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！

龙图腾网恭喜大连理工大学;大连理工大学宁波研究院申请的专利基于深度学习的漂浮式风机运动响应与系泊张力短期预测及调节方法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：CN117948237B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202410117109.7，技术领域涉及：F03D7/04；该发明授权基于深度学习的漂浮式风机运动响应与系泊张力短期预测及调节方法是由施伟;胡乐涵;李昕;韩旭;刘文泽;赵海盛;付杰;吴际设计研发完成，并于2024-01-27向国家知识产权局提交的专利申请。

本基于深度学习的漂浮式风机运动响应与系泊张力短期预测及调节方法在说明书摘要公布了：基于深度学习的漂浮式风机运动响应与系泊张力短期预测及调节方法，属于浮式风电领域，为解决海上风机运动响应、系泊张力预测与可调问题，要点是预测模块根据目标风机所处的环境海况条件选用模型训练模块中与环境海况条件相匹配的预测模型，由信号采集模块对运动响应、系泊张力和波高时程进行采集，通过传输模块输入相匹配的预测模块，由预测模块预测当前时刻的后一段时间的风机平台运动响应与系泊张力；控制模块判断风机平台运动响应在后一段时间是否在可接受范围内，且系泊张力在后一段时间是否超过安全临界值或者低于设定值，当判断上述两个条件中至少一个不满足，控制模块向系泊调节模块发送调节命令，效果是提高了海上风机平台工作安全性。

