CN113806877B - 考虑水平二阶定常波浪力的锚泊系统设计方法 - Google Patents
考虑水平二阶定常波浪力的锚泊系统设计方法 Download PDFInfo
- Publication number
- CN113806877B CN113806877B CN202110870896.9A CN202110870896A CN113806877B CN 113806877 B CN113806877 B CN 113806877B CN 202110870896 A CN202110870896 A CN 202110870896A CN 113806877 B CN113806877 B CN 113806877B
- Authority
- CN
- China
- Prior art keywords
- individuals
- horizontal
- population
- individual
- wave force
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000013461 design Methods 0.000 title claims abstract description 23
- 238000004873 anchoring Methods 0.000 title claims abstract description 21
- 230000002068 genetic effect Effects 0.000 claims abstract description 20
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 238000012546 transfer Methods 0.000 claims abstract description 5
- 230000035772 mutation Effects 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 16
- 108090000623 proteins and genes Proteins 0.000 claims description 7
- 238000013213 extrapolation Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 210000000349 chromosome Anatomy 0.000 claims description 2
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000007667 floating Methods 0.000 description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Biomedical Technology (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Algebra (AREA)
- Fluid Mechanics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种考虑水平二阶定常波浪力的锚泊系统设计方法,包括步骤:计算目标平台的水平二阶定常波浪力传递函数在频域上的分布结果,获取水平二阶定常波浪力的峰值;根据平台的作业要求,获取最大水平运动距离;根据所述水平二阶定常波浪力的峰值和所述最大水平运动距离,计算回复刚度;通过遗传算法,计算得到符合回复刚度要求的锚泊系统参数。本发明在可以在给定锚泊系统性能要求的前提下,结合遗传算法,直接通过计算得到所需的锚泊系统各项设计参数,大大地减少了工作量。
Description
技术领域
本发明属于锚泊系统设计技术领域,具体涉及一种考虑水平二阶定常波浪力的锚泊系统设计方法。
背景技术
随着技术发展和社会进步,全球各国对能源的需求日益增加。石油和天然气资源作为最重要的能源种类,在人类社会的发展中有着举足轻重的地位。经过长时间的开采,陆上油气资源慢慢出现减产趋势,且开采难度增大。由于海洋中蕴藏着丰富的油气资源,加速开发海洋油气资源已成为各个国家和地区的重要能源战略。
目前,针对海洋油气资源的开采大多集中在浅水区域,随着开采的不断进行,人们逐渐把目光投向了深水区域。深水区域的油气资源储量非常庞大,但是由于技术难度较大,目前开发程度较低。现阶段所采用的开采平台多位固定式,当水深超过100米,固定式平台的经济性和安全性受到了极大的挑战,因此,深水油气开采主要依赖于浮式平台。
浮式平台通常利用锚泊系统来定位,抵抗风浪流等环境载荷引起的低频运动。锚泊系统通常利用锚链自身的重力或者与张力,提供浮式平台所需的回复力。以往的锚泊系统设计通常由工程师根据以往的工程经验,进行参数的初步选定,然后再根据需求以及计算结果反复调整锚泊系统各项参数,需要耗费大量时间精力。
发明内容
为了克服上述技术缺陷,本发明提供了一种考虑水平二阶定常波浪力的锚泊系统设计方法,其能对锚泊系统的各项设计参数进行快速地计算。
为了解决上述问题,本发明采用以下方案实现:
一种考虑水平二阶定常波浪力的锚泊系统设计方法,包括步骤:
计算目标平台的水平二阶定常波浪力传递函数在频域上的分布结果,获取水平二阶定常波浪力的峰值;
根据平台的作业要求,获取最大水平运动距离;
根据所述水平二阶定常波浪力的峰值和所述最大水平运动距离,计算回复刚度;
通过遗传算法,计算得到符合回复刚度要求的锚泊系统参数。
作为本发明的进一步改进,所述回复刚度=所述水平二阶定常波浪力的峰值/所述最大水平运动距离。
作为本发明的进一步改进,所述通过遗传算法,计算得到符合回复刚度要求的锚泊系统参数的步骤,包括如下步骤:
种群初始化:以锚链的根数、每根锚链的变量组成遗传算法的设计变量空间,并在所述设计变量空间中随机生成若干个初始个体,构成初始种群;
选择过程:根据目标函数设置适值函数,计算种群中每个个体的适应度,并根据个体的适应度选择优选个体作为父代,用以生成子代个体;
交叉过程:将所述选择过程中得到的优秀个体作为父代,利用交叉算子,通过交叉重组父代个体的基因结构,得到新的子代个体;
变异过程:将所述选择过程中得到的优秀个体作为父代,利用变异算子,随机对单个父代个体的基因做改动,生成新的子代个体;
替换过程:将所述选择过程得到的子代个体、所述交叉过程得到的子代个体、所述变异过程得到的子代个体作为当代种群,进行评估、旋转、交叉及交易,用以生成下一代子代个体;
计算终止:设置最优适值函数的容许值,如果在优化过程中出现个体适值小于所述容许值时,将该个体标记为最优解,如果达到最大进化代数,则将所有最优秀个体作为最优解输出。
作为本发明的进一步改进,所述锚链的变量包括:每根锚链的总长度、水平跨距、深度,以及锚链各分段的长度、单位长度质量、等效横截面积、轴向刚度。
作为本发明的进一步改进,所述计算种群中每个个体的适应度的步骤,包括如下步骤:
采用分段外推法计算每个个体回复刚度,并与所述目标回复刚度进行比较,计算两者之间的相似度。
与现有技术相比,本发明具有以下有益效果:本发明在可以在给定锚泊系统性能要求的前提下,结合遗传算法,直接通过计算得到所需的锚泊系统各项设计参数,较于以往由工程师根据以往工程经验,进行参数初步选定,然后再根据需要以及计算结果反复调整锚泊系统各项参数,耗费大量时间的现有技术而言,本发明能实现设计参数的自动计算,大大地减少了工作量,并提高准确度。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明,其中:
图1为实施例1所述锚泊系统设计方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
需要说明的是,在本文中,诸如S1、S2等术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
实施例1
本实施例公开了一种考虑水平二阶定常波浪力矩的锚泊系统设计方法,如图1所示,包括步骤:
S1、计算目标平台的水平二阶定常波浪力传递函数在频域上的分布结果,获取水平二阶定常波浪力的峰值Fmax。
具体地,水平二阶定常波浪力递函数在频域上的峰值Fmax,可以利用海洋工程动力学计算软件AQWA或SESAM计算得到。
S2、根据平台的作业要求,获取最大水平运动距离Lmax,即最大水平运动距离Lmax需要参照ccs规范《海上移动平台入级规范》,根据不同形式的平台来确定。
S3、根据水平二阶定常波浪力的峰值Fmax和最大水平运动距离Lmax,计算回复刚度,其中,水平运动回复刚度=水平二阶定常波浪力峰值Fmax/最大水平运动距离Lmax。
S4、通过遗传算法,计算得到符合回复刚度要求的锚泊系统参数:回复刚度,具体包括如下步骤:
S41、种群初始化:以每根锚链的总长度、水平跨距、深度,以及锚链各分段的长度、单位长度质量、等效横截面积、轴向刚度等变量,组成遗传算法的设计变量空间,并在设计变量空间中随机生成若干个初始个体(即不同参数的锚泊系统),并对个体的设计变量进行编码,得到染色体(基因型),从而构成遗传算法的初始种群。
S42、选择过程:根据目标函数设置适值函数,其中,适值函数=|个体回复刚度-目标回复刚度|,计算种群中每个个体的适应度,并根据个体的适应度选择优选个体作为父代,用以生成子代个体,目标回复刚度通过步骤S3计算得到。
其中,计算种群中每个个体的适应度,具体为:采用分段外推法计算每个个体回复刚度,并与目标回复刚度进行比较,计算两者之间的相似度。
S43、交叉过程:将选择过程中得到的优秀个体作为父代,利用交叉算子,对父代群体中的个体进行两两随机配对,对每一对相互配对个体,随机设置一基因位之后的位置为交叉点,依据设定的交叉概率P1在交叉点处相互,交换两两个体的部分基因,从而生成两个新的个体;上述交叉概率P1的表达式为Pc=Ne/N,N为种群中个体的数目,Ne为群体中被交换个体的数目,交叉过程使得遗传算法的搜索能力得以飞跃提高,进而提高结果的准确率。
S44、变异过程:将选择过程中得到的优秀个体作为父代,利用变异算子,采用变异算子的方法,首先依据变异概率P2指定每个个体的基因位为变异点,对变异点进行改动(增大或减小设计变量),从而生成新的子代个体;上述变异概率P2的表达式为P2=Ne/N,N为种群中个体的数目,Ne为群体中变异个体的数目,本步骤为整个遗传算法的核心。
遗传算法引入变异的目的有两个:一是使遗传算法具有局部的随机搜索能力。当遗传算法通过交叉算子已接近最优解邻域时,利用变异算子的这种局部随机搜索能力可以加速向最优解收敛。显然,此种情况下的变异概率应取较小值,否则接近最优解的积木块会因变异而遭到破坏;二是使遗传算法可维持群体多样性,以防止出现未成熟收敛现象。此时收敛概率应取较大值。
S45、替换过程:将选择过程得到的子代个体、交叉过程得到的子代个体、利用变异算子做改动后生成的子代个体作为当代种群,进行评估、选择、交叉及交易,用以生成下一代子代个体。
S46、计算终止:设置最优适值函数的容许值,适值函数小于等于5%,如果在优化过程中出现个体适值小于容许值时,将该个体标记为最优解,如果达到最大进化代数,则将所有最优秀个体作为最优解输出。
综上所述,本实施例针对现锚泊系统的各项设计参数需要反复调整计算的问题,提出将水平二阶定常波浪力作为作为影响因素,结合遗传算法对浮式风机锚泊系统参数进行设计的方法,对锚泊设计参数进行自动计算,大大地减少了工作量,并提高准确度。
以上仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (2)
1.一种考虑水平二阶定常波浪力的锚泊系统设计方法,其特征在于,包括步骤:
计算目标平台的水平二阶定常波浪力传递函数在频域上的分布结果,获取水平二阶定常波浪力的峰值;
