基于神經(jīng)網(wǎng)絡(luò)模型的波候變化影響下深海系泊纜疲勞損傷評(píng)估

杜君峰，王順坤，張德慶，蔡淑繪

（1.中國(guó)海洋大學(xué) 工程學(xué)院，山東 青島 266100；2.聊城市光明電力服務(wù)有限責(zé)任公司臨清分公司，山東 聊城 252000）

0 引 言

系泊系統(tǒng)是海洋浮式結(jié)構(gòu)物正常作業(yè)的重要保障。系泊系統(tǒng)的失效一直是導(dǎo)致深海工程事故的重要原因[1-2]，研究表明，系泊系統(tǒng)發(fā)生單根系泊纜和多根系泊纜破壞的概率分別達(dá)到2.1%和0.35%[3-4]。2001～2011年間，與系泊系統(tǒng)失效直接相關(guān)的海洋工程事故超過(guò)20起[5]。因此，對(duì)深海平臺(tái)系泊系統(tǒng)的疲勞損傷研究十分必要。同時(shí)，國(guó)內(nèi)外學(xué)者近期的研究表明，全球部分海域波候有明顯的惡化趨勢(shì)[6]，即波浪的有效波高逐年增長(zhǎng)。該現(xiàn)象將導(dǎo)致系泊纜疲勞損傷的加劇累積，而目前的設(shè)計(jì)并未考慮這一因素，因此，深海浮式結(jié)構(gòu)系泊系統(tǒng)的設(shè)計(jì)存在安全隱患。

深海浮式平臺(tái)/系泊系統(tǒng)具有較強(qiáng)的非線性，常采用時(shí)域方法進(jìn)行系泊纜的疲勞損傷評(píng)估[7]。然而，時(shí)域疲勞損傷評(píng)估方法計(jì)算量大，效率低，所需的存儲(chǔ)空間與計(jì)算機(jī)時(shí)間成本高昂，如果考慮全球波候變化，波浪工況將會(huì)逐年變化，整個(gè)壽命周期內(nèi)的計(jì)算量將進(jìn)一步增加20～30 倍[8]。為提高疲勞損傷的計(jì)算效率，不少工程師和學(xué)者通過(guò)改進(jìn)耦合分析方法，以快速得到系纜張力，提高疲勞損傷評(píng)估效率[9]；而Du等[10]和Low等[11]由波浪散布圖入手，對(duì)波浪工況的簡(jiǎn)化和等效方法開(kāi)展研究，以期望能通過(guò)減少計(jì)算工況來(lái)提高時(shí)域評(píng)估方法的計(jì)算效率。雖然這些改進(jìn)方法對(duì)計(jì)算效率有了一定程度的提高，但仍不能滿足實(shí)際工程需求。

人工神經(jīng)網(wǎng)絡(luò)算法只需關(guān)注輸入和輸出之間的強(qiáng)非線性關(guān)系，而不必進(jìn)行具體、復(fù)雜的數(shù)值計(jì)算，計(jì)算效率高，計(jì)算結(jié)果準(zhǔn)確，得到了廣泛的應(yīng)用。近年來(lái)，陸續(xù)有學(xué)者將神經(jīng)網(wǎng)絡(luò)算法運(yùn)用于海洋工程領(lǐng)域。Huang 等[12]基于神經(jīng)網(wǎng)絡(luò)算法，建立了船舶縱搖運(yùn)動(dòng)短期預(yù)報(bào)模型，對(duì)短期內(nèi)的船舶縱搖運(yùn)動(dòng)進(jìn)行了高效準(zhǔn)確預(yù)報(bào)；Zhang 等[13]通過(guò)對(duì)三層BP 神經(jīng)網(wǎng)絡(luò)數(shù)值預(yù)測(cè)算法進(jìn)行改進(jìn)和優(yōu)化，選用著名的XOR（異或）問(wèn)題和一個(gè)具有高度非線性的0-1矩陣預(yù)測(cè)問(wèn)題驗(yàn)證了該神經(jīng)網(wǎng)絡(luò)數(shù)值預(yù)測(cè)模型計(jì)算精度的準(zhǔn)確性，并成功應(yīng)用于船舶與海洋工程的實(shí)際問(wèn)題中；黃柏剛和鄒早建[14]利用固定網(wǎng)格小波神經(jīng)網(wǎng)絡(luò)，準(zhǔn)確地預(yù)報(bào)了不規(guī)則波中船舶的橫搖運(yùn)動(dòng)響應(yīng)。

