CN112668246A - 一种预报海洋平台长期响应极值的方法 - Google Patents

一种预报海洋平台长期响应极值的方法 Download PDF

Info

Publication number
CN112668246A
CN112668246A CN202110015282.2A CN202110015282A CN112668246A CN 112668246 A CN112668246 A CN 112668246A CN 202110015282 A CN202110015282 A CN 202110015282A CN 112668246 A CN112668246 A CN 112668246A
Authority
CN
China
Prior art keywords
response
term
long
point
extremum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110015282.2A
Other languages
English (en)
Other versions
CN112668246B (zh
Inventor
王俊荣
宫浩男
谢波涛
宋佳奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ocean University of China
Original Assignee
Ocean University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ocean University of China filed Critical Ocean University of China
Priority to CN202110015282.2A priority Critical patent/CN112668246B/zh
Publication of CN112668246A publication Critical patent/CN112668246A/zh
Application granted granted Critical
Publication of CN112668246B publication Critical patent/CN112668246B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出一种预报海洋平台长期响应极值的方法,包括:A、建立海洋结构响应长期分布卷积模型;B、将卷积模型改写为可靠度形式;C、将模型中的随机变量变换为独立的标准正态变量;D、搜索标准正态空间中半径为β的球面上点的中vn+1(u)的最大值作为结构M年重现期响应。本发明提出不精确的一维搜索方法,保证迭代过程中响应值每一步都有一定程度的上升,解决了改进均值法易出现周期震荡而不收敛的情况,保证了收敛性。