本发明授权基于深度学习的漂浮式风机运动响应与系泊张力短期预测及调节方法在权利要求书中公布了：1.一种基于深度学习的漂浮式风机运动响应与系泊张力短期预测及调节方法，其特征在于，利用预测系统进行预测，预测系统包括软件部分和硬件部分，软件部分包括数据库模块、模型训练模块、预测模块以及控制模块，硬件部分包括定位模块、姿态模块、张力模块、信号采集模块、传输模块以及调节模块；S10.所述数据库模块通过浮式风机仿真软件SIMA，根据风机所在位置的海况环境计算得到各海况环境下风机的运动响应、系泊张力数据以及波高时程，形成目标浮式风机运动响应数据库，其中，运动响应包括位置和风机三个方向横摇、纵摇、艏摇变化角度；S20.所述模型训练模块对风机运动响应与张力预测模型进行训练，所使用的训练数据来自于所述数据库模块，完成所述预测模型训练后，由所述模型训练模块保存各类海况条件下所得到的不同的风机运动响应与张力预测模型；S30.所述预测模块根据目标风机所处的环境海况条件选用所述模型训练模块中与所述环境海况条件相匹配的预测模型，定位模块和姿态模块现场采集的实时运动响应及张力模块现场采集的实时系泊张力，以及现场采集波高时程，由所述信号采集模块对运动响应、系泊张力和波高时程进行采集，通过所述传输模块输入所述相匹配的预测模块，由所述预测模块预测当前时刻的后一段时间的风机平台运动响应与系泊张力；S40.所述控制模块根据所述预测模块预测的当前时刻的后一段时间的风机平台运动响应与系泊张力，判断风机平台运动响应在所述后一段时间是否在可接受范围内，且系泊张力在所述后一段时间是否超过安全临界值或者低于设定值，当判断两个条件中至少一个不满足，所述控制模块向系泊调节模块发送调节命令；S50.所述系泊调节模块接收所述控制模块发出的调节指令，根据所述预测模块预测的所述后一段时间的风机平台运动响应与系泊张力的预测值调整系泊系统的锚链长度；S60.在系泊系统锚链长度调整后，张力模块现场对系泊系统的系泊张力进行采集，且定位模块和姿态模块对调整锚链长度后的风机的运动响应进行采集，现场采集波高时程，将锚链长度调整后的风机的运动响应、系泊张力及波高时程输入所述预测模块，由所述预测模块预测当前时刻的后一段时间的风机平台运动响应与系泊张力；S70.迭代执行步骤S40~S60，直至所述控制模块根据所述预测模块预测的当前时刻的后一段时间的风机平台运动响应与系泊张力，被判断为风机平台运动响应在所述后一段时间在可接受范围内，且系泊张力在所述后一段时间不超过安全临界值；步骤S40中当判断两个条件中至少一个不满足，包括：风机平台运动响应在所述后一段时间不在可接受范围内，且系泊张力在所述后一段时间超过安全临界值；风机平台运动响应在所述后一段时间在可接受范围内，且系泊张力在所述后一段时间低于设定值；步骤S50中所述系泊调节模块根据所述预测模块预测的所述后一段时间的风机平台运动响应与系泊张力的预测值调整系泊系统的锚链长度，具体包括：风机平台运动响应在所述后一段时间不在可接受范围内，且系泊张力在所述后一段时间超过安全临界值，系泊调节模块放松锚链；风机平台运动响应在所述后一段时间在可接受范围内，且系泊张力在所述后一段时间低于设定值，系泊调节模块收紧锚链；所述定位模块包括风机中安装的动力定位系统，动力定位系统包括惯性导航系统和卫星定位系统，用于确定风机的实时位置；所述姿态模块包括传感器，用于测量风机三个方向横摇、纵摇、艏摇实时变化角度；所述姿态模块包括陀螺仪；所述张力模块包括系泊系统上安装的拉力传感器，用于对风机系泊系统的拉力进行实时采集及监控；所述信号采集模块用于采集所述定位模块输出的风机的实时位置的信号，用于采集所述姿态模块输出的风机三个方向横摇、纵摇、艏摇实时变化角度的信号，用于采集所述张力模块输出的对风机系泊系统的拉力的信号；所述传输模块将所述信号采集模块采集到的各信号传输给所述预测模块；所述系泊调节模块包括锚机、牵引索及负载重物；所述牵引索的第一端部设置所述负载重物，所述牵引索的第二端部通过所述锚机与系泊系统的锚链连接，所述锚机通过牵引索上拉或下放所述负载重物，使与牵引索连接的所述锚链随所述负载重物上拉或下放而放松或拉紧而对所述锚链的长度调整，以调整系泊张力；采用多输入长短期记忆神经网络搭建得到训练模型，所采用的多输入长短期记忆神经网络将波高时程加入预测模型的训练过程，与所输入的运动响应、锚链张力组成三维数据参与训练，其中，多输入长短期记忆神经网络超参数如下：优化器为Adam方法，神经元个数为128个，BatchSize为256，多输入长短期记忆神经网络使用3层网络结构，以考虑运动响应与锚链张力的非线性特征，并且在考虑二阶水动力影响下具有准确度，多输入长短期记忆神经网络由门控方程来控制信息的传递，门控方程的基本形式如下所示： 其中，w是权重矩阵，b是偏置项，σ为激活函数sigmoid，门的输出矢量由元素相乘得到，通过控制矢量来达到门控的效果，门控输出矢量是一个介于0和1之间的实数矢量，当门控输出Gx为0时，任何输入信息与Gx相乘都将得到0，表明没有信息可以通过，当门控输出Gx为1时，相乘不会产生任何变化，表明所有信息都可以通过；深度学习模型对风机运动响应与锚链张力预测过程中采用序列对点的方法，采用滑动窗口的方法建立模型输入与输出之间序列对点的关系，将t-20至t时刻的三维时间序列数据作为一个输入窗口X，将t+20时刻的运动响应与锚链力作为输出点Y，并通过时间步迭代将该X-Y窗口实现向后滑动推移；系泊调节模块根据控制模块发送的命令进行相关操作，当接受到的命令为放松锚链时，调节模块自动释放存储在风机上的负载重物，锚链力可经由锚机将重物上下拉动从而加大风机运动距离，释放能量减小锚链受力；当接受到的命令为收紧锚链时，调节模块通过主动旋转并固定锚机回收一部分锚链，负载重物被固定无法上下运动，锚链力回升到正常设定值。

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大连理工大学;大连理工大学宁波研究院，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。