一种基于CNN模型的海洋管缆变形与载荷预报方法技术

本发明专利技术公开了一种基于CNN模型的海洋管缆变形与载荷预报方法。所述的预报方法通过声学多普勒流速剖面仪(ADCP)、光纤光栅传感器、位移计测量采集海洋管缆入流方向的垂向断面流场以及管缆的局部位移、局部应变数据；通过开源软件OpenFOAM建立计算流体力学模型，将声学多普勒流速剖面仪采集得到的垂向断面流场作为输入，得到管缆在不同形态下的三维流场信息；进一步将三维流场信息、管缆形态与实测得到的局部应变数据组成三维信息矩阵；建立卷积神经网络(Convolutional neural network,CNN)模型，将三维信息矩阵作为输入数据，对卷积神经网络模型进行训练，对比实测的管缆局部位移、应变数据，寻找最优模型，最终实现管缆变形以及局部应力的预测。形以及局部应力的预测。形以及局部应力的预测。

【技术实现步骤摘要】
一种基于CNN模型的海洋管缆变形与载荷预报方法


[0001]本专利技术涉及一种基于CNN模型的海洋管缆变形与荷载预报方法，尤其是预报海流作用下不同形态管缆的局部变形和应力。

技术介绍

[0002]随着全球海洋油气资源开采向深海发展，半潜式平台、浮式生产储油卸油装置(FPSO)等海洋钻井和采油浮式平台得到广泛应用。海洋管缆作为深水油气开采的关键构件，也是油气开采过程中最薄弱易损的环节。海洋管缆通过柔性接头与作业平台连接，底端与海床井口或者水下管汇相连。当流体流经管缆时，管缆两侧会出现交替脱落的旋涡，引起立管升力发生周期性变化，同时由于上部平台在波流作用下会产生大幅运动，引起管缆触底点位置不断变化，导致管缆近触底区弯曲曲率剧烈变化，局部应力增强，极易发生疲劳破坏，影响使用寿命。传统的研究海洋管缆变形与局部应力的方法包括理论研究、物理模型试验研究和数值模拟研究。由于实际海洋环境的复杂性，理论研究通常基于一定假设，所得到的结果会与实际工程有所差异，较难应用；物理模型试验研究通常将实际结构缩尺至实验室尺度，其具有更高的可靠性，但精细化的试验对设备的要求极高，同时无法做到对不同海洋环境下管缆变形与应力的预报；数值模拟研究中，为了保证计算的精度，通常需要耗费大量的计算资源，同时管缆的变形和应变受到海洋环境的作用，需要结合计算流体力学与有限元模拟软件，实现过程较为复杂。相较于传统的研究方法，随着传感器与机器学习的快速发展，基于可实际测量的结果，机器学习可更高效的预测海洋管缆的变形与应变。
[0003]为了得到海洋管缆的变形与载荷预报模型，需要对模型先进行一系列的训练，使得对于给定的入流条件、管缆形态，模型能够精准的预测所需的结果。然后，对于传统的管缆变形与载荷的预测，仍存在较大的局限性：为了得到可应用于实际工程的预报模型，需要考虑多种条件如海流、管缆形态等的耦合作用过程，而传统的预报模型仅考虑其中一种的影响；由于海洋管缆为柔性结构，流体流过时产生的旋涡容易引起结构的变形，需要将海缆附近的流场信息作为特征条件进行预报；传统的预报模型通常仅基于数值模拟或物理模型试验的结果进行预报，忽视了与实际工程的相关性和应用性。基于以上的考虑，需要有一种预报方法可以得到流场条件，精确的预报管缆的变形与应力。

技术实现思路

[0004]针对传统的预报管缆变形与应力的模型存在的未考虑流场条件以及管缆形态等耦合作用、忽视与实际工程的相关性和应用性等相关问题，本专利技术涉及了一种基于CNN模型的海洋管缆变形与荷载预报方法。本方法通过声学多普勒剖面仪、光纤光栅传感器、位移计等测量得到实际工程数据，通过OpenFOAM对海洋管缆附近的流场进行了三维重建，获取管缆附近的三维流场信息，同时利用卷积神经网络的优势，建立了可应用于实际工程的海洋管缆变形与载荷预报模型。
[0005]为实现以上目的，本专利技术所采用的技术方案是：
[0006]一种基于CNN模型的海洋管缆变形与载荷预报方法，为获取原位现场数据，通过声学多普勒剖面仪测量管缆入流方向的垂向断面流场，通过布置在海洋管缆上的光纤光栅传感器与位移计测量管缆的局部位移和应变。
[0007]基于实测得到的管缆入流方向的垂向断面流场，通过开源软件OpenFOAM建立计算流体力学模型，得到管缆在不同形态下的三维流场信息，所述三维流场信息包含流速矢量与压强；将三维流场信息、管缆形态与实测得到的管缆局部应变数据组成三维信息矩阵，作为神经网络的初始训练数据。
[0008]建立卷积神经网络(CNN)管缆变形与载荷预报模型，将初始训练数据作为输入，训练卷积神经网络模型，所述模型的输出为管缆的变形与局部应力，通过对比实测的管缆局部位移和应变数据，得到最优预报模型，实现对管缆变形及局部应力的预测。
[0009]上述技术方案中，进一步地，所述的声学多普勒剖面仪测量管缆上游五个垂向断面流场，其中中间断面位于管缆正前方，其余断面的间距分别为管缆直径D。
[0010]进一步地，所述的光纤光栅传感器和位移计沿着管缆布置，自管缆竖直段与弯曲段的交界处开始，到管缆触底段，等间距分别布置100个光纤光栅传感器和位移计。
[0011]进一步地，所述的计算流体力学模型采用有限体积法，通过OpenFOAM中的BlockMesh建立整体网格，导入管缆的模型，再通过SnappyHexMesh切分管缆附近网格，并将管缆内部网格删去。
[0012]更进一步地，所述通过SnappyHexMesh切分管缆附近网格，具体实现方式为：：通过castellatedMesh对管缆附近网格进行切割，通过snap进行网格贴合，最后通过addLayers添加边界层网格，提高计算精度。
[0013]进一步地，所述的计算流体力学模型中，输入采用实测得到的垂向断面流场，输出为管缆附近的三维流场信息与管缆形态。
[0014]进一步地，所述的三维信息矩阵为四层，包括流速矢量U，压强P，管缆形态X和局部应变ε，其中信息矩阵划分为训练集、验证集和测试集，数据集划分比例为8:1:1。
[0015]进一步地，所述的卷积神经网络管缆变形及载荷预报模型可根据结构的复杂程度设置不同的网络结构、卷积层数、池化层数、反卷积层数、全连接层数、卷积层卷积核数、神经元数、初始学习率和训练次数。
[0016]进一步地，所述的管缆的变形和局部应力以时程序列进行预测，训练过程中，通过误差分析函数MAE、平均百分比误差MAPE、均方根误差RMSE、相关系数R2训练预测模型，得到最优模型，误差分析函数的计算公式如下：
[0017][0018][0019][0020][0021]其中n是测试集中数据的数量，为预测值，y
i
为实际值，为预测值的平均值，为实际值的平均值。
[0022]进一步地，所述的海洋管缆变形与载荷预报模型训练完毕后，可根据海洋管缆附近海洋环境、海缆的形态，对海缆的变形和载荷进行预测。
[0023]本专利技术的有益之处在于：
[0024]本专利技术可以通过布置于实际海洋管缆的声学多普勒剖面仪、光纤光栅传感器、位移计，测量垂向断面流场信息、管缆的局部位移与应变。本专利技术通过开源软件OpenFOAM，将实测得到的垂向断面流场作为输入条件，模拟得到不同形态下管缆附近的三维流场信息，特别是后方的旋涡脱落；进一步将得到管缆附近的三维流场信息、管缆形态和局部应变数据组成三维信息矩阵，作为神经网络的初始训练数据；进一步建立CNN预报模型，通过改变网络结构、卷积层数、池化层数、反卷积层数、全连接层数、卷积层卷积核数、神经元数、初始学习率和训练次数，将预报结果与实测值进行对比，找到适用于预报的最优模型；最终建立适用于实际工程的海洋管缆变形与载荷预报神经网络模型，本预测模型可全面的考虑多种因素的影响。
附图说明
[0025]图1是本专利技术的预报方法流程图；
[0026]图2是本专利技术的管缆三维重建模型示意图；
[0027]图3是本专利技术的卷积神经网络模型结构图；
[0028]图4是本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN模型的海洋管缆变形与载荷预报方法，其特征在于：步骤如下：获取原位现场数据：通过声学多普勒剖面仪测量管缆入流方向的垂向断面流场，通过布置在海洋管缆上的光纤光栅传感器与位移计测量管缆的局部位移和应变；初始训练数据的获取：基于实测得到的管缆入流方向的垂向断面流场，通过计算流体力学模型，得到管缆在不同形态下的三维流场信息，所述三维流场信息包含流速矢量和压强；将三维流场信息、管缆形态与实测得到的管缆局部应变数据组成三维信息矩阵，作为神经网络的初始训练数据；建立卷积神经网络管缆变形与载荷预报模型：将初始训练数据作为输入，训练卷积神经网络模型，所述模型输出为管缆的变形与局部应力；然后通过对比实测的管缆局部位移和应变数据，得到最优预报模型，实现对管缆变形及局部应力的预测。2.根据权利要求1所述的基于CNN模型的海洋管缆变形与载荷预报方法，其特征在于：所述的声学多普勒剖面仪测量管缆上游五个垂向断面流场，其中中间断面位于管缆正前方，其余断面的间距分别为管缆直径D。3.根据权利要求1所述的基于CNN模型的海洋管缆变形与载荷预报方法，其特征在于：所述的光纤光栅传感器和位移计沿着管缆布置，自管缆竖直段与弯曲段的交界处开始，到管缆触底段，等间距分别布置若干光纤光栅传感器和位移计。4.根据权利要求1所述的基于CNN模型的海洋管缆变形与载荷预报方法，其特征在于：所述的计算流体力学模型采用有限体积法，通过...

【专利技术属性】
技术研发人员：高洋洋，朱佳慧，李旭，陈彦宁，何建勇，王立忠，
申请(专利权)人：海南浙江大学研究院，
类型：发明
国别省市：