Description

一种预报海洋平台长期响应极值的方法
技术领域
本发明涉及海洋工程技术领域,具体而言,尤其涉及一种进行海洋结构物长期响应预报时的方法。
背景技术
远洋航行的船舶及其他海洋结构均受到波浪、风、流等作用在其上引起的不断变化的环境荷载的影响。对于承受环境载荷(例如风,浪,流,冰)的海洋结构,在设计阶段评估结构长期极限响应以及在其特定使用寿命内的相关应力或应变是必要且重要的。
长期响应分析将环境参数的长期行为建模为一系列短期固定条件。假定海洋表面构成一个在时间上平稳而在空间上均匀的随机波场。在实践中,假定仅在有限的一段时间内具有平稳性,通常取3小时,这称为波场的短期描述。通过对所有短期环境条件下的结构的短期响应进行卷积可以获得M年响应的估计值。现有用于求解卷积模型的逆一阶可靠度方法应用最广泛地是改进均值法(AMV)及其改进方法联合均值法(CMV),但当结构的功能函数为高度非线性或非凸非凹函数时,AMV易出现周期震荡而不收敛的情况,需要通过执行精确的弧搜索来解决,但这需要大量的函数计算,且收敛速度不高。联合均值法(CMV)通过考虑3个连续验算点的最速下降方向形成新的搜索方向,但当功能函数为凸函数时效率较低。弧长搜索法常采用一维搜索方法确定最优步长,需要不断进行功能函数值的计算甚至偏导数计算,加大了计算的复杂程度。
发明内容
本发明针对现有预报海洋平台长期响应极值的方法存在求解逆一阶可靠性问题迭代收敛度不高、计算效率低的问题,提出如下技术方案:一种预报海洋平台长期响应极值的方法,包括:
A、建立海洋结构响应长期分布卷积模型;
B、将卷积模型改写为可靠度形式;
C、将模型中的随机向量变换为独立的标准正态变量;
D、搜索标准正态空间中半径为β的球面上点的中vn+1(u)的最大值作为结构M年重现期响应;
D1:设定初试迭代步长d,令k=0,初始迭代点u0以及相对误差ε;
D2:获得迭代点对应的响应值vn+1(uk)以及该点的梯度向量▽vn+1(uk);
D3:获得第k+1个迭代点
Figure BDA0002886587670000021
D4:获得第k+1个点对应的响应值vn+1(uk+1);
D5:若第k+1个点对应的响应值vn+1(uk+1)大于第k个点的响应值vn+1(uk),则转至D6,否则,令迭代步长减半,并转至D3;
D6:若
Figure BDA0002886587670000022
则转至D7,否则k=k+1,并转至D2;
D7:k=k+1,结构M年重现期响应值为vn+1(uk)。
进一步地,所述步骤A的模型如下:
FR(r)=∫SFR|S(r|s)fS(s)ds
其中,FR|S(r|s)为短期条件为S条件下,结构短期响应峰值R的累计积分布函数;fS(s)为环境参数的联合概率密度函数,S=(S1,S2,...,Sn),如仅考虑与波浪有关的主要环境参数,S=(Hs,Tz),其中Hs为有效波高,Tz为平均跨零周期。
进一步地,所述步骤D1中d=4~6。
进一步地,所述步骤D中
Figure BDA0002886587670000023
与现有技术相比,本发明的优点和积极效果在于:
本发明提出不精确的一维搜索方法解决了海洋结构物长期响应极值预报中的逆可靠性问题,即采用不精确的一维搜索算法沿第k个迭代点的梯度方向在球面的圆弧上选取迭代点,无需计算每次迭代的最优步长,只需要保证迭代过程中响应值每一步都有一定程度增大即可,既保证了收敛速度,也避免了改进均值法易出现周期震荡而不收敛的情况,保证了收敛性。
附图说明
图1为本发明实施例中求解逆一阶可靠性问题迭代过程示意图;
图2为应用AMV方法求解逆一阶可靠性问题迭代不收敛的示意图。
具体实施方式
为了能够更加清楚地理解本发明的上述目的、特征和优点,下面结合附图及实施例对本发明做进一步说明。
本实施例以预报线性时不变单自由度系统受波浪影响引起的百年一遇响应为例,详细描述本发明。假定对于给定的由有效波高Hs和跨零周期Tz组成的环境参数S=[Hs,Tz],在短期周期为3小时内具有零均值的平稳的高斯过程。该系统的传递函数为:
Figure BDA0002886587670000031
其中阻尼比ζ=0.05,结构固有频率ωn=2.0,波浪谱选取广义P-M谱:
Figure BDA0002886587670000032
结构响应谱表示为:
SR|S(ω|s)=|HηS(ω)|2Sη|S(ω|s)
波浪模型以结构化模型来表示,即以二维威布尔分布描述有效波高边际分布,对数正态分布描述给定波高条件下跨零周期的条件分布:
Figure BDA0002886587670000033
Figure BDA0002886587670000034
Figure BDA0002886587670000035
其中,
Figure BDA0002886587670000036
为标准正态分布的概率密度函数,
Figure BDA0002886587670000037
α=1.76,β=1.59,a1=0.70,a2=0.282,a3=0.167,b1=0.07,b2=0.3449,b3=-0.2073。
某条件下短期极限响应峰值的CDF可表示为:
Figure BDA0002886587670000041
其中,T=60×60×3=10800s,
Figure BDA0002886587670000042
基于结构短期极端响应峰值建立结构长期响应极值的CDF:
FR(r)=∫SFR|S(r|s)fS(s)ds
将模型改写为可靠度形式:
Figure BDA0002886587670000043
其中,V=[S,R]=[Hs,Tz,R],fV(v)=fR|S(r|s)fS(s),Gr(v)=r-vn+1,pf(r)为结构失效概率;
将随机向量V变换为独立标准正变量的向量U:
Figure BDA0002886587670000044
Figure BDA0002886587670000045
Figure BDA0002886587670000046
计算100年重现期对应失效概率:
Figure BDA0002886587670000047
其中N为年短期周期数
Figure BDA0002886587670000048
Figure BDA0002886587670000049
β=4.5。
现给定标准正态空间中的点u=[u1,u2,u3],环境参数空间中的点v=[h(u),t(u),v3(u)]可通过下式计算:
Figure BDA00028865876700000410
Figure BDA00028865876700000411
Figure BDA00028865876700000412
求结构100年重现期响应可转变为搜索标准正态空间中半径为4.5的球面上v3(u)的最大值。迭代所搜球面上v3(u)最大的点,具体步骤如下:
S1:设定初始迭代步长d=4,k=0,u0=[4.5,0,0],设定收敛相对误差ε=0.001;
S2:计算v3(uk),
Figure BDA0002886587670000051
S3:
Figure BDA0002886587670000052
S4:计算v3(uk+1);
S5:若v3(uk+1)-v3(uk)>0,则转至S6,否则,令d=d/2,并转至S3;
S6:若
Figure BDA0002886587670000053
则转至S7,否则k=k+1,并转至S2;
S7:k=k+1,结构百年一遇响应值为v3(uk);
最终当
Figure BDA0002886587670000054
时,v3(u12)取得最大值,此时
Figure BDA0002886587670000055
即该结构百年一遇响应值为v3(u12)=40.542。
如图1所示,本例迭代从初始迭代点u0=[4.5,0,0]开始,沿迭代点梯度方向的球面圆弧上采用不精确步长选取迭代点,通过控制步长来确保新迭代点处v3(uk+1)相对v3(uk)有所增大来保证迭代收敛。
如图2所示,采用改进均值法(AMV)计算该结构物的百年一遇响应值时,会出现迭代不收敛的情况,迭代在u=[4.02,1.78,0.94]与u=[3.75,-2.26,1.05]之间反复循环而不能收敛。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。

