-
题名基于深度学习的导管架海洋平台结构损伤识别
- 1
-
-
作者
严谨
陆建成
龙洋辉
赵云开
-
机构
广东海洋大学船舶与海运学院/广东省南海海洋牧场智能装备重点实验室
广东海洋大学海洋工程与能源学院
广东海洋大学机械工程学院
-
出处
《广东海洋大学学报》
北大核心
2025年第3期136-145,共10页
-
基金
广东省自然科学基金(2022A1515011562)
广东省促进经济高质量发展专项(粤融办函[2020]161号)。
-
文摘
【目的】实现海洋导管架平台结构损伤智能识别。【方法】基于海洋工程分析软件SACS建立南海涠洲海域11-2 WHPC导管架平台数值模型,通过整合平台结构参数与目标海域环境数据,开展静力学分析以识别结构薄弱构件。基于分析结果,构建了包含384组完好工况和1920组损伤工况的加速度响应数据库。针对结构损伤识别问题,提出一种结合变分模态分解-希尔伯特(VMD-Hilbert)变换和双向长短时记忆(BiLSTM)神经网络的损伤诊断方法。该方法首先通过VMD-Hilbert变换实现信号时频特征提取,随后利用BiLSTM网络挖掘响应信号的深层时序特征。针对传统结构损伤诊断人工特征提取困难和步骤繁琐的问题,提出了一种基于小波散射变换时频图像和视觉转换器(Vision Transformer)的损伤诊断方法,实现结构损伤状态的智能诊断。【结果与结论】通过提取的损伤敏感特征,使用BiLSTM处理时变序列数据,实现了超过92%的分类准确率。基于小波散射变换时频图像和Vision Transformer的方法能够突出损伤前后的特征变化,分类准确率超过96%。通过缩尺模型实验模拟平台损伤状态,收集不同结构状态下的振动信号,经过VMD降噪处理后验证上述两种诊断方法,均能实现良好的损伤分类效果。
-
关键词
导管架海洋平台
结构健康监测
损伤诊断
双向长短时记忆神经网络
视觉转换器
-
Keywords
offshore jacket platforms
structural health monitoring
damage diagnosis
BiLSTM neural network
Vision Transformer
-
分类号
P75
[天文地球—海洋科学]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
