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！

龙图腾网获悉哈尔滨工程大学申请的专利基于自适应物理神经网络的舱室浸水流场预测方法和装置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：CN119538772B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202411558359.0，技术领域涉及：G06F30/28；该发明授权基于自适应物理神经网络的舱室浸水流场预测方法和装置是由杨东梅;李泽;崔艳松;王兴梅;张越;张万松设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于自适应物理神经网络的舱室浸水流场预测方法和装置在说明书摘要公布了：基于自适应物理神经网络的舱室浸水流场预测方法和装置，涉及神经网络在复杂流场预测领域。解决了现有技术中舱室浸水流场具有高度的非线性和动态变化，自由液面水动力现象复杂且难以预测的问题。所述方法包括：构建低速流场的船舶模型；将将船舶舱室模型导入STAR‑CCM+软件进行流体仿真，并生成流场的网格数据；对所生成的流场的网格数据按时间步进行处理；将处理后的网格数据通过Pytorch框架进行处理与保存，构建用于神经网络训练的数据集；使用Pytorch框架对神经网络训练的数据集进行动态训练；上述步骤用于舱室浸水流场预测，完成基于自适应物理神经网络的舱室浸水流场预测。适用于舱室浸水流场的自适应领域。

本发明授权基于自适应物理神经网络的舱室浸水流场预测方法和装置在权利要求书中公布了：1.基于自适应物理神经网络的舱室浸水流场预测方法，其特征在于，所述方法包括： S1、在CATIA软件中构建低速流场的船舶模型； S2、将S1所构建的低速流场的船舶模型将船舶舱室模型导入STAR-CCM+软件进行流体仿真，并生成流场的网格数据； S3、对S2所生成的流场的网格数据按时间步进行处理；将处理后的网格数据通过Pytorch框架进行处理与保存，构建用于神经网络训练的数据集； S4、使用Pytorch框架对神经网络训练的数据集进行动态训练； S5、将S1至S4用于舱室浸水流场预测，完成基于自适应物理神经网络的舱室浸水流场预测； S4中对神经网络训练的数据集进行动态训练包括对基础神经网络的构建与训练、动态训练及数据集的更新的步骤； 基础神经网络的构建选择以全连接神经网络作为基础神经网络的主体，激活函数采用双曲函数，将部分浸水数据作为输入进行训练，损失函数由物理损失与数据损失组成，采用梯度下降法结合Adam优化器进行训练；经过多轮迭代，当神经网络损失降低到预定水平且趋于稳定时，终止训练； 所述物理损失通过计算物理量u、v、p对时间的一阶、二阶偏导数，上述偏导数按照离散化的质量守恒方程、动量守恒方程组合得到物理损失，并通过以下公式计算得到： 1 2 3 4 其中，i取值范围为0，1，2…N，代表数据点的个数，j取值1和2，分别对应x和y方向，u、v分别对应x和y方向上的流体运动速度，p代表压力，t代表时间，范围为2.0-4.0秒；代表可学习的神经网络参数，和代表N-S方程中的两个常量； 所述数据损失的计算方法为： 7 其中，t代表时间，范围为2.0-4.0秒；label代表真实值，pred代表神经网络预测值；i，j代表浸水区域的离散得到的横、纵坐标；代表每个离散点上x、y方向的速度；方程中的参数、、代表各项损失的权重。

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哈尔滨工程大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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”。