Claims (4)

1.一种预报海洋平台长期响应极值的方法,其特征在于包括:
A、建立海洋结构响应长期分布卷积模型;
B、将卷积模型改写为可靠度形式;
C、将模型中的随机向量变换为独立的标准正态变量;
D、搜索标准正态空间中半径为β的球面上点的中vn+1(u)的最大值作为结构M年重现期响应;
D1:设定初试迭代步长d、初始迭代点u0以及相对误差ε,令k=0;
D2:获得迭代点对应的响应值vn+1(uk)以及该点的梯度向量▽vn+1(uk);
D3:获得第k+1个迭代点
Figure FDA0002886587660000011
D4:获得第k+1个点对应的响应值vn+1(uk+1);
D5:若第k+1个点对应的响应值vn+1(uk+1)大于第k个点的响应值vn+1(uk),则转至D6,否则,令迭代步长减半,并转至D3;
D6:若
Figure FDA0002886587660000012
则转至D7,否则k=k+1,并转至D2;
D7:k=k+1,结构M年重现期响应值为vn+1(uk)。
2.根据权利要求1所述的预报海洋平台长期响应极值的方法,其特征在于,所述步骤A的模型如下:
FR(r)=∫SFR|S(r|s)fS(s)ds
其中,FR|S(r|s)为短期条件为S条件下,结构短期响应峰值R的累计积分布函数;fS(s)为环境参数的联合概率密度函数,S=(S1,S2,...,Sn)。
3.根据权利要求1所述的预报海洋平台长期响应极值的方法,其特征在于,所述步骤D1中d=4~6。
4.根据权利要求1所述的预报海洋平台长期响应极值的方法,其特征在于,所述步骤D中
Figure FDA0002886587660000021
CN202110015282.2A 2021-01-07 2021-01-07 一种预报海洋平台长期响应极值的方法 Active CN112668246B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110015282.2A CN112668246B (zh) 2021-01-07 2021-01-07 一种预报海洋平台长期响应极值的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110015282.2A CN112668246B (zh) 2021-01-07 2021-01-07 一种预报海洋平台长期响应极值的方法

Publications (2)

Publication Number Publication Date
CN112668246A true CN112668246A (zh) 2021-04-16
CN112668246B CN112668246B (zh) 2022-10-28

Family

ID=75413176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110015282.2A Active CN112668246B (zh) 2021-01-07 2021-01-07 一种预报海洋平台长期响应极值的方法

Country Status (1)