本文提出了一種基于貝葉斯正則化BP（back propagation）神經(jīng)網(wǎng)絡(luò)算法的深海浮式平臺(tái)系泊系統(tǒng)疲勞損傷評(píng)估方法，探討了不同神經(jīng)網(wǎng)絡(luò)算法、網(wǎng)絡(luò)結(jié)構(gòu)對(duì)疲勞損傷評(píng)估計(jì)算結(jié)果的影響，以及波候變化對(duì)不同浮式平臺(tái)系泊纜疲勞累積損傷的影響規(guī)律。計(jì)算結(jié)果表明：該方法具有較強(qiáng)的泛化能力，可對(duì)深海浮式平臺(tái)系泊纜疲勞損傷進(jìn)行快速準(zhǔn)確的評(píng)估；同時(shí)，波候變化對(duì)浮式平臺(tái)系泊纜疲勞損傷有著顯著影響。

1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（artificial neural network,ANN）的原理是模擬生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行信息處理。人工神經(jīng)網(wǎng)絡(luò)忽略了輸入與輸出之間映射關(guān)系的具體數(shù)學(xué)方程表達(dá)式，而是通過(guò)對(duì)歷史數(shù)據(jù)的學(xué)習(xí)訓(xùn)練出一個(gè)具有準(zhǔn)確學(xué)習(xí)規(guī)則的特定神經(jīng)網(wǎng)絡(luò)。其中，BP 神經(jīng)網(wǎng)絡(luò)是一種多層前向型神經(jīng)網(wǎng)絡(luò)，其本質(zhì)是信號(hào)前向傳播與誤差反向傳播（圖1），是一種應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型[13]。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖Fig.1 Topological structure of BP neural network

BP神經(jīng)網(wǎng)絡(luò)的信號(hào)前向傳播過(guò)程通過(guò)計(jì)算激勵(lì)函數(shù)來(lái)實(shí)現(xiàn)，其輸出Om的計(jì)算公式為

式中，?為隱含層的激勵(lì)函數(shù)，ψ為輸出層的激勵(lì)函數(shù)。

神經(jīng)網(wǎng)絡(luò)算法的激勵(lì)函數(shù)有多種類型，本文中隱含層與輸出層的激勵(lì)函數(shù)均選取Sigmoid 型函數(shù)，即S 型函數(shù)，其具體表達(dá)式為

導(dǎo)數(shù)形式為

S 型函數(shù)的函數(shù)圖像如圖2 所示，可以發(fā)現(xiàn)f( )x的值域?yàn)椋?，1）。

圖2 S型函數(shù)圖像Fig.2 S-type function image

誤差反向傳播則是根據(jù)每次網(wǎng)絡(luò)輸出值與期望值的誤差對(duì)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行修正的過(guò)程，經(jīng)過(guò)對(duì)權(quán)值和閾值的不斷修正，使得網(wǎng)絡(luò)誤差達(dá)到最小，滿足計(jì)算精度要求。輸出節(jié)點(diǎn)誤差計(jì)算公式為

式中，Ym為期望輸出值，Om為網(wǎng)絡(luò)輸出值。

式中，η為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率，W+和b+分別表示網(wǎng)絡(luò)的修正后權(quán)值與閾值。在網(wǎng)絡(luò)權(quán)重修正的表達(dá)式中，權(quán)重更新是用原有權(quán)重減去反向傳播的誤差。事實(shí)上，反向傳播的誤差值可正可負(fù)，因此當(dāng)反向傳播的誤差為正時(shí)，減小權(quán)重的數(shù)值，當(dāng)反向傳播的誤差為負(fù)時(shí)，增加權(quán)重的數(shù)值。

