CN114880619B - 浮式海洋结构随机动力响应解析计算方法 - Google Patents
浮式海洋结构随机动力响应解析计算方法 Download PDFInfo
- Publication number
- CN114880619B CN114880619B CN202210503154.7A CN202210503154A CN114880619B CN 114880619 B CN114880619 B CN 114880619B CN 202210503154 A CN202210503154 A CN 202210503154A CN 114880619 B CN114880619 B CN 114880619B
- Authority
- CN
- China
- Prior art keywords
- floating structure
- response
- causal
- time
- function
- 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
- 230000004044 response Effects 0.000 title claims abstract description 109
- 238000004364 calculation method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 title abstract description 10
- 230000001364 causal effect Effects 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000005316 response function Methods 0.000 claims abstract description 45
- 238000012512 characterization method Methods 0.000 claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims abstract description 23
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 14
- 230000009471 action Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000005311 autocorrelation function Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 abstract description 3
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供一种浮式海洋结构随机动力响应解析计算方法。该方法包括以下步骤:S1:确定因果化波浪‑浮式结构水动力系统响应函数;S2:基于因果化波浪‑浮式结构水动力系统响应函数,构建因果化浮式结构的极点‑留数表征模型;S3:对极点‑留数表征模型开展极点‑留数运算,求解因果化浮式结构非平稳随机动力响应统计;S4:对因果化浮式结构非平稳随机动力响应统计进行逆向时移,获得实际非因果浮式结构时频进化响应谱,以及时变均方响应统计。本发明克服了传统谱分析方法仅能求解平稳响应的不足,避免了蒙特卡洛模拟方法对采样间隔敏感和计算效率低的问题,为实际工程分析提供了一种兼具高精度与高效率的全新计算方法。
Description
技术领域
本发明涉及海洋工程技术领域,尤其涉及一种浮式海洋结构随机动力响应解析计算方法。
背景技术
浮式海洋工程结构,如各种类型的船舶、海洋平台和海洋能发电装置等,是开发海洋资源、维护海洋权益和发展海洋经济的关键基础装备。海洋环境恶劣严酷、复杂多变,在大浪、强风与强海流等环境载荷作用下,浮式结构将产生显著的动力响应,极易引发浮体失稳倾覆、极端强度失效与长期累积疲劳破坏,严重影响着结构的安全性和可靠性。因此,海洋浮式结构动力响应分析对保障其设计与运行安全至关重要。
实际海洋波浪是典型的随机过程,因此,波浪激励下浮式结构响应也是典型随机动力过程,且具有显著的非平稳特征。目前,海洋工程界在处理浮式结构随机动力响应问题时,广泛采用传统的频域谱分析方法和时域蒙特卡洛随机模拟方法,存在着各自的缺陷和不足。
