原文传递
基于LSTM神经网络的张力腿受力状态反演方法研究
| 题名： | 基于LSTM神经网络的张力腿受力状态反演方法研究 |
| 正文语种： | 中文 |
| 作者： | 姚骥 武文华 吕柏呈 王世圣 谢彬 冯加果 |
| 作者单位： | 大连理工大学运载工程与力学学部工业装备结构分析国家实验室,辽宁大连116024 大连理工大学运载工程与力学学部工业装备结构分析国家实验室,辽宁大连116024;大连理工大学宁波研究院,浙江宁波315000 中海油研究总院,北京100028 |
| 关键词： | 油气资源开发 海洋浮式平台 张力腿结构 受力状态 反演测量 LSTM神经网络 |
| 摘要： | 海洋浮式平台是我国深海油气资源开发的主力装备。张力腿是TLP(Tension Leg Platform)平台的主要定位结构,准确地测量张力腿的受力行为十分重要.针对张力腿结构在服役过程中节点受力难以直接测量的难点,基于长短时记忆神经网络(Long short term memory network,LSTM)提出一种张力腿节点受力的反演方法.首先,依据设计参数,建立了张力腿结构数值仿真模型;根据张力腿结构的含水模态分析结果,基于有效独立法开展了布点优化研究,并给出了监测布点方案;进而,基于实测海洋荷载开展了张力腿结构的动力学仿真分析,提取了测点的加速度时程与张力腿各节点的受力时程.最终利用LSTM方法建立了测点加速度与节点张力的深度学习模型.基于建立的深度学习模型可利用测点的测量信息计算张力腿整体结构的受力状态,校验结果显示出所发展的模型最大误差仅为0.46％.所提出的反演测量方法可对及时获取在役张力腿结构各节点的受力状态提供指导. |
| 会议日期： | 202209 |
| 会议举办地点： | 广东湛江 |
| 会议名称： | 第二十届中国海洋(岸)工程学术讨论会 |
| 出版日期： | 2022-08-31 |
| 母体文献： | 第二十届中国海洋(岸)工程学术讨论会论文集 |
| 分类号： | TE951.03 |
检索历史
应用推荐
