【技术实现步骤摘要】
本专利技术属于水下探测，具体涉及一种基于水下固定平台的内波探测方法及系统。
技术介绍
1、在实际海洋环境中，沿着深度方向海水的密度分布是非均匀的，往往形成层化的结构。当海洋内部存在扰动时，在重力和科氏力的共同作用下，偏离原有平衡位置的水质点将向原有位置运动，并在惯性作用下呈现出振荡的往复运动现象，这种产生于密度层化海洋内部的海水波动现象称为内波。由于海洋油气开采平台以细长的立管结构作为与海底装置的连接件，海洋立管在内波的作用下会产生大幅度的动力响应，这对管道的构型、结构强度、作业效率以及安全都构成威胁。鉴于内波对水下结构物的重要影响，因此内波探测一直是物理海洋学、海洋工程和海洋军事领域的研究热点。
2、目前，常用的内波探测手段为遥感观测。探测的原理为：内波诱导的剪切流场会调制海洋表面波，引发表面波的幅聚幅散，从而改变海洋表面的粗糙度，这在遥感图像中表现为明暗相间的条纹，通过识别这些条纹就可探测内波。然而对于上述的探测方法，仍存在以下不足：
3、(1)地球上海洋面积广大，难以同时观测所有海域。
4、(2)第二模态内波形成的流核处于海洋表面下方，因此这很难引起海洋表面的变化，导致其难以被探测。
技术实现思路
1、要解决的技术问题：
2、为了避免现有技术的不足之处，本专利技术提供一种基于水下固定平台的内波探测方法及系统，同时考虑传感器阵列与算法设计，实现了软硬件相结合；在海洋油气开采平台的水下立管壁面上安装相应的传感器阵列，结合机器学习算法
3、本专利技术的技术方案是：一种基于水下固定平台的内波探测方法，具体步骤如下：
4、步骤1：根据现场观测数据获取真实内波的密跃层厚度、上下层密度值、波幅以及浮力频率；
5、步骤2：根据实际海洋的密度分布状态，构建内波数值模型，求解内波流场数据；
6、步骤3：构建水下工作平台的物理模型，并对整个流场进行网格划分；
7、步骤4：在软件中对内波与水下工作平台相互作用的流畅结果进行求解；
8、步骤5：在软件中改变相关的内波物理参数，以实现批处理计算；
9、步骤6：在水下工作平台布置传感器阵列，收集流场信息；
10、步骤7：基于步骤6获取的流畅信息，编写数据后处理程序，处理传感器测量数据以获得波谷位置的预测结果；
11、步骤8：优化水下工作平台所布置传感器阵列的方案；
12、步骤9：采用优化后的传感器阵列重新对数据后处理程序进行训练，得到内波的预测模型，输入传感相关流动信息即可实现对内波的预测。
13、本专利技术的进一步技术方案是：所述步骤2中，获取相关海域的观测数据后，选择浅水或深水内波理论进行数值建模，内波数值模型能够通过mcc、kdv、或djl方程构建。
14、本专利技术的进一步技术方案是：浅水的内波模型为：
15、ζt+c0ζx+c1ζζx+c2ζxxx＝0 (1)
16、其中，ζ(x,t)为波面方程，x代表水平位置，t代表时间，各项系数c0,c1,c2表示如下；
17、
18、其中，h1,h2分别代表上下水层的深度，ρ1,ρ2分别代表上下水层流体的密度，最终波面的相关表达式为：
19、
20、其中，λkdv代表特征波长，ckdv代表特征波速。
21、本专利技术的进一步技术方案是：将上述密度强分层模型转为密度连续分层模型，即中间的密跃层，公式如下：
22、
23、式中，zc为密跃层中心位置，dc为密度跃层厚度，ρ3为密度跃层的密度分布。
24、本专利技术的进一步技术方案是：深水的内波模型为：
25、
26、其中：代表哈密顿算子，η为垂向位移，h代表数值水槽的水深，c代表波速，z代表纵向坐标，n代表浮频率，ρ0代表参考密度，代表初始时刻密度跃层中的密度分布情况；
27、
28、
29、本专利技术的进一步技术方案是：所述步骤5中的内波物理参数为波长或波高；设置具体过程为，首先点击软件的fluent界面下file→write→start journal命令，此时系统开始记录进程文件，此时在fluent中进行相关的设置：开启多相流mixture模型、sst k-omega湍流模型，采用coupled算法进行求解，求解精度选定为二阶精度；当设置完成后，点击stopjournal，此时会终止进程，当改变相应参数进行模拟时只需改变.jou文件中的某个数就可达成。
30、本专利技术的进一步技术方案是：所述步骤6中，首先在水下固定立管状工作平台壁面上均匀布置压力传感器和密度传感器,以采集各位置的压强和密度时序数据；然后将各传感器采集的时序数据按位置顺序重构为二通道时序数据，其中一通道表示压强，另一通道表示密度。
31、本专利技术的进一步技术方案是：所述编写数据后处理程序的具体方法为，首先搭建基于卷积神经网络的resnet深度学习模型，包括输入层、隐含层、输出层，其中输入层的输入特征数据是时序数据，输出层输出的是内波的波谷位置，隐含层是由多个残差层组成；然后通过搭建的基于卷积神经网络的resnet深度学习模型，提取多变量时序数据中的关键特征和模式，输入时序数据经过多层卷积计算提取关键特征图，再通过残差模块连接保留原始时序数据；其中，在算法中添加了空间注意力机制和通道注意力机制，将注意力放在产生流场变化的最重要特征点上，最后在经过全连接层后输出波谷位置的预测结果。
32、本专利技术的进一步技术方案是：所述优化水下工作平台所布置传感器阵列的方法为，基于sobol敏感性分析方法开展全局敏感性分析，求得各传感器的一阶灵敏度，对一阶灵敏度数值按照从大到小进行排序，按照设计的传感器个数剔除一阶灵敏度低的传感器，实现传感器的稀疏布置。
33、本专利技术的进一步技术方案是：所述步骤9中，利用稀疏化的传感器数据重新对神经网络进行训练，得到各神经元的权重与偏置，保存神经网络的数据，至此完成了神经网络的搭建过程。
34、一种基于水下固定平台的内波探测系统，包括传感器阵列，所述传感器阵列通过通讯模块将测量数据传输至上位机，在所述上位机内植入数据后处理模块和计算模块，通过数据后处理模块对传感器测量数据进行处理以获得波谷位置的预测结果；通过计算模块完成系统执行过程中的计算。
35、一种电子设备，包括至少一个处理器，以及所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述基于水下固定平台的内波探测方法。
36、一种计算机可读存数介质，所述计算机可读存数介质存储有计算机指令，所述计算机指令用于使处理器执行时能够实现所述基于水下固定平台的内波探测方法。
37、有益效果
本文档来自技高网...【技术保护点】
1.一种基于水下固定平台的内波探测方法，其特征在于具体步骤如下：
2.根据权利要求1所述一种基于水下固定平台的内波探测方法，其特征在于：所述步骤2中，获取相关海域的观测数据后，选择浅水或深水内波理论进行数值建模，内波数值模型能够通过MCC、KdV、或DJL方程构建。
3.根据权利要求2所述一种基于水下固定平台的内波探测方法，其特征在于：浅水的内波模型为：
4.根据权利要求3所述一种基于水下固定平台的内波探测方法，其特征在于：将权利要求3中密度强分层模型转为密度连续分层模型，即中间的密跃层，公式如下：
5.根据权利要求2所述一种基于水下固定平台的内波探测方法，其特征在于：深水的内波模型为：
6.根据权利要求1所述一种基于水下固定平台的内波探测方法，其特征在于：所述步骤5中的内波物理参数为波长或波高；设置具体过程为，首先点击软件的Fluent界面下File→Write→Start Journal命令，此时系统开始记录进程文件，此时在Fluent中进行相关的设置：开启多相流mixture模型、SST k-omega湍流模型，采
7.根据权利要求1所述一种基于水下固定平台的内波探测方法，其特征在于：所述步骤6中，首先在水下固定立管状工作平台壁面上均匀布置压力传感器和密度传感器,以采集各位置的压强和密度时序数据；然后将各传感器采集的时序数据按位置顺序重构为二通道时序数据，其中一通道表示压强，另一通道表示密度。
8.根据权利要求7所述一种基于水下固定平台的内波探测方法，其特征在于：所述编写数据后处理程序的具体方法为，首先搭建基于卷积神经网络的Resnet深度学习模型，包括输入层、隐含层、输出层，其中输入层的输入特征数据是时序数据，输出层输出的是内波的波谷位置，隐含层是由多个残差层组成；然后通过搭建的基于卷积神经网络的Resnet深度学习模型，提取多变量时序数据中的关键特征和模式，输入时序数据经过多层卷积计算提取关键特征图，再通过残差模块连接保留原始时序数据；其中，在算法中添加了空间注意力机制和通道注意力机制，将注意力放在产生流场变化的最重要特征点上，最后在经过全连接层后输出波谷位置的预测结果。
9.根据权利要求8所述一种基于水下固定平台的内波探测方法，其特征在于：所述优化水下工作平台所布置传感器阵列的方法为，基于sobol敏感性分析方法开展全局敏感性分析，求得各传感器的一阶灵敏度，对一阶灵敏度数值按照从大到小进行排序，按照设计的传感器个数剔除一阶灵敏度低的传感器，实现传感器的稀疏布置。
10.一种实施权利要求1-9任一项所述基于水下固定平台的内波探测方法的系统，包括传感器阵列，所述传感器阵列通过通讯模块将测量数据传输至上位机，在所述上位机内植入数据后处理模块和计算模块，通过数据后处理模块对传感器测量数据进行处理以获得波谷位置的预测结果；通过计算模块完成系统执行过程中的计算。
...【技术特征摘要】
1.一种基于水下固定平台的内波探测方法，其特征在于具体步骤如下：
2.根据权利要求1所述一种基于水下固定平台的内波探测方法，其特征在于：所述步骤2中，获取相关海域的观测数据后，选择浅水或深水内波理论进行数值建模，内波数值模型能够通过mcc、kdv、或djl方程构建。
3.根据权利要求2所述一种基于水下固定平台的内波探测方法，其特征在于：浅水的内波模型为：
4.根据权利要求3所述一种基于水下固定平台的内波探测方法，其特征在于：将权利要求3中密度强分层模型转为密度连续分层模型，即中间的密跃层，公式如下：
5.根据权利要求2所述一种基于水下固定平台的内波探测方法，其特征在于：深水的内波模型为：
6.根据权利要求1所述一种基于水下固定平台的内波探测方法，其特征在于：所述步骤5中的内波物理参数为波长或波高；设置具体过程为，首先点击软件的fluent界面下file→write→start journal命令，此时系统开始记录进程文件，此时在fluent中进行相关的设置：开启多相流mixture模型、sst k-omega湍流模型，采用coupled算法进行求解，求解精度选定为二阶精度；当设置完成后，点击stop journal，此时会终止进程，当改变相应参数进行模拟时只需改变.jou文件中的某个数就可达成。
7.根据权利要求1所述一种基于水下固定平台的内波探测方法，其特征在于：所述步骤6中，首先在水下固定立管状工作平台壁面上均匀布置压力传感器和密度传感器,以采集各位...
【专利技术属性】
技术研发人员：杜鹏，张淼，胡海豹，陈效鹏，文俊，谢络，黄潇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。