申请/专利权人：中国舰船研究设计中心

申请日：2022-10-20

公开（公告）日：2024-06-28

公开（公告）号：CN115675790B

主分类号：B63B79/20

分类号：B63B79/20;B63B79/00;B63B79/10;B63B17/00;G06N3/0499;G06N3/048;G06N3/084;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2023.02.21#实质审查的生效;2023.02.03#公开

摘要：本发明公开了一种船舶液舱舱容的确定方法，该方法包括以下步骤：1获取大量的液舱液位数据及对应时刻的船舶运动数据，将这些数据和液位基准值作为训练样本；2构建液位接触点随时间变化的神经网络模型，将获取的训练样本数据输入模型并利用神经网络算法对数学模型进行训练，以得到参数优化后的神经模型作为训练后的液舱液位高度的预测模型；3将实时获取的液舱液位数据及对应的船舶运动数据输入训练后的预测模型，输出计算得到的液舱液位高度；4根据预测模型得到的液舱液位高度，通过舱容曲线换算得到舱容。本发明可以修正船舶晃动对液舱内剩余油量液位的实时测量值的影响，从而实现高精度、高可靠性的液舱剩余油量液位测量。

主权项：1.一种船舶液舱舱容的确定方法，其特征在于，包括以下步骤：1）获取大量的液舱液位数据及对应时刻的船舶运动数据，将这些数据和液位基准值作为训练样本；所述船舶运动数据包括船舶的加速度、横倾角、纵倾角；2）构建液位接触点随时间变化的神经网络模型，将获取的训练样本数据输入模型并利用神经网络算法对数学模型进行训练，以得到参数优化后的神经模型作为训练后的液舱液位高度的预测模型；所述步骤2）中神经网络模型为包括三层BP神经网络；所述三层BP神经网络包括一个输入层，一个隐藏层，一个输出层；训练过程如下：建立具有期望数量的隐藏层单元和输出单元的神经网络算法，初始化所有网络权值；设目标输出为t，对于训练样本集中的每个样本𝑥进行如下操作：2.1）输入沿网络前向传播：将样本𝑥输入网络，并计算网络中每个单元的输出； 为了减少模型训练时间并且不产生震荡，增加冲量项来更新权值，使次迭代式的权值更新部分地依赖于发生在n-1次迭代时的更新，公式如下： 其中，代表输入层第个神经元到隐藏层单元的权值；代表隐藏层第个神经元到输出单元的权值； 为隐藏层单元的误差项； 为输出单元的误差项； 为输入单元的输入值； 为隐藏层单元的输出值； 代表学习速率；2.2）误差沿网络反向传播：计算输出单元的误差项，每个隐藏层单元的误差项；从输出层开始通过误差项逆向调整权值； 其中，表示输出单元，表示输出单元的误差项； 其中，为输出单元的目标值；为输出单元的实际值；对于网络中每个隐藏层单元，隐藏层单元的误差项为 计算总误差，如果，训练停止；否则返回步骤2.1）重新计算；3）将实时获取的液舱液位数据及对应的船舶运动数据输入训练后的预测模型，输出计算得到的液舱液位高度；4）根据预测模型得到的液舱液位高度，通过舱容曲线换算得到舱容。

全文数据：

权利要求：

百度查询： 中国舰船研究设计中心 一种船舶液舱舱容的确定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD