基于应变模态法智能识别海洋导管架平台的构件裂纹

基于应变模态法智能识别海洋导管架平台的构件裂纹

论文摘要

海洋平台结构庞大,受风、浪、流和冰等环境因素长期作用,同时还受到地震、台风、海啸和船舶碰撞等意外作用的威胁。在载荷作用下,导管架海洋平台会出现裂纹。由于平台部分结构位于海面以下,裂纹不易被发现,难以直接进行人工检测。当重要部件发生裂纹并在极端海况下产生扩展时,会导致整个结构失效,危及工作人员的生命安全,产生重大的经济损失和海洋环境污染。所以,及时并尽早地发现结构的裂纹具有重要意义。本文以某一含四分之一跨处单裂纹的简支梁为例,计算了该梁的非贯穿单边裂纹损伤侧上、下表面、贯穿裂纹的上表面和内部非贯穿裂纹表面裂纹和内部裂纹等情况的不同损伤程度的位移模态和应变模态。根据已有的基于应变模态差分原理的损伤位置直接指标法ISMSD,利用等间距差分格式计算该简支梁非贯穿单边裂纹应变模态差分曲线,经Matlab编程计算将曲线进行光滑,计算得到直接指标值。由直接指标值的最大值找到对应的两有效极值点,这两个有效极值点间即是损伤位置。实例计算简支梁非贯穿单边裂纹损伤应变模态差分曲线,这些应变模态差分曲线在损伤处发生剧烈变化。差分曲线非峰值点损伤在损伤处不出现极值,因而损伤处的差分值不为零。损伤量不同,差分曲线损伤处突变程度略有不同,其规律相似。运用带有Grubbs的支持向量机法和带有Grubbs的BP神经网络法对该非贯穿裂纹简支梁进行损伤程度智能识别,识别并评估了四分之一跨处单裂纹的损伤程度,并从性能及准确度方面对两种方法进行了比较。若选取应变模态差作为网络输入指标,本文采用的两种方法都可以得到比较高的识别精度,而且有良好适应性。支持向量机方法相对误差更小。采用有限元软件ANSYS计算了某导管架海洋平台模型的一水平管件在完整状态、含单裂纹、含双裂纹三种情形时不同位置和不同损伤程度的频率和应变模态。验证了损伤会引起结构的频率降低和应变模态突变,频率降低的幅度随损伤程度的增加而增大。此外还发现,微小裂纹损伤时引起的频率变化很小:水平管端点损伤和中点损伤的频率下降幅度基本一致;双裂纹情形时的频率下降幅度均高于单裂纹情形时;损伤处应变模态曲线发生了显著改变,随损伤量的增加,应变模态曲线突变增大。采用SCE-UA算法和粗粒度并行遗传算法对平台模型的10处单裂纹进行了损伤程度的逐一智能识别。将应变模态差作为SCE-UA算法和遗传算法的输入数据,这两种方法均能取得较高的识别精度,具有良好的适应性。其中SCE-UA算法损伤识别结果误差更小,更精确。振动诊断中的应变模态法具有相对简单,成本较低,具有实时性、在线性、提取信号方便性和遥测性、可控性等诸多优点。本文的研究为工程实际应用提供了一定的参考价值,在结构损伤诊断识别中具有推广价值。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 问题提出与研究意义
  • 1.1.1 研究背景
  • 1.1.2 问题的提出和解决
  • 1.2 国内外相关研究进展
  • 1.2.1 损伤检测方法的分类
  • 1.2.2 海洋平台损伤研究现状
  • 1.3 本文主要研究思路与内容
  • 2 简支梁损伤位移模态与应变模态数值仿真
  • 2.1 应变模态的理论
  • 2.1.1 应变模态的推导
  • 2.1.2 应变模态正交性
  • 2.1.3 通过位移模态求解应变模态
  • 2.2 数值仿真
  • 2.3 本章小结
  • 3 非贯穿单边裂纹损伤简支梁的损伤位置直接指标法的应用
  • 3.1 基于损伤应变模态的差分方法数学模型
  • 3.1.1 导数与差分
  • 3.1.2 等间距差分格式
  • 3.2 损伤位置的直接指标法的应用
  • 3.2.1 直接指标法
  • 3.2.2 算例
  • 3.3 本章小结
  • 4 基于混合人工智能方法的梁结构损伤识别
  • 4.1 混合人工智能方法概述
  • 4.1.1 剔除异常值方法综述
  • 4.1.2 Grubbs的数据处理方法
  • 4.2 神经网络的基本理论
  • 4.2.1 神经元的模型
  • 4.2.2 网络结构和工作方式
  • 4.2.3 BP神经网络
  • 4.3 支持向量机基本理论
  • 4.3.1 支持向量机特点
  • 4.3.2 支持向量机(SVM)原理
  • 4.4 网络输入参数选择
  • 4.5 实例分析
  • 4.5.1 采用BP神经网络的非贯穿单边裂纹简支梁损伤程度智能识别
  • 4.5.2 采用支持向量机的非贯穿单边裂纹简支梁损伤程度智能识别
  • 4.5.3 BP神经网络与支持向量机识别性能比较
  • 4.5.4 混合BP神经网咯和支持向量机(SVM)智能性能分析
  • 4.6 本章小结
  • 5 导管架海洋平台管件的振动特性
  • 5.1 结构动力有限元
  • 5.1.1 结构动力学方程
  • 5.1.2 建立含裂纹的结构刚度阵
  • 5.2 管件的振动特性
  • 5.2.1 含裂纹管的分析
  • 5.2.2 含裂纹管的附连水质量计算
  • 5.3 本章小结
  • 6 基于并行启发式算法的管件结构损伤识别
  • 6.1 并行启发式算法及其在管件结构损伤识别的应用
  • 6.1.1 遗传算法的基本概念
  • 6.1.2 遗传算法流程
  • 6.1.3 并行遗传算法—粗粒度模型
  • 6.1.4 基于粗粒度并行遗传算法的损伤程度识别
  • 6.2 基于SCE-UA方法的管件结构损伤识别研究
  • 6.2.1 SCE-UA算法原理及描述
  • 6.2.2 SCE-UA算法的并行实施
  • 6.3 基于SCE-UA方法以及粗粒度并行遗传算法的管件结构损伤程度识别
  • 6.3.1 选择管件结构的输入参数
  • 6.3.2 管件结构损伤程度识别与评价
  • 6.4 算例
  • 6.4.1 管结构的损伤程度的逐一识别
  • 6.4.2 计算结果分析
  • 6.5 本章小结
  • 结论
  • 创新点摘要
  • 参考文献
  • 攻读博士学位期间发表学术论文情况
  • 致谢
  • 作者简介
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    基于应变模态法智能识别海洋导管架平台的构件裂纹
    下载Doc文档

    猜你喜欢