具体来讲,频域谱分析方法通过系统传递函数将输入载荷谱与输出响应谱连结起来,具有较高的计算效率,但其仅适用于处理平稳随机过程问题,无法求解非平稳响应,不能反映结构动力响应的瞬态时变特征。
蒙特卡洛模拟方法引入随机数构建一系列波浪样本,通过反复执行多次时历计算获得响应统计特征,是当前学术界和工程界求解浮式结构非平稳响应的主流技术手段。蒙特卡洛模拟方法能够获得精度较高的结构响应,但其本质上仍是一种确定性动力分析方法,仅能得到离散数值解,计算结果受时间间隔选取影响明显;另外,其高精度依赖于大量的采样,计算的时间成本与经济成本昂贵、计算效率低,特别是在浮式结构初始设计阶段,往往需要对设计方案进行反复修改和重新计算,严重制约了蒙特卡洛方法的工程实用性。
因此,现有频域和时域方法无法兼顾计算精度和计算效率,亟需发展准确、高效的浮式结构非平稳随机动力响应分析方法,服务于实际浮式结构工程设计与开发。
发明内容
本发明的目的在于解决以上技术问题之一,提供一种浮式海洋结构随机动力响应解析计算方法,具有高精度、高效率的优点。
为实现上述目的,本发明采用的技术方案是:
一种浮式海洋结构随机动力响应解析计算方法,包括以下步骤:
S1:确定因果化波浪-浮式结构水动力系统响应函数hc(t),其中t为时间变量;
S2:基于因果化波浪-浮式结构水动力系统响应函数hc(t),构建因果化浮式结构的极点-留数表征模型;
S3:对极点-留数表征模型开展极点-留数运算,求解因果化浮式结构非平稳随机动力响应统计E[Xc 2(t)],其中Xc 2(t)表示因果化浮式结构随机响应平方值;
S4:对因果化浮式结构非平稳随机动力响应统计进行逆向时移,获得实际非因果浮式结构时频进化响应谱G(t,ω),以及时变均方响应统计E[X2(t)],其中X2(t)表示实际非因果浮式结构随机响应平方值,ω表示频率。
本发明一些实施例中,步骤S1中,确定因果化波浪-浮式结构水动力系统响应函数hc(t)的方法包括:
确定波浪-浮体系统频响应函数H(ω),对H(ω)进行傅里叶变换得到波浪作用下浮式结构脉冲响应函数h(t);
选取因果化时间tc;所述因果化时间需满足:当t<tc时,h(t)取值为零或近似为零;
基于因果化时间和浮式结构脉冲响应函数,获得因果化波浪-浮式结构水动力系统响应函数hc(t):
hc(t)=h(t-tc)。
本发明一些实施例中,步骤S2中,构建因果化浮式结构的极点-留数表征模型的方法包括:
对因果化波浪-浮式结构水动力系统响应函数hc(t)进行复指数分解,将所述响应函数近似为一系列有限数量复指数函数之和:
对复指数分解后的所述响应函数进行拉普拉斯变换,得到所述响应函数在拉普拉斯域内的极点-留数表征模型;
其中,是hc(t)的拉普拉斯变换,s是拉普拉斯变量,μp是极点,βp是留数,Np是极点和留数的数量,p是极点序号。
本发明一些实施例中,步骤S3的实施方法包括:
S31:根据杜哈梅尔积分,建立随机波浪作用下非因果浮式结构运动响应方程:
其中,Ξ(τ)是零均值、平稳高斯随机波浪过程,X(t)是浮式结构随机动力响应,τ是虚拟时间变量;
S32:构建以波谱表征的浮式结构时变均方响应控制方程;
浮式结构非平稳随机动力响应协方差表示为:
式中,t1和t2是时间变量,τ1和τ2是虚拟时间变量,R(τ2-τ1)是平稳随机波浪过程Ξ(τ)的自相关函数,其中,X(t1)为浮式结构在t1时刻的随机运动响应,X(t2)为浮式结构在t2时刻的随机运动响应;
所述自相关函数与波浪谱密度函数S(ω)存在如下傅里叶变换关系:
确定t1=t2=t时浮式结构均方响应E[X2(t)]表达:
其中,E[]表示数学期望;
将虚拟时间变量τ1和τ2分离,得到以波浪谱表征的浮式结构均方响应:
将因果化脉冲响应函数hc(t)代入,变换第二个积分下限为0,得到因果化浮式结构时变均方响应数学表达:
S33:确定因果化浮式结构运动响应时频进化谱解析解:
S331:对进行改写:
其中:
其中:Hc(t,ω)为因果化浮式结构进化频响函数,||表示取绝对值;
S332:计算极点-留数表征模型:
计算随机波浪作用下因果化浮式结构运动响应时频进化谱Gc(t,ω):
Gc(t,ω)=|Hc(t,ω)|2S(ω);
基于极点-留数运算法则确定Gc(t,ω)近似解析模型:对函数Hc(t,ω)进行拉普拉斯变换:
将代入,并进行极点-留数代数运算,得到/>的极点-留数表征模型:
其中,是Hc(t,ω)的拉普拉斯变换,a(ω)和bp(ω)是留数,具体的:
S333:计算Hc(t,ω)的复指数近似表征模型:
