水下浮筒对于深水系泊缆静态特性的影响

依据集中质量法建立缆绳力学模型,分析了浮筒净浮力大小、位置以及海流力对缆绳构型和静态张力的影响程度。研究结果表明:水下浮筒可有效降低系泊载荷与预张力,提高缆绳水平回复刚度,但可能导致缆绳最大张力位置的改变,此外浮筒净浮力与位置均存在最优值,浮筒所承受的海流力对于缆绳静力特性的影响非常有限。     

深水浮式平台监测系统研制及应用

监测系统是获得浮式平台真实情况的可靠手段,跟水池模型试验一样,对评估平台安全非常有价值。本文研究浮式平台监测系统研发要点,并在我国"南海挑战号"FPS平台上成功实施了1套包含环境条件、浮体运动和水下系泊系统的监测系统,实现了监测系统远程控制和"互联网+"数据共享,实现了较为宝贵的台风期间监测和数据传输的功能,获得了多个台风数据和超过3年的监测信息,可为今后该平台的安全评估、深水浮式平台设计反馈、现场作业支持或预警等提供数据和依据,为将来监测系统推广应用提供了典型示范。建议下一步通过海上现场监测数据来研究无法准确通过数值模拟但对立管安全影响非常大的浮式平台涡激运动(VIM)。     

基于深度置信神经网络的半潜式平台浮体运动模型和响应预测研究

半潜式平台承受着风、浪、流等复杂环境荷载的耦合作用,在工作海况下平台的浮体运动多为波频小幅运动.在极端海况下平台产生大幅运动对结构的安全带来威胁.本文基于深度学习理论,开展了半潜式平台运动响应预测及分布规律的研究.首先,按照10 min为时间间隔对环境监测信息进行划分,对风速、波浪压力等环境监测信息的分布规律进行研究并选取合适的分布拟合参数,结合分形学理论及统计分析的方法,提出了实测风速、波浪压力等数据的特征参数,并结合浪高、周期、流速、流向等实测数据,建立了具有降维特征的环境信息输入参数;其次,基于实测响应数据,以横摇为例,以10 min为时间间隔对其监测信息进行划分并对其分布规律进行研究,并选取合适的响应分布拟合参数作为响应的特征参数;接着,利用北斗远程传输系统传输的监测数据,基于深度置信神经网络(Deep Belief Network,DBN)建立极端海况下实测环境荷载与实测响应的关系模型,并与基于BP、Elman神经网络的关系模型预测结果进行对比,可以看出,基于DBN神经网络的关系模型预测误差仅为5.07％,结果较为准确;最后,基于DBN神经网络建立了荷载特征参数与响应分布拟合特征参数的关系模型,并与基于DNN、BP神经网络的关系模型预测结果进行对比.研究发现,基于DBN神经网络的预测模型结果更为准确,更接近于真实响应的分布规律,可以对工作海况下平台安全作业提供一定的指导.     

半潜式平台结构疲劳特征研究

本文研究2种典型结构形式半潜平台在不同海域结构应力长期分布特征。对比中国南海典型波浪散布与墨西哥湾典型波浪散布特征,计算两海域平台结构应力响应,得到平台结构应力范围长期Weibull分布形状参数。中国南海典型环境条件对于双下浮体式半潜平台结构波浪应力长期Weibull分布形状参数不大于1,对于环形浮箱半潜平台结构波浪应力长期Weibull分布形状参数不大于1.05,为针对中国南海应用简化疲劳分析方法分析半潜式平台结构疲劳寿命提供依据。同时,计算得到两类典型半潜式平台在墨西哥湾典型环境条件下结构波浪应力长期Weibull分布形状参数值不大于0.8的结论,证实对于半潜式平台的疲劳设计,南海疲劳海况较墨西哥湾海况更恶劣。