原文传递
基于模糊聚类的海洋平台作业模式识别方法研究
| 论文题名： | 基于模糊聚类的海洋平台作业模式识别方法研究 |
| 关键词： | 海洋平台;特征提取;卷积神经网络;作业模式 |
| 摘要： | 作业模式识别是海洋平台结构健康安全监测的关键技术之一。该技术可有效消除作业状态变化对结构损伤识别的干扰，提高损伤识别的准确率。另一方面，实时掌握平台作业模式，也是提高平台运维效率，保障安全生产，实现海洋平台数字孪生的技术基础。本文基于模糊聚类原理，结合卷积神经网络方法，对海洋平台振动响应信号进行分析和处理，形成一套平台作业模式识别方法。 通过平台监测数据的时空差异性分析，选择可有效描述信号波动特点的特征参数，采用基于密度峰值的模糊聚类算法，对这些特征参数进行初级聚类分析。针对初级聚类结果不理想的问题，提出了一种分级聚类方法，将监测数据二分类为正常时间序列和特殊时间序列，对两类数据分别提取不同的特征参数进行二级聚类分析。 根据二级聚类结果对各测点波动等级进行划分，分别对正常时间序列和特殊时间序列搭建了两个波动等级划分一级卷积神经网络模型，对监测数据的波动等级进行分类，从而得到反映平台整体振动情况的全景时空图。在此基础上建立平台全局信息的三阶张量表达，对全景时空图搭建了作业模式辨识三维卷积神经网络模型。使用该二级卷积神经网络模型对NB35-2WHPBP平台2019年2月至2020年1月的作业模式进行识别，经平台代表性作业工况检验，可以有效辨识平台的实际作业状态。 |
| 作者： | 侯月阳 |
| 专业： | 船舶与海洋工程 |
| 导师： | 黄焱;张晓 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
