一种结合深度学习的大型浮标运动响应与锚泊张力预测方法技术

本发明专利技术提供了一种结合深度学习的大型浮标运动响应与锚泊张力预测方法，该方法基于计算流体力学开源代码OpenFOAM，建立大型浮标系统水动力数学模型，研究不同风、浪、流作用下大型浮标运动响应、辅助浮筒运动响应及锚泊系统张力特性；利用实测数据对数学模型进行对比验证。同时建立深度学习框架LSTM模型，利用验证后的数学模型计算得到的浮标和辅助浮筒运动响应与锚泊系统张力数据训练LSTM模型并采用实测值对其进行优化，即可采用优化后的LSTM模型实现大型浮标、辅助浮筒运动响应和锚泊系统张力的精准预测。本方法将基于计算流体力学开源代码OpenFOAM构建的数学模型与LSTM模型耦合，可大大提高浮标运动响应与锚泊系统张力预测的精确程度和预测效率。测的精确程度和预测效率。测的精确程度和预测效率。

【技术实现步骤摘要】
一种结合深度学习的大型浮标运动响应与锚泊张力预测方法


[0001]本专利技术涉及深度学习领域，尤其涉及一种结合深度学习的大型浮标运动响应与锚泊张力预测方法。

技术介绍

[0002]如何准确地检测海洋环境、合理开发海洋资源是目前世界面临的主要问题，大型浮标是一种能够长期、稳定检测海洋环境的重要观测平台。浮标在锚定海域的运动情况以及锚系的受力情况对于其稳定性与可靠性至关重要。为此，需要对大型浮标运动响应及锚泊张力进行研究与分析。
[0003]海洋浮标系统工作环境复杂恶劣，同时受到风、浪、流等海洋环境因素的影响，在极端海洋环境下极易出现锚泊系统损坏、断裂、移位的现象。长期以来，研究者们常采用物理实验和数值模拟的方法对浮标运动响应和锚泊系统张力特性进行研究。然而，物理实验中，模拟在风、浪、流等复杂海洋环境耦合影响下浮标的运动响应和锚泊系统张力较为困难，需要消耗大量的物资、时间和人力成本；在数值模拟中，浮标运动响应和锚泊系统张力的模拟通常基于势流理论开展，未考虑强非线性波流荷载的影响，预测结果往往存在一定的偏差，亟需提高其计算精确度。
专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合深度学习的大型浮标运动响应与锚泊张力预测方法，其特征在于：基于计算流体力学开源代码OpenFOAM，建立在风、浪、流作用下的大型浮标系统水动力数学模型；所述大型浮标系统水动力数学模型的输入为风场、波高、波周期和海流流速，输出为大型浮标运动响应特性、辅助浮筒运动响应特性及锚泊系统张力；利用六自由度运动仪和水下拉力计获得大型浮标、辅助浮筒的运动响应及锚泊系统张力信息，与大型浮标系统水动力数学模型计算结果进行对比验证，从而得到优化后的大型浮标系统水动力数学模型；将风场、波高、波周期、海流流速作为输入，将锚泊系统张力以及大型浮标、辅助浮筒运动响应作为输出，建立深度学习框架LSTM模型；利用优化后的大型浮标系统水动力数学模型计算得到的大型浮标、辅助浮筒运动响应与锚泊系统张力数据训练LSTM模型，基于实测值对LSTM模型进行优化，基于优化后的LSTM模型即可实现大型浮标、辅助浮筒运动响应和锚泊系统张力的精准预测。2.根据权利要求1所述的一种结合深度学习的大型浮标运动响应与锚泊张力预测方法，其特征在于：所述的大型浮标系统包括十米浮标标体、辅助浮筒和锚泊系统，辅助浮筒通过锚链与十米浮标标体相连；大型浮标系统采用三点锚泊方式固定，所述大型浮标的锚泊基础采用霍尔锚。3.根据权利要求1所述的一种结合深度学习的大型浮标运动响应与锚泊张力预测方法，其特征在于：所述基于计算流体力学开源代码OpenFOAM，建立在风、浪、流作用下的大型浮标系统水动力数学模型，具体为：在OpenFOAM中设定初始边界条件和输入物理参数，包括风场、波高、波周期和海流流速；基于OpenFOAM标准求解器olaFlow，在大型浮标系统运动求解计算中植入锚链求解模块MOODY，对所述大型浮标系统水动力数学模型进行求解，获得大型浮标、辅助浮筒运动响应以及锚泊系统张力，从而研究大型浮标和辅助浮筒的水动力特性及多结构耦合运动响应特性；其中，所述锚泊系统张力分析基于动力学平衡方程展开，采用间断有限元数值方法进行计算。4.根据权利要求1所述的一种结合深度学习的大型浮标运动响应与锚泊张力预测方法，其特征在于：基于所述大型浮标系统水动力数学模型得到的大型浮标运动响应方程如下：其中，K(t
‑
...

【专利技术属性】
技术研发人员：高洋洋，毛菡新，胡阳宁，王立忠，
申请(专利权)人：浙江大学，
类型：发明
国别省市：