模型权值更新； 在步骤1中，当μ＝const时，μ为流体粘性系数，const为常数；粘性可压缩牛顿流体的运动微分方程为纳维尔斯托克斯方程，矢量形式如下： 式中，为流体速度，为外力项，ρ为流体密度，为梯度算符，为拉普拉斯算符； 在直角坐标系中，标量形式为： 式中，fx，fy，fz分别为x，y，z三个方向的外力项，t，x，y，z为时空坐标，v为粘性系数； 对于不可压缩流体，有基于化简后的纳维尔斯托克斯方程用于进行物理约束的损失函数定义，如下： 式中，e1，e2，e3均为损失函数项； 构建预报速度场与压力场的物理信息神经网络，输入量为时空坐标t，x，y，z以及船速U，输出当前时空下的流场速度u，v，w以及压力p；获取船舶航行时的流域信息，根据琼斯尾流测量法的基本原理构建用于获取船舶航行阻力R的PINN网络结构； 尾流测量法，包括： 1.1船后尾流平面内的动量损失，完全由黏性所致； 1.2船体的近后方测量平面与船后两倍船长处，平面之间无能量损失，即无总压头损失；在控制面处，无波浪存在；由步骤1.1知，dA微面积上的黏性力dR等于该微面积上单位时间内的动量损失，表达式为： dR＝ρdAu∞U-u∞ 式中，dA为控制面上的微面积，dR为微面积上的黏性力，u∞为船舶远后方控制面上的速度； 船体所受的黏性阻力，由沿整个控制面积分得到出： 式中，R为船舶阻力，S为控制面； 在步骤2中，基于船舶阻力方程将用于进行物理约束的损失函数定义如下： 式中，e4为损失函数项，R为船舶阻力，ρ为流体密度，u∞为船舶远后方控制面上的速度，U为船速，S为控制面，dA为控制面上的微面积。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学，其通讯地址为：266000 山东省青岛市黄岛区三沙路1777号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。