对进行拉普拉斯逆变换,得到Hc(t,ω)的复指数近似表征模型:
其中,eμpt为复指数函数;
S334:因果化浮式结构时频进化响应谱解析表达:
将复指数近似表征模型代入公式Gc(t,ω)=|Hc(t,ω)|2S(ω),得到因果化浮式结构时频进化响应谱解析表达:
Gc(t,ω)=Q1(t,ω)+2Re[Q2(t,ω)]+Q4(ω);
其中,Re[]代表取实部运算,
其中,Q1(t,ω)、Q2(t,ω)和Q4(ω)是Gc(t,ω)的组成分量,和/>是函数a(ω)和bn(ω)的复共轭;
S34:确定因果化浮式结构时变均方响应统计:
对求得的Gc(t,ω)关于频率进行积分,得到因果化浮式结构时变均方响应
本发明一些实施例中,步骤S4的处理方法包括:
将函数Gc(t,ω)沿时间轴逆向平移tc距离,可获得实际非因果浮式结构时频进化响应谱G(t,ω)
G(t,ω)=Gc(t+tc,ω) t>>tc;
与浮式结构时变均方响应时程:
E[X2(t)]=E[Xc 2(t+tc)] t>>tc。
本发明提供的浮式海洋结构随机动力响应解析计算方法,其有益效果在于:
1、克服了传统谱分析方法仅能求解平稳响应的不足,避免了蒙特卡洛模拟方法对采样间隔敏感和计算效率低的问题,为实际工程分析提供了一种兼具高精度与高效率的全新计算方法。
2、较现有技术,首次得到了浮式结构动力响应时频进化谱的解析解,可以实现波浪与浮式结构相互作用的定量和定性评估,便于揭示响应机理。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为发明浮式海洋结构随机动力响应解析计算方法流程图;
图2为本发明的实施例公开的FPSO数值模型图;
图3为本发明的实施例公开的P-M波浪谱图;
图4为本发明的实施例公开的FPSO系统垂荡脉冲响应函数及其因果化处理图;
图5为本发明的实施例公开的FPSO系统垂荡响应进化谱图;
图6为本发明方法得到的FPSO系统垂荡时变均方响应与传统时域方法计算结果对比图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种浮式海洋结构随机动力响应解析计算方法,适用于各个自由度下海洋浮式结构的随机动力响应解析计算。浮式结构包括船舶、海洋平台等海上设施设备。
本发明提供的计算方法包括以下步骤。
S1:确定因果化波浪-浮式结构水动力系统响应函数hc(t),其中t为时间变量。
本发明一些实施例中,步骤S1中,确定因果化波浪-浮式结构水动力系统响应函数hc(t)的方法包括:
确定波浪-浮体系统频响应函数H(ω),对H(ω)进行傅里叶变换得到波浪作用下浮式结构脉冲响应函数h(t);
选取因果化时间tc;所述因果化时间需满足:当t<tc时,h(t)取值为零或近似为零;
基于因果化时间和浮式结构脉冲响应函数,获得因果化波浪浮式结构水动力系统响应函数hc(t):
hc(t)=h(t-tc)。
S2:基于因果化波浪浮式结构水动力系统响应函数hc(t),构建因果化浮式结构的极点-留数表征模型。
本发明一些实施例中,步骤S2中,构建因果化浮式结构的极点-留数表征模型的方法包括:
对因果化波浪-浮式结构水动力系统响应函数hc(t)进行复指数分解,将所述响应函数近似为一系列有限数量复指数函数之和:
对复指数分解后的所述响应函数进行拉普拉斯变换,得到所述响应函数在拉普拉斯域内的极点-留数表征模型;
其中,是hc(t)的拉普拉斯变换,s是拉普拉斯变量,μp是极点,βp是留数,Np是极点和留数的数量,p是极点序号。
S3:对极点-留数表征模型开展极点-留数运算,求解因果化浮式结构非平稳随机动力响应统计E[Xc 2(t)],其中Xc 2(t)表示因果化浮式结构随机响应平方值。
本发明一些实施例中,步骤S3的实施方法包括:
S31:根据杜哈梅尔积分,建立随机波浪作用下非因果浮式结构运动响应方程:
其中,Ξ(τ)是零均值、平稳高斯随机波浪过程,X(t)是浮式结构随机动力响应,τ是虚拟时间变量;
S32:构建以波谱表征的浮式结构时变均方响应控制方程;
浮式结构非平稳随机动力响应协方差表示为:
式中,t1和t2是时间变量,τ1和τ2是虚拟时间变量,R(τ2-τ1)是平稳随机波浪过程Ξ(τ)的自相关函数,其中,X(t1)为浮式结构在t1时刻的随机运动响应,X(t2)为浮式结构在t2时刻的随机运动响应;
所述自相关函数与波浪谱密度函数S(ω)存在如下傅里叶变换关系:
确定t1=t2=t时浮式结构均方响应E[X2(t)]表达:
其中,E[]表示数学期望;
将虚拟时间变量τ1和τ2分离,得到以波浪谱表征的浮式结构均方响应:
将因果化脉冲响应函数hc(t)代入,变换第二个积分下限为0,得到因果化浮式结构时变均方响应数学表达:
S33:确定因果化浮式结构运动响应时频进化谱解析解:
S331:对进行改写:
其中:
其中:Hc(t,ω)为因果化浮式结构进化频响函数,||表示取绝对值;
S332:计算极点-留数表征模型:
计算随机波浪作用下因果化浮式结构运动响应时频进化谱Gc(t,ω):
Gc(t,ω)=|Hc(t,ω)|2S(ω);
基于极点-留数运算法则确定Gc(t,ω)近似解析模型:对函数Hc(t,ω)进行拉普拉斯变换:
将代入,并进行极点-留数代数运算,得到/>的极点-留数表征模型:
其中,是Hc(t,ω)的拉普拉斯变换,a(ω)和bp(ω)是留数,具体的:
S333:计算Hc(t,ω)的复指数近似表征模型:
对进行拉普拉斯逆变换,得到Hc(,ω)的复指数近似表征模型:
其中,eμpt为复指数函数;
S334:因果化浮式结构时频进化响应谱解析表达:
将复指数近似表征模型代入公式Gc(t,ω)=|Hc(t,ω)|2S(ω),得到因果化浮式结构时频进化响应谱解析表达:
Gc(t,ω)=Q1(t,ω)+2Re[Q2(t,ω)]+Q4(ω);
其中,Re[]代表取实部运算,
其中,Q1(t,ω)、Q2(t,ω)和Q4(ω)是Gc(t,ω)的组成分量,和/>是函数a(ω)和bn(ω)的复共轭;
S34:确定因果化浮式结构时变均方响应统计:
对求得的Gc(t,ω)关于频率进行积分,得到因果化浮式结构时变均方响应
S4:对因果化浮式结构非平稳随机动力响应统计进行逆向时移,获得实际非因果浮式结构时频进化响应谱G(t,ω),以及时变均方响应统计E[X2(t)],其中X2(t)表示实际非因果浮式结构随机响应平方值,ω表示频率。
本发明一些实施例中,步骤S4的处理方法包括:
将函数Gc(t,ω)沿时间轴逆向平移tc距离,可获得实际非因果浮式结构时频进化响应谱G(t,ω)
G(t,ω)=Gc(t+tc,ω) t>>tc;
与浮式结构时变均方响应时程:
E[X2(t)]=E[Xc 2(t+tc)] t>>tc。
本发明的实施例选取DNV船级社商业水动力软件SESAM的一个六自由度FPSO(浮式生产储油船)数值算例,FPSO结构示意图参见图2。
该FPSO长224.12m,宽29.7m,吃水16m;重1.257×108Kg,横摇、纵摇和艏摇惯性半径分别为16.24m,54.14m和54.90m。重心坐标(-4.18m,0,-2.51m),其中坐标系x-y平面位于静水面,z轴正向向上。本实施例将计算随机波浪激励下浮体的垂荡运动响应。
对SESAM软件计算得到的该FPSO系统垂荡响应离散数值频响函数(频率范围0.03-3.12rad/s,频率间隔Δω=0.03rad/s)进行傅里叶逆变换,得到垂荡脉冲响应函数h(t),通过观察选定因果化时间tc=40,得到因果化系统脉冲响应函数hc(t)=h(t-40),见图3。
应用基于状态空间模型的复指数分解方法(Prony-SS)对信号hc(t)进行分解,得到9对复共轭的因果化系统极点和留数,见表1。基于表1计算结果,利用本发明提出的公式和/>可计算得到极点a(ω)和bp(ω)。
表1因果化FPSO系统垂荡脉冲响应函数的极点与留数值
随机波浪过程采用P-M谱表征,其中α=0.0081,g是重力加速度常数,谱峰周期ω0=0.4182rad/s,波浪谱密度函数见图4。
图5展示了该波谱作用下FPSO垂荡响应时频进化谱,可以清晰看出响应的非平稳特征与时频进化特性。图6是本发明计算得到的FPSO垂荡响应时变均方响应与30000次蒙特卡洛模拟平均值的对比结果,可以看出二者吻合较好,证明了本发明方法的高计算精度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种浮式海洋结构随机动力响应解析计算方法,其特征在于,包括以下步骤:
S1:确定因果化波浪浮式结构水动力系统脉冲响应函数hc(t),其中t为时间变量;
S2:基于因果化波浪浮式结构水动力系统脉冲响应函数hc(t),构建因果化浮式结构的极点留数表征模型;
S3:对极点留数表征模型开展极点留数运算,求解因果化浮式结构非平稳随机动力响应统计E[Xc 2(t)],其中Xc 2(t)表示因果化浮式结构随机响应平方值;
S4:对因果化浮式结构非平稳随机动力响应统计进行逆向时移,获得实际非因果浮式结构时频进化响应谱G(t,ω),以及时变均方响应统计E[X2(t)],其中X2(t)表示实际非因果浮式结构随机响应平方值,ω表示频率;
步骤S1中,确定因果化波浪浮式结构水动力系统响应函数hc(t)的方法包括:
确定波浪浮体系统频响应函数H(ω),对H(ω)进行傅里叶变换得到波浪作用下浮式结构脉冲响应函数h(t);
选取因果化时间tc;所述因果化时间需满足:当t<tc时,h(t)取值为零;
基于因果化时间和浮式结构脉冲响应函数,获得因果化波浪浮式结构水动力系统响应函数hc(t):
hc(t)=h(t-tc);
步骤S2中,构建因果化浮式结构的极点留数表征模型的方法包括:
对因果化波浪浮式结构水动力系统响应函数hc(t)进行复指数分解,将所述响应函数近似为一系列有限数量复指数函数之和:
对复指数分解后的所述响应函数进行拉普拉斯变换,得到所述响应函数在拉普拉斯域内的极点留数表征模型;
其中,是hc(t)的拉普拉斯变换,s是拉普拉斯变量,μp是极点,βp是留数,Np是极点和留数的数量,p是极点序号;
步骤S3的实施方法包括:
S31:根据杜哈梅尔积分,建立随机波浪作用下非因果浮式结构运动响应方程:
其中,Ξ(τ)是零均值、平稳高斯随机波浪过程,X(t)是浮式结构随机动力响应,τ是虚拟时间变量;
S32:构建以波谱表征的浮式结构时变均方响应控制方程;
浮式结构非平稳随机动力响应协方差表示为:
式中,t1和t2是时间变量,τ1和τ2是虚拟时间变量,R(τ2-τ1)是平稳随机波浪过程Ξ(τ)的自相关函数,其中,X(t1)为浮式结构在t1时刻的随机运动响应,X(t2)为浮式结构在t2时刻的随机运动响应;
所述自相关函数与波浪谱密度函数S(ω)存在如下傅里叶变换关系:
确定t1=t2=t时浮式结构均方响应E[X2(t)]表达:
其中,E[]表示数学期望;
将虚拟时间变量τ1和τ2分离,得到以波浪谱表征的浮式结构均方响应:
将因果化脉冲响应函数hc(t)代入,变换第二个积分下限为0,得到因果化浮式结构时变均方响应数学表达:
S33:确定因果化浮式结构运动响应时频进化谱解析解:
S331:对进行改写:
其中:
其中:Hc(t,ω)为因果化浮式结构进化频响函数,| |表示取绝对值;
S332:计算极点留数表征模型:
计算随机波浪作用下因果化浮式结构运动响应时频进化谱Gc(t,ω):
Gc(t,ω)=|Hc(t,ω)|2S(ω);
基于极点留数运算法则确定Gc(t,ω)近似解析模型:对函数Hc(t,ω)进行拉普拉斯变换:
将代入,并进行极点留数代数运算,得到/>的极点留数表征模型:
其中,是Hc(t,ω)的拉普拉斯变换,a(ω)和bp(ω)是留数,具体的:
S333:计算Hc(t,ω)的复指数近似表征模型:
对进行拉普拉斯逆变换,得到Hc(t,ω)的复指数近似表征模型:
其中,eμpt为复指数函数;
S334:因果化浮式结构时频进化响应谱解析表达:
将复指数近似表征模型代入公式Gc(t,ω)=|Hc(t,ω)|2S(ω),得到因果化浮式结构时频进化响应谱解析表达:
Gc(t,ω)=Q1(t,ω)+2Re[Q2(t,ω)]+Q4(ω);
其中,Re[]代表取实部运算,
其中,Q1(t,ω)、Q2(t,ω)和Q4(ω)是Gc(t,ω)的组成分量,和/>是函数a(ω)和bn(ω)的复共轭;
S34:确定因果化浮式结构时变均方响应统计:
对求得的Gc(t,ω)关于频率进行积分,得到因果化浮式结构时变均方响应:
步骤S4的处理方法包括:
将函数Gc(t,ω)沿时间轴逆向平移tc距离,可获得实际非因果浮式结构时频进化响应谱G(t,ω):
G(t,ω)=Gc(t+tc,ω)t>>tc;
浮式结构时变均方响应:
E[X2(t)]=E[Xc 2(t+tc)]t>>tc。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210503154.7A CN114880619B (zh) | 2022-05-10 | 2022-05-10 | 浮式海洋结构随机动力响应解析计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210503154.7A CN114880619B (zh) | 2022-05-10 | 2022-05-10 | 浮式海洋结构随机动力响应解析计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114880619A CN114880619A (zh) | 2022-08-09 |
CN114880619B true CN114880619B (zh) | 2023-10-27 |
Family
ID=82675822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210503154.7A Active CN114880619B (zh) | 2022-05-10 | 2022-05-10 | 浮式海洋结构随机动力响应解析计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114880619B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227242B (zh) * | 2023-05-09 | 2023-07-07 | 中国海洋大学 | 基于白噪声滤波的随机不规则波浪模拟方法 |
CN116226728B (zh) * | 2023-05-09 | 2023-08-01 | 中国海洋大学 | 基于单次规则波激励的浮式结构频响函数识别方法 |
CN116805028B (zh) * | 2023-08-17 | 2023-12-08 | 中国海洋大学 | 一种基于浮体运动响应的波面反演方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107704427A (zh) * | 2017-09-07 | 2018-02-16 | 中国海洋大学 | 一种基于延迟函数的海洋浮式结构频域响应算法 |
CN108875706A (zh) * | 2018-07-18 | 2018-11-23 | 中国海洋大学 | 基于滑动平均与能量归集的海洋结构时频分析方法 |
CN109033025A (zh) * | 2018-07-18 | 2018-12-18 | 中国海洋大学 | 基于状态空间模型的浮式结构时域响应分析方法 |
CN113111603A (zh) * | 2021-04-07 | 2021-07-13 | 哈尔滨工程大学 | 一种双浮体平台波浪激励力及运动响应预报方法 |
CN113673076A (zh) * | 2021-07-09 | 2021-11-19 | 华南理工大学 | 一种适用于海洋浮式结构的动力响应求解方法 |
CN114186435A (zh) * | 2021-12-20 | 2022-03-15 | 大连理工大学 | 一种基于Volterra级数和极点-留数操作的非线性动力响应预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7962541B2 (en) * | 2007-05-10 | 2011-06-14 | Agilent Technologies, Inc. | Optimization of spectrum extrapolation for causal impulse response calculation using the hilbert transform |
-
2022
- 2022-05-10 CN CN202210503154.7A patent/CN114880619B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107704427A (zh) * | 2017-09-07 | 2018-02-16 | 中国海洋大学 | 一种基于延迟函数的海洋浮式结构频域响应算法 |
CN108875706A (zh) * | 2018-07-18 | 2018-11-23 | 中国海洋大学 | 基于滑动平均与能量归集的海洋结构时频分析方法 |
CN109033025A (zh) * | 2018-07-18 | 2018-12-18 | 中国海洋大学 | 基于状态空间模型的浮式结构时域响应分析方法 |
CN113111603A (zh) * | 2021-04-07 | 2021-07-13 | 哈尔滨工程大学 | 一种双浮体平台波浪激励力及运动响应预报方法 |
CN113673076A (zh) * | 2021-07-09 | 2021-11-19 | 华南理工大学 | 一种适用于海洋浮式结构的动力响应求解方法 |
CN114186435A (zh) * | 2021-12-20 | 2022-03-15 | 大连理工大学 | 一种基于Volterra级数和极点-留数操作的非线性动力响应预测方法 |
Non-Patent Citations (2)