BP 神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)訓(xùn)練集的網(wǎng)絡(luò)訓(xùn)練獲得聯(lián)想記憶和預(yù)測(cè)能力，但它也存在一些缺點(diǎn)，如訓(xùn)練時(shí)間過(guò)長(zhǎng)、容易陷入局部極小值等。因此，很多研究學(xué)者在標(biāo)準(zhǔn)BP 神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上提出了很多優(yōu)化的方法，如附加動(dòng)量法、有自適應(yīng)學(xué)習(xí)效率（lr）的梯度下降法、彈性梯度下降法、共軛梯度下降法、正切擬牛頓法[15]和貝葉斯正則化方法等[16]；另外還有學(xué)者提出了其他神經(jīng)網(wǎng)絡(luò)方法如徑向基神經(jīng)網(wǎng)絡(luò)、廣義回歸神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)、Hopfield神經(jīng)網(wǎng)絡(luò)[17]及Elman神經(jīng)網(wǎng)絡(luò)等。

2 基于神經(jīng)網(wǎng)絡(luò)算法的系泊纜疲勞損傷評(píng)估方法

由于時(shí)域分析方法效率低，對(duì)全生命周期內(nèi)的所有海況進(jìn)行疲勞損傷評(píng)估難度極大。本文針對(duì)這一問(wèn)題，提出了一種基于神經(jīng)網(wǎng)絡(luò)算法的深海浮式平臺(tái)系泊系統(tǒng)疲勞評(píng)估方法（圖3），以波浪參數(shù)作為輸入，以系泊纜在該短期海況下的疲勞損傷作為輸出。

圖3 神經(jīng)網(wǎng)絡(luò)方法評(píng)估系泊纜疲勞損傷流程圖Fig.3 Flow chart of fatigue damage assessment of mooring line based on neural network method

理論上，BP 神經(jīng)網(wǎng)絡(luò)能夠以任意精度實(shí)現(xiàn)從輸入到輸出的非線性映射，但在實(shí)際網(wǎng)絡(luò)訓(xùn)練中，難以準(zhǔn)確得到最優(yōu)的神經(jīng)網(wǎng)絡(luò)。因此，需要對(duì)不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化，保證以最優(yōu)的網(wǎng)絡(luò)模型應(yīng)用于實(shí)例模擬中。在本文中，系泊纜疲勞損傷評(píng)估方法計(jì)算結(jié)果的準(zhǔn)確性以相對(duì)誤差百分比δ作為考核參數(shù)，通過(guò)改變隱含層層數(shù)和神經(jīng)元個(gè)數(shù)，以提高計(jì)算精度。相對(duì)誤差百分比可由式（6）計(jì)算：

式中，Qp為網(wǎng)絡(luò)模型輸出值，Tp為期望值。

為保證網(wǎng)絡(luò)收斂速度和計(jì)算結(jié)果精度，需要提前對(duì)訓(xùn)練樣本數(shù)據(jù)進(jìn)行歸一化處理。本文采用min-max標(biāo)準(zhǔn)化方法，即

式中，xmax和xmin分別為波浪參數(shù)或系泊纜3小時(shí)疲勞損傷的最大和最小值，x?為歸一化后的結(jié)果。

3 數(shù)值模擬算例分析

3.1 深海浮式平臺(tái)/系泊系統(tǒng)及環(huán)境參數(shù)

本文以位于北海實(shí)際水深1180 m 的某半潛式平臺(tái)和某單立柱（Spar）平臺(tái)（圖4）及其系泊系統(tǒng)為研究對(duì)象（圖5）。兩種深海浮式平臺(tái)均采用12 點(diǎn)半張緊式系泊系統(tǒng)，浮式平臺(tái)主要尺寸數(shù)據(jù)及系纜參數(shù)分別如表1、表2所示。

圖4 浮式生產(chǎn)平臺(tái)模型圖Fig.4 Model of floating production platform

圖5 系泊系統(tǒng)布置Fig.5 Mooring system layout

表1 平臺(tái)主要尺寸數(shù)據(jù)Tab.1 Main dimensions of platform

表2 系纜參數(shù)Tab.2 Mooring parameters

本文目標(biāo)浮式平臺(tái)的工作海域位于北海海域，該海域波浪散布圖如表3所示，在本文的數(shù)值模擬中，浮體/系泊系統(tǒng)設(shè)計(jì)壽命為25年，為簡(jiǎn)化計(jì)算，波浪有效波高按2.2 cm/y[18]逐年增長(zhǎng)。

表3 北海波浪散布圖Tab.3 Scatter diagram in the North Sea

因風(fēng)和海流通常被假定為恒定的，對(duì)系泊纜疲勞損傷影響相對(duì)較小，因此，本文僅重點(diǎn)考慮波浪載荷作用[19]，并且假定波浪的作用方向?yàn)?°，即沿著整體坐標(biāo)系的+x方向入射。

3.2 疲勞損傷評(píng)估模型結(jié)構(gòu)優(yōu)化

為保證網(wǎng)絡(luò)輸出結(jié)果精度滿足實(shí)際需求，本節(jié)以半潛式平臺(tái)的相關(guān)數(shù)據(jù)為例，對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化和驗(yàn)證。半潛式平臺(tái)為對(duì)稱結(jié)構(gòu)，時(shí)域耦合分析僅輸出第1～6根系泊纜的張力時(shí)程，波浪以0°方向入射時(shí)，第6根系纜的上端錨鏈所受張力最大，故本文中對(duì)系泊纜的疲勞損傷評(píng)估位置選定為第6根系纜上端錨鏈部位。以半潛式平臺(tái)第1、12、25年各短期工況及其對(duì)應(yīng)的第6根系纜上端錨鏈疲勞損傷數(shù)據(jù)作為訓(xùn)練樣本，并以計(jì)算出的第18 年的年疲勞損傷值作為驗(yàn)證，分別做單隱含層不同神經(jīng)元個(gè)數(shù)和不同隱含層層數(shù)的標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的疲勞損傷預(yù)報(bào)模型，每種網(wǎng)絡(luò)模型進(jìn)行20次訓(xùn)練和驗(yàn)證，探究神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)系泊纜疲勞損傷計(jì)算的影響。

3.2.1 訓(xùn)練數(shù)據(jù)優(yōu)化

不同短期海況分析得出的系泊纜疲勞損傷值往往跨度較大，大小工況之間的數(shù)值差甚至超過(guò)千萬(wàn)倍，數(shù)據(jù)歸一化處理后，小工況的數(shù)值將無(wú)限接近零，可能會(huì)對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練精度不利。本文中對(duì)訓(xùn)練數(shù)據(jù)的輸出集即短期海況對(duì)應(yīng)的系泊纜疲勞損傷作對(duì)數(shù)處理，降低輸出集數(shù)值之間的跨度，分別選取一個(gè)短期小工況和一個(gè)短期大工況，探究輸出集原始數(shù)據(jù)和對(duì)數(shù)處理后數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練的精度影響，其相對(duì)誤差百分比均值結(jié)果如表4所示。

表4 原始數(shù)據(jù)和對(duì)數(shù)處理數(shù)據(jù)訓(xùn)練精度對(duì)比Tab.4 Comparison of training accuracy between original data and logarithmic processing data

對(duì)比結(jié)果表明，對(duì)于小海況，直接利用原始輸出集數(shù)據(jù)作神經(jīng)網(wǎng)絡(luò)訓(xùn)練的誤差非常大，而將數(shù)據(jù)對(duì)數(shù)處理后的神經(jīng)網(wǎng)絡(luò)訓(xùn)練精度有了極大的提高；對(duì)于較大海況，數(shù)據(jù)的處理對(duì)網(wǎng)絡(luò)訓(xùn)練精度影響不大，兩者均能滿足精度要求。這說(shuō)明對(duì)原始數(shù)據(jù)輸出集作對(duì)數(shù)處理可提高小工況的神經(jīng)網(wǎng)絡(luò)訓(xùn)練精度，更有利于后續(xù)的系泊纜年疲勞損傷評(píng)估，后文中提及的神經(jīng)網(wǎng)絡(luò)算法均采用對(duì)數(shù)處理后的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。

3.2.2 單隱含層神經(jīng)元個(gè)數(shù)

BP 神經(jīng)網(wǎng)絡(luò)中，隱含層神經(jīng)元的個(gè)數(shù)對(duì)網(wǎng)絡(luò)結(jié)果的計(jì)算結(jié)果影響很大，當(dāng)神經(jīng)元過(guò)少時(shí)會(huì)出現(xiàn)欠擬合現(xiàn)象；相反，過(guò)多的神經(jīng)元可能會(huì)導(dǎo)致過(guò)擬合問(wèn)題。本文通過(guò)改變神經(jīng)元數(shù)量來(lái)探究單隱含層神經(jīng)元個(gè)數(shù)對(duì)評(píng)估結(jié)果精度的影響，結(jié)果如表5所示?？梢钥闯?，不同神經(jīng)元個(gè)數(shù)對(duì)系泊纜疲勞損傷評(píng)估精度影響明顯。神經(jīng)元個(gè)數(shù)低于20 個(gè)時(shí)，計(jì)算結(jié)果的精度隨著神經(jīng)元個(gè)數(shù)增加而有所提高；當(dāng)神經(jīng)元個(gè)數(shù)高于20個(gè)時(shí)，計(jì)算結(jié)果的精度反而降低，說(shuō)明網(wǎng)絡(luò)結(jié)構(gòu)出現(xiàn)過(guò)擬合現(xiàn)象。

表5 單隱含層不同神經(jīng)元個(gè)數(shù)訓(xùn)練精度對(duì)比Tab.5 Comparison of training accuracy of different number of neurons in single hidden layer

3.2.3 隱含層層數(shù)

BP 神經(jīng)網(wǎng)絡(luò)的隱含層層數(shù)對(duì)網(wǎng)絡(luò)計(jì)算精度也有重要影響。為探究不同隱含層層數(shù)對(duì)評(píng)估結(jié)果的影響，本文建立了不同隱含層的網(wǎng)絡(luò)結(jié)構(gòu)，其中各不同隱含層網(wǎng)絡(luò)結(jié)構(gòu)的神經(jīng)元個(gè)數(shù)對(duì)應(yīng)為該網(wǎng)絡(luò)結(jié)構(gòu)的最優(yōu)個(gè)數(shù)，評(píng)估結(jié)果如表6所示。從表中可以看出，隨著層數(shù)的增加，計(jì)算誤差逐漸減小，但層數(shù)過(guò)多同樣會(huì)出現(xiàn)過(guò)擬合的現(xiàn)象。通過(guò)比較，運(yùn)用標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)算法對(duì)半潛式平臺(tái)系泊纜疲勞損傷評(píng)估時(shí)，最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)為3層隱含層，即7×6×6的網(wǎng)絡(luò)結(jié)構(gòu)。

表6 不同隱含層訓(xùn)練精度對(duì)比Tab.6 Comparison of training accuracy in different hidden layers

3.3 不同神經(jīng)網(wǎng)絡(luò)算法對(duì)比

標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)計(jì)算效率低，容易陷入局部極小值。為進(jìn)一步提高評(píng)估模型的表現(xiàn)，本文對(duì)比了6種BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化方法和3種其他類型的神經(jīng)網(wǎng)絡(luò)算法對(duì)疲勞損傷的評(píng)估結(jié)果，其中神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)如前一節(jié)所述，每種方法均已調(diào)整為最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)，結(jié)果如表7 所示。從表中數(shù)據(jù)可以看出，與其他的神經(jīng)網(wǎng)絡(luò)方法相比，附加動(dòng)量法和貝葉斯正則化方法計(jì)算精度明顯較高，誤差僅為1.19%和1.08%。

表7 不同神經(jīng)網(wǎng)絡(luò)算法對(duì)比Tab.7 Comparison of different neural network algorithms

進(jìn)一步將這兩種方法應(yīng)用于半潛式平臺(tái)系泊纜整個(gè)生命周期內(nèi)的疲勞損傷評(píng)估，結(jié)果見(jiàn)圖6?？梢钥闯?，附加動(dòng)量法不穩(wěn)定，出現(xiàn)了年疲勞損傷隨有效波高的增長(zhǎng)而降低的現(xiàn)象，即過(guò)擬合；而貝葉斯正則化方法評(píng)估結(jié)果穩(wěn)定，網(wǎng)絡(luò)模型的泛化能力較強(qiáng)。因此，后文將選擇貝葉斯正則化BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)浮式平臺(tái)系泊纜疲勞損傷進(jìn)行評(píng)估。

圖6 附加動(dòng)量法和貝葉斯法評(píng)估結(jié)果對(duì)比Fig.6 Comparison of evaluation results by additional momentum method and Bayesian method

3.4 貝葉斯神經(jīng)網(wǎng)絡(luò)評(píng)估模型的可行性

本文的研究對(duì)象是北海海域某半潛式平臺(tái)和某Spar平臺(tái)及其系泊系統(tǒng)，如3.3節(jié)所述，貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)模型能夠高效準(zhǔn)確地計(jì)算出波候變化影響下半潛式平臺(tái)系泊纜的疲勞損傷。對(duì)于Spar 平臺(tái)，其訓(xùn)練數(shù)據(jù)與驗(yàn)證數(shù)據(jù)亦采用如半潛式平臺(tái)相同方法得出，應(yīng)用貝葉斯正則化BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練與驗(yàn)證，探究此方法對(duì)Spar 平臺(tái)系泊纜疲勞損傷評(píng)估的可行性（如表8 所示）。結(jié)果表明，貝葉斯正則化BP 神經(jīng)網(wǎng)絡(luò)同樣可對(duì)Spar平臺(tái)系泊纜疲勞損傷進(jìn)行準(zhǔn)確評(píng)估。

表8 貝葉斯法可行性評(píng)估結(jié)果Tab.8 Feasibility assessment results by Bayesian method

3.5 波候變化下深海系泊纜疲勞損傷評(píng)估結(jié)果

兩個(gè)平臺(tái)系泊纜波候變化影響下25 個(gè)年份的疲勞損傷評(píng)估均采用前述的貝葉斯BP 神經(jīng)網(wǎng)絡(luò)優(yōu)化方法，將25 個(gè)年份剩余的各個(gè)年份波浪數(shù)據(jù)參數(shù)作為模擬輸入集，在貝葉斯神經(jīng)網(wǎng)絡(luò)模型下模擬100次取得平均值，最終的計(jì)算結(jié)果如圖7～10所示。

圖7 半潛式平臺(tái)系泊纜25個(gè)年份年疲勞損傷Fig.7 Fatigue damage of mooring lines of semisubmersible platform in 25 years

圖8 半潛式平臺(tái)各年份系泊纜年疲勞損傷相對(duì)初始年增加百分比Fig.8 Percentage increase of fatigue damage of mooring line in different years of semi-submersible platform relative to initial year

圖9 Spar平臺(tái)系泊纜25個(gè)年份年疲勞損傷Fig.9 Fatigue damage of mooring lines of Spar platform in 25 years

圖10 Spar平臺(tái)各年份系泊纜年疲勞損傷相對(duì)初始年增加百分比Fig.10 Percentage increase of fatigue damage of mooring line in different years of Spar platform relative to initial year

由圖7～10可以得出，利用貝葉斯正則化神經(jīng)網(wǎng)絡(luò)模型評(píng)估的系泊纜疲勞損傷結(jié)果與時(shí)域分析法的評(píng)估結(jié)果基本吻合，驗(yàn)證了該神經(jīng)網(wǎng)絡(luò)模型的精確性。從計(jì)算結(jié)果可知，考慮了波候變化的影響，半潛式平臺(tái)系泊纜和Spar 平臺(tái)系泊纜在壽命周期內(nèi)的年疲勞損傷將隨服役年限逐年增加。其中，半潛式平臺(tái)系泊纜年疲勞損傷由初始年的1.3398E-03 增加到第25 年的1.9335E-03，增大了44.31%；Spar 平臺(tái)系泊纜年疲勞損傷由初始年的7.3915E-04 增加到了第25 年的10.838E-04，增大了46.63%。此外，在25 個(gè)波候變化年份內(nèi)，半潛式平臺(tái)和Spar 平臺(tái)系泊纜各年份的疲勞損傷相對(duì)初始年的增加百分比呈線性增長(zhǎng)?？紤]浮式平臺(tái)的整個(gè)壽命周期，如果不考慮波候變化，半潛式平臺(tái)和Spar平臺(tái)系泊纜總疲勞損傷將被分別低估21.91%和23.41%，系統(tǒng)設(shè)計(jì)存在較大安全風(fēng)險(xiǎn)。

4 結(jié) 論

本文發(fā)展了一種基于貝葉斯正則化神經(jīng)網(wǎng)絡(luò)模型的系泊纜疲勞損傷評(píng)估方法，并探究了波候變化對(duì)兩個(gè)不同平臺(tái)系泊纜疲勞損傷的影響規(guī)律。通過(guò)數(shù)值模擬與分析，得到如下主要結(jié)論：

（1）對(duì)大跨度訓(xùn)練數(shù)據(jù)作相應(yīng)處理可提高網(wǎng)絡(luò)計(jì)算精度；神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)計(jì)算精度影響顯著，可通過(guò)調(diào)整隱含層層數(shù)和神經(jīng)元個(gè)數(shù)，確定最優(yōu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。

（2）基于貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)算法的深海浮式平臺(tái)系泊纜疲勞損傷評(píng)估模型可高效準(zhǔn)確地計(jì)算出系泊纜的疲勞損傷，可為深海系泊纜的疲勞設(shè)計(jì)提供技術(shù)指導(dǎo)。

（3）波候變化對(duì)深海浮式平臺(tái)系泊纜疲勞損傷影響顯著。在同一波候變化條件和水深下，半潛式平臺(tái)和Spar平臺(tái)的年系泊纜疲勞損傷值均大幅度提高，與初始年相比，設(shè)計(jì)壽命期最后一年兩個(gè)平臺(tái)的系泊纜年疲勞損傷均增大了近45%。因此，在深海浮體系泊系統(tǒng)長(zhǎng)期疲勞設(shè)計(jì)中忽略波候變化的影響將導(dǎo)致較大的安全隱患。

本文發(fā)展的模型有一定的效果，但也存在一些不足：（1）本文以簡(jiǎn)化的線性模型來(lái)表達(dá)波候變化與實(shí)際不甚相符，今后可參考實(shí)測(cè)與推算的波浪數(shù)據(jù)進(jìn)行海工結(jié)構(gòu)的疲勞損傷與剩余疲勞壽命評(píng)估；（2）本文僅研究了北海海區(qū)，但不同海區(qū)波候變化及適用的平臺(tái)類型不同，未來(lái)可對(duì)不同海區(qū)開(kāi)展研究，針對(duì)不同海區(qū)給出其波候變化對(duì)相應(yīng)海工結(jié)構(gòu)動(dòng)力響應(yīng)與疲勞損傷累積的影響規(guī)律，為實(shí)際工程設(shè)計(jì)提供技術(shù)支撐。