检索结果-内蒙古大学图书馆

振动与冲击 2024年第20期43卷 229-237页

作者：李行健刁延松吕建达侯敬儒青岛理工大学土木工程学院山东青岛266033

利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU... 详细信息

利用振动响应和深度学习进行结构损伤识别时,会遇到需要较多测点数据、损伤识别准确率不高以及网络容易发生过拟合等问题。为此,提出了一种基于卷积神经网络-门控循环单元(convolutional neural networks-gated recurrent unit,CNN-GRU)神经网络并联网络的结构损伤识别新方法。首先,对响应信号进行广义S变换(generalized S-transform,GST)得到其时频图像。然后,分别利用CNN和GRU从时频图像和响应信号中提取时频域特征和时序特征,并将时频域特征和时序特征拼接后输入全连接层和Softmax分类器中进行结构损伤识别。位移激励下的海上风电支撑结构模型试验数据验证结果表明,该方法仅需要一个测点的响应信号,与其他同类方法相比具有更高的识别准确率和效率。

关键词：卷积神经网络-门控循环单元(CNN-GRU)并联网络结构损伤识别深度学习海上风电支撑结构广义S变换(GST)

来源：评论

学校读者我要写书评

暂无评论

热带气旋对海上风电支撑结构的影响研究

引用

中国海洋大学学报（自然科学版） 2015年第10期45卷 109-113页

作者：庞亮徐峰龚昕战元福中国海洋大学山东青岛266100 海洋石油工程股份有限公司设计公司天津300451

海上风电机组工作环境复杂、恶劣。热带气旋影响海域,极端环境条件作用往往导致结构的失效破坏。工程设计中往往遵循规范建议的传统方法,简单选取极端海况组合作为校核条件。本研究拟采用数值模拟、概率分析、灰色预测结合的方法,建立... 详细信息

海上风电机组工作环境复杂、恶劣。热带气旋影响海域,极端环境条件作用往往导致结构的失效破坏。工程设计中往往遵循规范建议的传统方法,简单选取极端海况组合作为校核条件。本研究拟采用数值模拟、概率分析、灰色预测结合的方法,建立嵌套模型对热带气旋诱发的极端海况对风电机组支撑结构的作用进行分析。结果表明该方法合理,并可应用于热带气旋作用下海洋结构整体可靠度计算。

关键词：热带气旋海上风电支撑结构极端海况多维复合极值分布双层概率分析模式

来源：评论

学校读者我要写书评

暂无评论

运行状态下海上风电支撑结构损伤识别研究

运行状态下海上风电支撑结构损伤识别研究

引用

作者：刘国栋青岛理工大学

学位级别：硕士

海上风电支撑结构所处的环境复杂且恶劣,结构易发生损伤,为防止倒塌等灾难性事故的发生,有必要进行海上风电支撑结构的损伤识别研究。在风、浪、流等环境荷载以及风机气动荷载的作用下,运行状态下的海上风电支撑结构振动响应信号中既有... 详细信息

海上风电支撑结构所处的环境复杂且恶劣,结构易发生损伤,为防止倒塌等灾难性事故的发生,有必要进行海上风电支撑结构的损伤识别研究。在风、浪、流等环境荷载以及风机气动荷载的作用下,运行状态下的海上风电支撑结构振动响应信号中既有叶片旋转引起的谐波响应成分又有环境荷载诱发的结构模态响应成分。然而,损伤引起的结构动力特性的变化通常在结构模态响应中得到反映。因此,应首先从结构振动响应信号中提取模态响应成分,然后利用模态响应进行结构损伤识别。为此,本文利用变分模态分解(Variational Modal Decomposition,VMD)和概率密度函数(Probability Density Function,PDF)从运行状态下的振动响应信号中提取结构模态响应,利用模态响应构造损伤特征指标,结合梯度提升决策树(Gradient Boosting Decision Tree,GBDT)和支持向量机(Support Vector Machine,SVM)进行结构损伤识别研究,主要内容如下:(1)综述了结构损伤识别的研究背景和意义,介绍了目前国内外海上风电支撑结构损伤识别的研究现状。(2)介绍了VMD、PDF、GBDT和SVM的基本理论,及其参数取值。(3)基于VMD和PDF的模态响应提取。采用Bladed软件构建NREL 5MW海上风电结构数值模型,通过计算获取风机在停机状态和运行状态下的塔筒加速度响应信号。针对运行状态下海上风电支撑结构的响应频率密集且谐波响应能量占比高的特点,使用VMD对响应信号进行分解得到一系列分量信号,利用分量信号的PDF选择结构模态响应。(4)基于模态响应能量的结构损伤预警研究。利用VMD和PDF从原始加速度响应信号中提取模态响应分量,计算结构损伤前后模态响应能量向量的欧氏距离,作为损伤预警指标,进行结构损伤预警研究。研究过程中,考虑了不同噪声和风速的影响。(5)基于模态响应的结构损伤程度识别研究。以结构模态响应的能量和能量熵构建损伤特征向量,利用GBDT和SVM的分类算法进行结构损伤程度识别的研究。研究过程中,考虑了不同噪声和风速的影响。

关键词：损伤识别 VMD 海上风电支撑结构模态响应 GBDT

来源：评论

学校读者我要写书评

暂无评论

基于深度迁移学习的海上风电支撑结构损伤识别研究

基于深度迁移学习的海上风电支撑结构损伤识别研究

引用

作者：吕建达青岛理工大学

学位级别：硕士

由于长期运行于严酷的海洋环境中,海上风电支撑结构易发生损伤。为保障海上风电支撑结构安全运行,需对其进行损伤识别研究。近年来,深度学习网络因其具有自动提取信号特征的能力,已开始应用于结构损伤识别领域,并取得了较好的效果。训... 详细信息

由于长期运行于严酷的海洋环境中,海上风电支撑结构易发生损伤。为保障海上风电支撑结构安全运行,需对其进行损伤识别研究。近年来,深度学习网络因其具有自动提取信号特征的能力,已开始应用于结构损伤识别领域,并取得了较好的效果。训练深度学习网络通常需要大量数据,而对于海上风电支撑结构来说,结构损伤状态下的数据相对稀缺,制约了深度学习网络在该领域的应用。为此,本文采用卷积神经网络和迁移学习技术,对海上风电支撑结构进行损伤识别研究。迁移学习利用源域知识作为目标域训练的基础,核心理念是借助源任务中的知识,辅助解决新的目标任务,以减少深度学习网络对大量训练数据的需求。主要研究内容如下: (1)基于时频图像和深度迁移学习的海上风电支撑结构损伤识别研究。利用软件GH-Bladed建立四个采用单桩基础的NREL-5MW风机数值模型,包括基准模型和考虑误差的情景模型,以模拟数值模型与实际结构间的差异。通过分析获取风机运行状态下支撑结构的加速度响应信号,对信号进行短时傅里叶变换获取信号特征更丰富的时频图像。分别将Image Net图像集和生成的时频图像作为源域和目标域,利用Alex Net模型和迁移学习进行结构损伤识别。结果证明:利用深度迁移学习进行海上风电支撑结构损伤识别是可行的,通过调整数值模型参数模拟数值模型与实际结构间差异也是合理的。 (2)基于响应和深度迁移学习的海上风电支撑结构损伤识别研究。针对Alex Net模型复杂和以时频图像为输入引起的识别效率低下的问题,本章将结构加速度响应信号转化为数字矩阵作为网络输入,利用简化卷积神经网络(CNN)和迁移学习进行结构损伤识别。以基准模型数据为源域,其余三种情景模型数据作为目标域。结果表明:以数字矩阵作为输入的简化CNN迁移学习的损伤识别效率更高,通过增加测点数量可提高基于深度迁移学习的损伤识别准确率和稳定性。 (3)基于从模拟到现实深度迁移学习的结构损伤识别研究。首先,利用有限元软件Abaqus建立海上风电支撑结构缩尺试验模型的数值模型,通过分析获取风机运行状态下结构的加速度响应信号,并将信号转换为数字矩阵。然后,分别将Abaqus数值模型数据和缩尺试验模型实测数据作为源域和目标域。利用源域对简化CNN进行预训练,并将预训练网络迁移到目标域。结果表明:从模拟到现实的迁移学习能有效提升利用简化CNN进行海上风电支撑结构损伤识别的性能。

关键词：海上风电支撑结构卷积神经网络损伤识别迁移学习模拟到现实

来源：评论

学校读者我要写书评

暂无评论

基于无监督学习的海上风电支撑结构损伤识别研究

基于无监督学习的海上风电支撑结构损伤识别研究

引用

作者：贾丹桐青岛理工大学

学位级别：硕士

海上风电支撑结构作为海上风机的基础设施,服役环境恶劣,载荷来源复杂,容易发生损伤。为保证海上风机的安全运营,避免事故的发生,需要对其支撑结构进行健康监测和损伤识别。目前基于振动响应的结构损伤识别研究大多采用有监督学习算法,... 详细信息

海上风电支撑结构作为海上风机的基础设施,服役环境恶劣,载荷来源复杂,容易发生损伤。为保证海上风机的安全运营,避免事故的发生,需要对其支撑结构进行健康监测和损伤识别。目前基于振动响应的结构损伤识别研究大多采用有监督学习算法,而有监督学习算法具有需要结构损伤前后的数据、标签标注工作量巨大和其效率取决于数值模型的准确性等缺点。为此,本文利用无监督学习算法对海上风电支撑结构进行损伤识别研究,设计并完成了单桩式海上风电支撑结构缩尺模型试验,获得其在力锤、白噪声和气动荷载激励下健康和损伤状态的加速度响应信号,利用该信号对提出的损伤识别方法进行验证,结果证明了该方法的有效性。主要内容如下:(1)简述了课题的研究背景和意义,重点介绍了目前国内外海上风电支撑结构损伤识别方法和基于无监督学习算法的结构损伤识别研究现状。(2)介绍了PCA、VMD、HT、One-Class SVM和K-Means聚类算法的基本理论及其参数取值。(3)设计并完成了单桩式海上风电支撑结构损伤识别缩尺模型试验。以美国NREL提出的5 MW基准风机为原型,采用单桩基础,按照弹性-重力相似理论设计了几何比尺为1:40的缩尺试验模型,并进行了力锤、白噪声和气动荷载激励作用下健康工况和四种不同损伤工况的模型试验,获取试验模型的加速度响应信号,其中白噪声和气动荷载激励以位移加载的方式通过MTS系统施加到试验模型的顶部。(4)基于One-Class SVM的海上风电支撑结构损伤预警研究。从实测加速度响应信号中提取时域统计特征,对其进行Z-score标准化、相关性分析和主成分分析,构建用于损伤预警的特征矩阵,将特征矩阵输入One-Class SVM进行海上风电支撑结构损伤预警,模型试验数据验证准确率最低值为93.333%,证明了上述方法的有效性。(5)基于K-Means聚类算法的海上风电支撑结构损伤程度识别研究。利用VMD从实测加速度响应信号中提取结构的模态响应分量,对其进行Hilbert变换得到Hilbert时频谱,以结构模态响应的能量和模态响应Hilbert时频谱能量构建损伤特征向量,通过对损伤特征进行敏感性分析建立用于损伤程度识别的特征矩阵,利用K-Means聚类算法进行结构损伤程度识别。气动荷载激励下风机支撑结构模型试验数据验证的准确率为100%,证明了提出的基于K-Means聚类算法的结构损伤程度识别方法的有效性。

关键词：损伤识别 Hilbert Transform 海上风电支撑结构 One-Class SVM K-Means聚类

来源：评论

学校读者我要写书评

暂无评论

海上风机基础灌浆连接段力学性能数值研究

海上风机基础灌浆连接段力学性能数值研究

引用

作者：张持海同济大学

学位级别：硕士

灌浆连接段在海上风电支撑结构被广泛应用，其通过在内外管之间的环向空间进行灌浆，并以此连接上部的支撑结构和下部的钢管桩基础。灌浆连接段具有便于施工，传力明确，高疲劳性能等特点。在海上风电单桩支撑结构中，灌浆连接段除了承... 详细信息

灌浆连接段在海上风电支撑结构被广泛应用，其通过在内外管之间的环向空间进行灌浆，并以此连接上部的支撑结构和下部的钢管桩基础。灌浆连接段具有便于施工，传力明确，高疲劳性能等特点。在海上风电单桩支撑结构中，灌浆连接段除了承受轴力外，还承受相当大的弯矩。但是，目前对于灌浆连接段在轴力和弯矩共同作用下的受力性能的认识仍不够深入和全面，有必要开展深入研究。　　本文以海上风电单桩基础中的灌浆连接段作为研究对象，采用三维有限元分析的方式，同时考虑材料非线性、几何非线性和接触非线性的影响，对灌浆连接段在轴力作用下、轴力和弯矩荷载共同作用下以及低周反复荷载作用下灌浆连接段的受力性能进行研究。　　通过对轴力作用下灌浆连接段的受力性能进行有限元建模分析，重点研究了径向刚度k，剪力键高距比h/s和长径比L/Dp三个因素对于灌浆连接段轴向受力性能的影响，并且从延性与耗能、名义平均应力σN、灌浆层峰值Tresca应力以及端部接触压力等方面对灌浆连接段轴向荷载下的受力性能进行评估。　　通过对不同轴压比n作用下的灌浆连接段受弯性能进行数值分析，发现随着轴压比的增加，灌浆连接段的极限抗弯承载力Mu逐渐降低。提出了灌浆连接段抗弯承载力组分数值分析方法，并讨论了灌浆连接段受力全过程中抗弯承载力组分的变化规律，发现四种抗弯承载力组分占比大小的顺序为：Mshear-keys＞Mp＞Mμv＞Mμh.。进一步对剪力键的受力进行深入讨论，提出了剪力键受力不均匀系数ηsk，对灌浆连接段剪力键受力的不均匀程度进行定量分析。　　对灌浆连接段在轴力和弯矩作用下的受力性能开展进一步数值参数分析，重点讨论了灌浆连接段的剪力键高距比(h/s)，灌浆层厚度(tg)以及长径比(L/Dp)三个参数对灌浆连接段极限抗弯承载力Mu、端部接触压力分布规律、名义平均应力σN、峰值灌浆层Tresca应力以及抗弯承载力组分构成等方面的影响。　　通过对已进行的低周反复试验进行数值模拟，从破坏模式、滞回曲线、骨架曲线等方面对有限元模型进行了验证。并且在此基础上，进一步分析了剪力键间距s对于灌浆连接段在低周反复荷载作用下受力性能的影响，比较了极限承载力、整体延性和耗能的变化情况。有限元分析结果显示，剪力键间距s对灌浆连接段的延性和耗能性能存在一定程度的影响，随着剪力键间距s的增加，上述参数均呈现减小趋势。

关键词：海上风电支撑结构灌浆连接段参数分析有限元模拟数值积分方法混凝土损伤

来源：评论

学校读者我要写书评

暂无评论

运行状态下基于响应分析的风电支撑结构损伤检测研究

运行状态下基于响应分析的风电支撑结构损伤检测研究

引用

作者：任义建青岛理工大学

学位级别：硕士

海上风机服役环境恶劣,风电支撑结构容易发生损伤,为了保证海上风机能够安全运行,需要对海上风电支撑结构进行结构损伤识别研究。针对进行海上风电支撑结构损伤识别时无法获取结构损伤状态下的振动响应信号的难题,本文设计并完成了位移... 详细信息

海上风机服役环境恶劣,风电支撑结构容易发生损伤,为了保证海上风机能够安全运行,需要对海上风电支撑结构进行结构损伤识别研究。针对进行海上风电支撑结构损伤识别时无法获取结构损伤状态下的振动响应信号的难题,本文设计并完成了位移激励下海上风电支撑结构缩尺模型试验,通过拆除塔筒截面法兰连接螺栓模拟结构损伤,实测得到的加速度响应信号中含有结构自振频率和谐波频率,与实际运行状态下风电支撑结构振动响应信号的频率成分比较符合。然后,利用变分模态分解(Variational Modal Decomposition,VMD)对实测信号进行分析,选取含有结构自振频率的模态响应构造结构损伤特征,结合有监督学习算法和无监督学习算法进行结构损伤程度识别研究,结果证明了该方法的有效性。本文的研究对于识别运行状态下风电支撑结构的损伤,保证海上风机的安全运营具有重要的意义。主要内容如下:(1)设计并完成了位移激励下海上风电支撑结构损伤识别模型试验。以采用单桩基础的NREL-5WM海上风机为原型风机,建立几何比尺为40(原型/模型)的海上风电支撑结构缩尺试验模型。利用Bladed软件建立原型风机的数值模型,采集风浪激励下原型风机轮毂位置的位移响应信号,将该信号经过相似比变换、重采样和调幅后输入到MTS作动器中作为试验模型的位移激励,采集该激励作用下试验模型的加速度响应信号。通过与原型风机的比较,证明本文采用的试验方法能够得到频率成分比较符合实际运行状态下风电支撑结构的振动响应信号。(2)基于无监督学习算法的结构损伤识别研究。首先,利用VMD将试验采集的加速度响应信号进行分解,提取结构模态响应分量(仅含有一阶结构自振频率的固有模态函数分量信号),采用滑动窗口方法生成样本集,计算各样本的能量与能量比值特征、样本熵特征和时域特征构建特征矩阵,经过标准化处理和主成分分析(Principal component analysis,PCA)降维后构建损伤特征矩阵,分别输入模糊C均值(Fuzzy C-Means,FCM)聚类和K-means聚类算法中进行结构损伤程度识别,两种算法的最低准确率分别为72.22%和72.78%。基于无监督学习算法的损伤识别准确率待提高,但无需人工定义标签。(3)基于有监督学习算法的结构损伤识别研究。计算各样本的能量与能量比值特征、样本熵特征和时域特征构建特征矩阵,经过标准化处理后构建损伤特征矩阵,分别利用随机森林(Random Forest,RF)算法、BP神经网络算法、支持向量机(Support Vector Machine,SVM)算法三种有监督学习算法进行结构损伤程度识别,三种算法的最低准确率分别为93%,89.5%和90.83%。基于有监督学习算法的损伤识别准确率相对较高,但需人工定义标签。

关键词：损伤识别海上风电支撑结构 VMD 有监督学习算法无监督学习算法

来源：评论

学校读者我要写书评

暂无评论

海上风电单桩基础服役状态现场监测

引用

中国海洋平台 2023年第2期38卷 36-41页

作者：朱嵘华张融圣刘寒秋田振亚张明徐永华浙江大学海洋学院浙江舟山316021 阳江海上风电实验室广东阳江529500 中广核阳江海上风力发电有限公司广东阳江529599

为了解风电结构在复杂环境中的真实服役状态,对2个风电单桩基础机位先后开展结构振动监测和水下地形扫测,通过分析现场实测数据,分析包含振动特性和冲刷情况在内的风机支撑结构服役状态,并结合设计数据对实测结果进行讨论。现场测试分... 详细信息

为了解风电结构在复杂环境中的真实服役状态,对2个风电单桩基础机位先后开展结构振动监测和水下地形扫测,通过分析现场实测数据,分析包含振动特性和冲刷情况在内的风机支撑结构服役状态,并结合设计数据对实测结果进行讨论。现场测试分析结果可为海上风电结构的服役状态监测和设计优化研究提供参考。

关键词：海上风电支撑结构服役状态监测振动冲刷

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：