根据平台的作业要求,获取最大水平运动距离;
根据所述水平二阶定常波浪力的峰值和所述最大水平运动距离,计算目标回复刚度;
通过遗传算法,计算得到符合目标回复刚度要求的锚泊系统参数,包括步骤:
种群初始化:以每根锚链的总长度、水平跨距、深度,以及锚链各分段的长度、单位长度质量、等效横截面积、轴向刚度的变量,组成遗传算法的设计变量空间,并在设计变量空间中随机生成若干个初始个体,并对个体的设计变量进行编码,得到染色体,从而构成遗传算法的初始种群;
选择过程:根据目标函数设置适值函数,其中,适值函数=|个体回复刚度-目标回复刚度|,计算种群中每个个体的适应度,并根据个体的适应度选择优选个体作为父代,用以生成子代个体;
交叉过程:将选择过程中得到的优秀个体作为父代,利用交叉算子,对父代群体中的个体进行两两随机配对,对每一对相互配对个体,随机设置一基因位之后的位置为交叉点,依据设定的交叉概率P1在交叉点处相互,交换两两个体的部分基因,从而生成两个新的个体;所述交叉概率P1的表达式为Pc=Ne/N,N为种群中个体的数目,Ne为群体中被交换个体的数目;
S44、变异过程:将选择过程中得到的优秀个体作为父代,利用变异算子,采用变异算子的方法,首先依据变异概率P2指定每个个体的基因位为变异点,对变异点进行改动,从而生成新的子代个体;所述变异概率P2的表达式为P2=Ne/N,N为种群中个体的数目,Ne为群体中变异个体的数目;
S45、替换过程:将选择过程得到的子代个体、交叉过程得到的子代个体、利用变异算子做改动后生成的子代个体作为当代种群,进行评估、选择、交叉及交易,用以生成下一代子代个体;
S46、计算终止:设置最优适值函数的容许值,适值函数小于等于5%,如果在优化过程中出现个体适值小于容许值时,将该个体标记为最优解,如果达到最大进化代数,则将所有最优秀个体作为最优解输出;
所述目标回复刚度=所述水平二阶定常波浪力的峰值/所述最大水平运动距离。
2.根据权利要求1所述的锚泊系统设计方法,其特征在于,所述计算种群中每个个体的适应度的步骤,包括如下步骤:
采用分段外推法计算每个个体回复刚度,并与所述目标回复刚度进行比较,计算两者之间的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870896.9A CN113806877B (zh) | 2021-07-30 | 2021-07-30 | 考虑水平二阶定常波浪力的锚泊系统设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870896.9A CN113806877B (zh) | 2021-07-30 | 2021-07-30 | 考虑水平二阶定常波浪力的锚泊系统设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113806877A CN113806877A (zh) | 2021-12-17 |
CN113806877B true CN113806877B (zh) | 2024-04-16 |
Family
ID=78942534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110870896.9A Active CN113806877B (zh) | 2021-07-30 | 2021-07-30 | 考虑水平二阶定常波浪力的锚泊系统设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113806877B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002257915A (ja) * | 2001-02-27 | 2002-09-11 | National Institute Of Advanced Industrial & Technology | 磁場均一度調整方法、調整装置及びプログラム |
CN105843777A (zh) * | 2016-03-18 | 2016-08-10 | 中国海洋大学 | 一种基于遗传算法多变量并行运算的水动力系数求解方法 |
CN110304200A (zh) * | 2019-07-16 | 2019-10-08 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 用于浅水区船舶定位作业的三点锚泊定位系统及分析方法 |
-
2021
- 2021-07-30 CN CN202110870896.9A patent/CN113806877B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002257915A (ja) * | 2001-02-27 | 2002-09-11 | National Institute Of Advanced Industrial & Technology | 磁場均一度調整方法、調整装置及びプログラム |
CN105843777A (zh) * | 2016-03-18 | 2016-08-10 | 中国海洋大学 | 一种基于遗传算法多变量并行运算的水动力系数求解方法 |
CN110304200A (zh) * | 2019-07-16 | 2019-10-08 | 上海船舶研究设计院(中国船舶工业集团公司第六0四研究院) | 用于浅水区船舶定位作业的三点锚泊定位系统及分析方法 |
Non-Patent Citations (4)
Title |
---|
An improved quasi-static model for mooring-induced damping estimation using in the truncation design of mooring system;Tianhui Fan 等;《Ocean Engineering》;20170113;第136卷;322-329 * |
Research on motion inhibition method using an innovative type of mooring system for spar floating offshore wind turbine;Yuan Ma 等;《Ocean Engineering》;20210131;第223卷;108644 * |
新型海上风机浮式平台运动的频域分析;唐友刚 等;《天津大学学报(自然科学与工程技术版)》;20131031;第46卷(第10期);879-884 * |
深水悬链锚泊系统等效截断水深优化设计;樊天慧 等;《船舶力学》;20150531;第19卷(第5期);518-525 * |
Also Published As
Publication number | Publication date |
---|---|
CN113806877A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kolios et al. | A multi-criteria decision making method to compare support structures for offshore wind turbines | |
González et al. | An improved evolutive algorithm for large offshore wind farm optimum turbines layout | |
CN113832992B (zh) | 基于边坡系统失稳风险的抗滑桩设计优化方法 | |
CN113806877B (zh) | 考虑水平二阶定常波浪力的锚泊系统设计方法 | |
US20220405633A1 (en) | Method for multi-time scale voltage quality control based on reinforcement learning in a power distribution network | |
Hall et al. | Design and analysis of a ten-turbine floating wind farm with shared mooring lines | |
CN109284818A (zh) | 一种基于事故树和遗传算法的爆破振动控制预测方法 | |
Mahfouz et al. | A passively self‐adjusting floating wind farm layout to increase the annual energy production | |
CN111950790A (zh) | 一种海底管道冲刷深度的预测方法 | |
Mas-Soler et al. | A parametric optimization approach for the initial design of FOWT’s substructure and moorings in Brazilian deep-water fields | |
Carlota | Technological revolutions and the role of government in unleashing golden ages | |
Elkinton | Offshore wind farm layout optimization | |
CN113792390B (zh) | 考虑俯仰二阶定常波浪力矩的锚泊系统设计方法 | |
Sullivan et al. | Optimisation of tidal power arrays using a genetic algorithm | |
CN114056488B (zh) | 一种锚链的控制方法及装置 | |
Hu et al. | Fatigue analysis of large anvil in the pile driving of offshore wind turbines | |
Wang et al. | Multi-objective optimization design for a 15 MW semisubmersible floating offshore wind turbine using evolutionary algorithm | |
Ceriello | Wake Effect Mitigation of Floating Offshore Wind Farms Combining Layout Optimization, Turbine Repositioning and Yaw-based Wake Redirection | |
CN117852422B (zh) | 一种基于组合优化的海上风电浮式基础主尺度优化方法 | |
CN106447088A (zh) | 基于遗传算法的施工现场灾害预测方法 | |
CN118278213B (zh) | 一种深远海漂浮式海上风电系统系泊优化设计方法 | |
CN116796611B (zh) | 基于旗鱼算法与人工神经网络调整桥梁扣索索力的方法 | |
CN117892890A (zh) | 一种海上风机检修路径规划方法 | |
Abdul-Ameer et al. | Maximizing the generated power of wind farms by using optimization method | |
CN118536428A (zh) | 一种基于悬链线方程的近海漂浮式光伏汇集动态缆线型设计方法 |
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 |