Title |
---|
基于 Volterra模型的浮式风机运动响应预测研究;刘丽丽等;青岛理工大学学报;第42卷(第6期);全文 * |
随机子空间法在海上风电结构模态参数识别中的应用;喻旭明等;青岛理工大学学报;第39卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114880619A (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114880619B (zh) | 浮式海洋结构随机动力响应解析计算方法 | |
CN115292930B (zh) | 浮式海洋结构物瞬态动力响应的频域计算方法 | |
CN116226728B (zh) | 基于单次规则波激励的浮式结构频响函数识别方法 | |
Wang et al. | Periodical sparse low-rank matrix estimation algorithm for fault detection of rolling bearings | |
CN111582137B (zh) | 一种滚动轴承信号重构方法及系统 | |
CN108519444A (zh) | 一种接触线缺陷位置的精确测量方法 | |
CN112461543B (zh) | 一种基于多分类支持向量数据描述的旋转机械故障诊断方法 | |
CN109033025B (zh) | 基于状态空间模型的浮式结构时域响应分析方法 | |
Guan et al. | Data-driven methods for operational modal parameters identification: A comparison and application | |
CN114330163B (zh) | 高频地波超视距雷达台风-电离层扰动动力学模型建模方法 | |
Lagerblad et al. | Study of a fixed-lag Kalman smoother for input and state estimation in vibrating structures | |
CN106568499A (zh) | 随机振动信号的评估方法 | |
CN114813123A (zh) | 一种基于pso-vmd-mckd的滚动轴承微弱故障诊断方法 | |
CN116805028B (zh) | 一种基于浮体运动响应的波面反演方法及系统 | |
CN117992777A (zh) | 一种基于图像融合的电机电气故障诊断方法 | |
CN115357853B (zh) | 一种基于快速随机子空间的工程结构模态参数识别方法 | |
CN116662872A (zh) | 汽车面板精整线轴承类机械故障诊断方法 | |
CN111931288B (zh) | 一种火工冲击响应时频域分布相似性测度方法 | |
CN116738124B (zh) | 浮式结构运动响应信号端点瞬态效应消除方法 | |
Song et al. | Genetic optimization of shape and control of non-linear wave energy converters | |
Belknap et al. | Addressing Challenges in the Validation of Dynamic Stability Simulation Tools | |
Lin et al. | Fractional derivative reconstruction of forced oscillators | |
Oumellal | Prediction of Quiescent Periods in Linear Wave Theory with the Prony Method | |
Zong | A complex variable boundary collocation method for plane elastic problems | |
Lu et al. | Uncertainty analysis of ship shafting bearing load under the variational elevation based on stochastic finite element |
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 |