Country Link
CN (1) CN112668246B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120259489A1 (en) * 2009-11-04 2012-10-11 Kawasaki Jukogyo Kabushiki Kaisha Ship maneuvering control method and ship maneuvering control system
CN107291995A (zh) * 2017-05-27 2017-10-24 中国船舶工业集团公司第七〇八研究所 一种基于谱分析法的浮式海洋结构物结构应力计算方法
CN110532685A (zh) * 2019-08-29 2019-12-03 山东交通学院 浮式结构物摇荡运动响应预报方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120259489A1 (en) * 2009-11-04 2012-10-11 Kawasaki Jukogyo Kabushiki Kaisha Ship maneuvering control method and ship maneuvering control system
CN107291995A (zh) * 2017-05-27 2017-10-24 中国船舶工业集团公司第七〇八研究所 一种基于谱分析法的浮式海洋结构物结构应力计算方法
CN110532685A (zh) * 2019-08-29 2019-12-03 山东交通学院 浮式结构物摇荡运动响应预报方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FINN-IDAR GRØTTA GISKE: "Full long-term extreme response analysis of marine structures using inverse FORM", 《PROBABILISTIC ENGINEERING MECHANICS》 *
GRO SAGLI BAARHOLM .ETC: "Combining contours of significant wave height and peak period with platform response distributions for predicting design response", 《MARINE STRUCTURES》 *
SVERRE HAVER: "Environmental Contour Lines: A Method for Estimating Long Term Extremes by a Short Term Analysis", 《SOCIETY OF NAVAL ARCHITECTS AND MARINE ENGINEERS》 *
卫涛: "基于 TLP 原理的海上风机浮式基础研究", 《江苏科技大学硕士学位论文》 *

Also Published As

Publication number Publication date
CN112668246B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
US20190265768A1 (en) Method, system and storage medium for predicting power load probability density based on deep learning
Liu A new method for the construction of maximal steady-state security regions of power systems
Senjyu et al. Next day load curve forecasting using recurrent neural network structure
Mahto et al. Evolutionary optimization technique for comparative analysis of different classical controllers for an isolated wind–diesel hybrid power system
de Magalhães Carvalho et al. Simplified cross-entropy based approach for generating capacity reliability assessment
CN109409024B (zh) 基于一维深度残差网络的光伏组件电压电流特性建模方法
CN109636722B (zh) 一种基于稀疏表示的在线字典学习超分辨率重建的方法
CN112668246B (zh) 一种预报海洋平台长期响应极值的方法
CN115062668A (zh) 基于RAdam优化宽度学习的谐波参数检测方法和系统
CN103017895A (zh) 海上风力发电支撑结构振动监测点布设方法
CN116933922A (zh) 基于woa-cnn-lstm光伏发电功率预测的方法
Chen et al. Forward prediction of surface wave elevations and motions of offshore floating structures using a data-driven model
CN114385962A (zh) 一种基于相似日的日前光伏发电功率预测方法及系统
Cristaldi et al. An innovative model-based algorithm for power control strategy of photovoltaic panels
CN114819382B (zh) 一种基于lstm的光伏功率预测方法
Christiansen et al. Optimized mooring line simulation using a hybrid method time domain scheme
CN113918369A (zh) 基于自适应一致性算法的分布式多智能体容错方法及系统
Dowell et al. Kernel methods for short-term spatio-temporal wind prediction
CN111027503A (zh) 一种自适应统一电能质量数据时间尺度的方法
CN117791583A (zh) 一种考虑次生故障的电力系统负荷恢复方法
CN116383971B (zh) 一种基于Kriging模型的分布鲁棒优化方法
CN109800919B (zh) 一种区域风电场整体有功功率预测方法及装置
Xin et al. A Trend Prediction Method for Failures Time Series Data by Exploring Singular Spectrum Analysis and Support Vector Machines Regression
CN116562417A (zh) 一种基于强化学习的配电网重构优化方法
Carre et al. GSF Galaxy I Jackup Case Study for Optimizing Rig Move Performance in North Sea using an Advanced Simulation Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant