CN113984114B - 一种海洋浮式平台水下结构异常诊断方法 - Google Patents
一种海洋浮式平台水下结构异常诊断方法 Download PDFInfo
- Publication number
- CN113984114B CN113984114B CN202111207655.2A CN202111207655A CN113984114B CN 113984114 B CN113984114 B CN 113984114B CN 202111207655 A CN202111207655 A CN 202111207655A CN 113984114 B CN113984114 B CN 113984114B
- Authority
- CN
- China
- Prior art keywords
- underwater structure
- floating platform
- diagnosis
- monitoring
- ocean floating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
一种海洋浮式平台水下结构异常诊断方法,属于海洋浮式平台水下结构的异常诊断领域。该发明中利用在水下结构发生损伤时,浮式平台六自由度运动规律发生变化的本质特征,基于长短时记忆神经网络LSTM,建立了水下结构无损状态下的海洋浮式平台六自由度联合预测模型。并基于历史监测数据库信息,基于主成分分析方法PCA提出异常诊断方法,并给出异常诊断阈值。该***可对海洋浮式平台水下结构发生腐蚀、突然断裂、刚度损伤等异常行为进行准确诊断,可广泛应用于海洋浮式平台结构异常诊断领域中。
Description
技术领域
本发明是关于一种海洋浮式平台水下结构异常诊断方法,属于海洋浮式平台水下结构的异常诊断领域。
背景技术
水下结构是海洋浮式平台的主要受力与定位部分。在波浪力、海流力等环境外力的综合作用下,水下结构容易发生疲劳损伤等行为,同时,由于长期服役于海洋环境,水下结构极易发生腐蚀等行为。水下结构发生破坏会直接导致海洋浮式平台发生结构失效,对作业人员安全产生巨大威胁。因此对于水下结构的异常诊断工作十分重要。
对于水下结构的异常行为进行诊断通常需要在水下结构上安装多种传感器。通过分析其长期监测数据的变化行为来进行异常诊断。但由于水下结构环境复杂,传感器安装难度过大且成本过高。因此通过间接方法对于水下结构进行异常诊断十分重要。随着传感器技术的不断发展,对于海洋环境与浮式平台六自由度运动的监测技术已十分成熟。因此本发明基于海洋环境荷载与浮体六自由度运动信息,提出一种海洋浮式平台水下结构异常诊断***与诊断方法。
本发明有效解决了传统基于水下结构监测方法成本高、安装难度大的困难。同时,基于实时监测信息可以对水下结构状态开展实时诊断。
发明内容
针对上述问题,本发明专利的目的是提供一种水下生产结构异常诊断方法。该诊断方法有效解决水下结构难以异常诊断的问题,利用海洋环境监测数据与浮体六自由度监测数据,基于所提异常诊断方法,进行水下结构异常诊断。有效解决水下结构直接监测的成本高、施工难度大的缺点。
本发明采用的技术方案是:一种海洋浮式平台水下结构异常诊断***,该异常诊断***包括监测端与中央处理器,所述监测端采用物联网传输节点与风速仪、测波雷达、海流计、星际差分GPS、惯性导航***、倾角传感器电连接;所述物联网传输节点包含信息调解模块,信号传输模块及信号存储模块。信号调解模块将风速仪、测波雷达、海流计、星际差分GPS、倾角传感器的监测信息进行格式统一,并利用信号传输模块通过电连接传输给中央处理器,同时信号存储模块将监测信息进行存储备份;所述风速仪为诊断***提供风场信息;所述测波雷达为诊断***提供波浪信息;所述海流计为诊断***提供海流信息;所述星际差分GPS为诊断***提供浮体平动信息;所述惯性导航***与倾角传感器为诊断***提供浮体转动信息;所述中央处理器包含数据接收器与工控机,所处数据接收器与物联网传输节点电连接;所述工控机通过内置的异常诊断算法给出水下结构的实时诊断状态并进行显示和保存。
所述的一种海洋浮式平台水下结构异常诊断方法,该异常诊断方法包括以下步骤:A、在海洋浮式平台相应位置安装监测端,其中风速仪安装在塔架顶部,测波雷达与海流计通过特定夹具安装于水下,星际差分GPS、惯性导航***及倾角传感器安装在塔架底部。
B、根据预设参数风速仪、测波雷达、海流计、星际差分GPS、惯性导航***及倾角传感器开始工作。
C、信号调节模型将传感器采集信息进行格式统一,并传递给信号传输模块,同时信号存储模块对格式统一的监测信息进行存储备份。
D、信号传输模块将格式统一的监测信息传输给信号接收器,同时信号接收器将接收到的监测信息传输给工控机。
E、工控机利用内置异常诊断模型计算实时异常诊断指标DI,当DI>UCL时,则预判水下结构发生异常;DI≤UCL时,则结构正常。同时工控机将计算结果进行实时显示与保存。
本发明具有以下优点:
1、本发明由于仅考虑利用海洋环境信息与浮体六自由度运动信息构建水下结构异常诊断***,避免在水下结构安装传感器带来的施工难度大、经济成本高的问题。
2、该异常诊断***利用实时监测数据,依据所提异常诊断方法,可以对水下结构健康状态进行实时诊断。
3、该异常诊断***当硬件发生故障时,由于其安装位置施工难度小,因此易于维修和更换。
4、物联网节点将各传感器采集信息进行格式统一并传递给中央处理器,同时将采集信息进行存储备份,避免了因中央处理器故障造成的数据丢失。
5、所提异常诊断***可对水下结构发生腐蚀、损伤、断裂等异常行为进行准确诊断,识别率较高。
附图说明
图1是一种海洋浮式平台水下结构异常诊断***的结构示意图。
图2是一种海洋浮式平台水下结构异常诊断方法的计算示意图。
图3是六自由度联合预测模型预测结果。
图4是不同位置发生损伤时的异常诊断结果。
图中:1、风速仪,2、测波雷达,3、海流计,4、星际差分GPS,5、惯性导航***,6、倾角传感器,7、信号调节模块,8、信号传输模块,9、信号存储模块,10、物联网传输节点,11、监测端,12、信号接收器,13、工控机,14、中央处理器。
具体实施方式
以下结合附图来对本发明进行详细的描绘。然而应当理解,附图的提供仅为了更好地理解本发明,它们不应该理解成对本发明的限制。
如图1所示,本发明提供的海洋浮式平台水下结构异常诊断***,由监测端11和中央处理器14两部分组成。其中监测端11包括风速仪1,测波雷达2,海流计3,星际差分GPS4,惯性导航***5,倾角传感器6和物联网传输节点10;物联网传输节点包括信号调节模块7,信号传输模块8,信号存储模块9;风速仪1,测波雷达2,海流计3,星际差分GPS4、惯性导航***5,倾角传感器6与物联网传输节点10电连接;中央处理器14包括信号接收器12和工控机13,信号接收器12与工控机电连接。
风速仪1用于采集风场数据。测波雷达2用于采集波浪数据。海流计3用于采集海流数据。星际差分GPS4用于采集浮体平动数据。惯性导航***5和倾角传感器用于采集浮体转动数据。信号调解模块7用于将1-6传感器采集到的数据进行格式统一。信号传输模块8用于将格式统一的监测数据进行传输,传输给中央处理器14中的信号接收器12。信号存储模块9用于将格式统一的监测数据进行存储备份。
信号接收器12用于接收信号传输模块8传递的监测信息,并将其传输给工控机13。工控及13用于通过内置的异常诊断算法给出水下结构的实时健康状态,并进行显示与保存。
信号存储模块9可选用大容量高性能SD卡。工控机13也可选用高性能计算机。如图2所示,显示的是本发明中的异常诊断方法示意图,其中主要包括平台六自由度运动联合预测模型与异常诊断模型两部分。平台六自由度运动联合预测模型主要涉及风速仪、测波雷达、海流计、星际差分GPS、惯性导航***、倾角传感器及物联网传输节点。其中风速仪、测波雷达、海流计采集得到海洋环境荷载,星际差分GPS、惯性导航***和倾角传感器采集得到浮体六自由度运动信息,物联网传输节点将数据格式进行统一。其主要包括数据集制作,模型建立,超参数选择,模型训练及误差分析等过程。将水下结构无损状态下(如平台服役初期)的海洋环境荷载历史监测数据X1作为输入,X1∈RN,N为输入维度。将其浮体六自由度运动数据Y1作为输出,其中Y1∈RM,M属于输出维度。基于LSTM神经网络(长短时记忆神经网络,Long-short-termmemory network),构建浮体六自由度运动联合预测模型。在浮体六自由度运动联合预测模型的基础上,构建水下结构异常诊断模型。将未参与训练的无损状态下的历史荷载监测数据X2输入联合预测模型,得到预测六自由度信息Yp,与监测数据Y2进行对比,得到残差序列D,D=Y2-Yp,D∈RM。对残差序列D开展主成分分析,首先,对其进行中心化并计算协方差矩阵。对协方差矩阵做SVD分解,求解相应的特征值与特征向量;取最大的k个特征值,得到相应的特征特征矩阵W=[w1,w2,…,wk];其中k值选取原则为:其中Sii为SVD分解产生的S矩阵的对角线元素,q为S矩阵的秩,P表示由PCA算法保留的主要成分的比例。PCA算法为主成分分析方法(Principal component analysis,PCA)。
计算异常诊断指标
其中D为n*m残差序列矩阵,n为训练样本数,m为样本的特征维数,c表示阈值系数,取1。当D为水下结构无损状态时的残差序列时,得到异常诊断阈值UCL。至此异常诊断模型建立完成。在实际应用时,将实时监测信息输入异常诊断模型得到实时异常诊断指标DI,当DI>UCL时,则预判水下结构发生异常;DI≤UCL时,则结构正常。
实施例1
A、在海洋浮式平台相应位置安装监测端。
B、根据预设参数风速仪1、测波雷达2、海流计3、星际差分GPS4、惯性导航***5及倾角传感器6开始工作。
C、信号调节模块7将传感器采集信息进行格式统一,并传递给信号传输模块8,同时信号存储模块9对格式统一的监测信息进行存储备份。
D、信号传输模块8将格式统一的监测信息传输给信号接收器12,同时信号接收器12将接收到的监测信息传输给工控机13。
将海洋环境荷载数据作为输入,将平台六自由度运动作为输出,建立六自由度联合预测模型预测结果如图3所示。
E、工控机13利用内置异常诊断模型计算实时异常诊断指标DI,当DI>UCL时,则预判水下结构发生异常;DI≤UCL时,则结构正常。同时工控机将计算结果进行实时显示与保存。
利用海洋浮式平台水下结构异常诊断算法计算异常诊断阈值,得到异常诊断阈值UCL为8.5*10-8。
以不同锚链损伤为例,给出了5种随机海洋工况下锚链损伤5%时的异常诊断指标DI。可以看出,在水下结构发生损伤时,其异常诊断指标DI均大于异常诊断阈值UCL,说明本专利所发明的异常诊断***可以对其进行准确识别,识别率100%。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (1)
1.一种海洋浮式平台水下结构异常诊断方法,其特征在于:
该诊断方法采用的异常诊断***包括监测端(11)和中央处理器(14),中央处理器(14)采用工控机(13)与信号接收器(12)电连接;信号接收器(12)与监测端(11)内的物联网传输节点(10)电连接;工控机(13)内置海洋浮式平台水下结构异常诊断算法;
该诊断方法具体包括以下步骤:
A、在海洋浮式平台相应位置安装监测端(11);监测端(11)采用物联网传输节点(10)与传感器***电连接,传感器***为风速仪(1)、测波雷达(2)、海流计(3)、星际差分GPS(4)、惯性导航***(5)、倾角传感器(6);
B、根据预设参数六自由度传感器开始工作;所述预设参数包括采样频率及采集模式;
C、信号调节模块(7)将六自由度传感器采集信息进行格式统一,并传递给信号传输模块(8),同时信号存储模块(9)对格式统一的监测信息进行存储备份;
D、信号传输模块(8)将格式统一的监测信息传输给信号接收器(12),同时信号接收器(12)将接收到的监测信息传输给工控机(13);
E、工控机(13)利用内置异常诊断模型计算实时异常诊断指标DI,并与异常诊断阈值UCL进行比较;当DI>UCL时,则预判水下结构发生异常;DI≤UCL时,则结构正常;同时工控机将计算结果进行实时显示与保存;
所述海洋浮式平台水下结构异常诊断算法,包括数据集制作,模型建立,超参数选择,模型训练及误差分析的过程;具体包括以下步骤:
(1)将水下结构无损状态下的海洋环境荷载历史监测数据X1作为输入,X∈RN,N为输入维度;将其浮体六自由度运动数据Y1作为输出,其中Y∈RM,M属于输出维度;
(2)将未参与训练的无损状态下的荷载历史监测数据X2输入联合预测模型,得到预测六自由度信息Yp,与监测数据Y2进行对比,得到残差序列D,D=Y2-Yp,D∈RM;
(3)对残差序列D开展主成分分析,对其进行中心化并计算协方差矩阵;对协方差矩阵做SVD分解,求解相应的特征值与特征向量;
取最大的k个特征值,得到相应的特征矩阵W=[w1,w2,…,wk];
其中Sii为SVD分解产生的S矩阵的对角线元素,q为S矩阵的秩,P表示由PCA算法保留的主要成分的比例;
计算异常诊断指标
其中D为n*m残差序列矩阵,n为训练样本数,m为样本的特征维数,c表示阈值系数,取1;
(4)当D为水下结构无损状态时的残差序列时,得到异常诊断阈值UCL;至此异常诊断模型建立完成;
(5)将实时监测信息输入异常诊断模型得到实时异常诊断指标DI,当DI>UCL时,则预判水下结构发生异常;DI≤UCL时,则结构正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207655.2A CN113984114B (zh) | 2021-10-18 | 2021-10-18 | 一种海洋浮式平台水下结构异常诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111207655.2A CN113984114B (zh) | 2021-10-18 | 2021-10-18 | 一种海洋浮式平台水下结构异常诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113984114A CN113984114A (zh) | 2022-01-28 |
CN113984114B true CN113984114B (zh) | 2022-12-06 |
Family
ID=79739001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111207655.2A Active CN113984114B (zh) | 2021-10-18 | 2021-10-18 | 一种海洋浮式平台水下结构异常诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113984114B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117404258B (zh) * | 2023-12-13 | 2024-03-29 | 江苏道达风电设备科技有限公司 | 一种复合筒型基础海上施工云监测*** |
CN118116172B (zh) * | 2024-04-30 | 2024-07-02 | 广州磐钴智能科技有限公司 | 一种基于北斗与LoRa自组网的人员定位方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4762088B2 (ja) * | 2006-08-31 | 2011-08-31 | 株式会社東芝 | プロセス異常診断装置 |
JP2012137934A (ja) * | 2010-12-27 | 2012-07-19 | Hitachi Ltd | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム並びに企業資産管理・設備資産管理システム |
CN104102773B (zh) * | 2014-07-05 | 2017-06-06 | 山东鲁能软件技术有限公司 | 一种设备故障预警及状态监测方法 |
CN106338372A (zh) * | 2016-09-19 | 2017-01-18 | 中国海洋大学 | 基于残差应变能的海洋平台损伤定位方法及*** |
CN106482781A (zh) * | 2016-09-20 | 2017-03-08 | 中国海洋石油总公司 | 一种海洋浮式平台原型测量*** |
US11146579B2 (en) * | 2018-09-21 | 2021-10-12 | General Electric Company | Hybrid feature-driven learning system for abnormality detection and localization |
KR102051791B1 (ko) * | 2018-11-16 | 2020-01-08 | 고려대학교 산학협력단 | 토양가스를 모니터링하고 모니터링 결과에 기반하여 대응 처리하는 시스템 및 방법 |
CN111400850B (zh) * | 2018-12-28 | 2024-04-09 | 阿里巴巴集团控股有限公司 | 设备故障分析方法、装置、设备和存储介质 |
CN111768082A (zh) * | 2020-06-02 | 2020-10-13 | 广东电网有限责任公司 | 一种基于大数据分析的电力设备状态评估方法 |
CN112232447B (zh) * | 2020-12-14 | 2021-06-04 | 国网江西省电力有限公司电力科学研究院 | 一种电力设备状态监测数据的完整样本集的构建方法 |
-
2021
- 2021-10-18 CN CN202111207655.2A patent/CN113984114B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113984114A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113984114B (zh) | 一种海洋浮式平台水下结构异常诊断方法 | |
CN113569445A (zh) | 一种基于数字孪生技术的钢结构健康监测***及方法 | |
CN103631145B (zh) | 基于监控指标切换的多工况过程监控方法和*** | |
CN111259990A (zh) | 基于多源信息融合的海水泵故障监测装置与诊断方法 | |
CN116643517B (zh) | 一种水下载人潜器预防事故设备 | |
CN103197663B (zh) | 一种故障预测方法及*** | |
CN104880217B (zh) | 一种基于测量值关联度的故障传感器信息重构方法 | |
KR101711606B1 (ko) | 유사도 기반 해양 구조물 손상 추정 방법 | |
Moeinifard et al. | Lost vibration test data recovery using convolutional neural network: a case study | |
CN110243497A (zh) | 一种基于主成分分析的传感器故障诊断方法及*** | |
CN110987396B (zh) | 一种用于采煤机摇臂的智能故障诊断及寿命预测方法 | |
JP2024045515A (ja) | 構造物診断システム、構造物診断方法、および構造物診断プログラム | |
JPWO2018051568A1 (ja) | プラント異常診断装置及びプラント異常診断システム | |
CN115655717A (zh) | 一种基于深度领域泛化网络的轴承故障诊断方法 | |
CN110196165B (zh) | 一种基于K-means聚类和证据推理的旋转机械滚珠轴承故障诊断方法 | |
CN115994320A (zh) | 一种智能摩擦摆隔震支座及状态监测与故障诊断*** | |
CN114088389A (zh) | 一种齿轮变速箱的数据处理方法和相关装置 | |
WO2020230422A1 (ja) | 異常診断装置及び方法 | |
KR102267811B1 (ko) | Rnn 기반의 영농형 태양광 발전 구조물의 현재 상태 및 미래 상태 예측 시스템 | |
Yanez-Borjas et al. | Convolutional neural network-based methodology for detecting, locating and quantifying corrosion damage in a truss-type bridge through the autocorrelation of vibration signals | |
US11339763B2 (en) | Method for windmill farm monitoring | |
CN116383750A (zh) | 一种基于加窗差分健康指标的滚动轴承早期异常检测方法 | |
CN112231849B (zh) | 基于nest和sprt融合算法的轴温故障检测方法 | |
CN209878248U (zh) | 基于can总线和无线通讯的桥梁结构健康监测*** | |
CN114235257A (zh) | 一种基于数据融合的螺栓轴力在线精确监测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |