《Ocean Engineering》：Automated modal identification of offshore wind turbines via an uncertainty-quantified stochastic subspace method
编辑推荐：
海上风电支撑结构操作模态分析提出自动化识别方法，基于改进的协方差驱动随机子空间识别与三阶段筛选框架，结合不确定性量化有效抑制伪模态，通过扬江风电场双案例验证（单桩/ jacket基础）在台风等复杂工况下可靠识别结构动态特性，发现阻尼比与风速强相关，为结构健康监测提供实用方案。
宋静|周康|舒振如|蔡晓英|段明刚
可再生能源民用与建筑设计研究院，上海勘察设计研究院有限公司，中国上海
摘要
运行模态分析对于捕捉风力涡轮机在实际运行条件下的动态行为和检测潜在损伤至关重要。本研究提出了一种自动化模态识别方法，用于识别处于运行状态下的海上风力涡轮机（OWT）支撑结构。该方法基于协方差驱动的随机子空间识别方法，并通过不确定性量化技术和三阶段模态筛选框架进行了改进。通过在中国阳江风电场安装的单桩基础和导管架基础两种全尺寸OWT的现场测量数据，验证了该方法的有效性和鲁棒性。结果表明，该方法能够可靠地识别出各种运行条件下的结构动态特性，包括台风事件期间。此外，观察到阻尼比与风速之间存在显著相关性，表明空气动力阻尼具有重要影响。所提出的方法为OWT的结构健康监测提供了实用解决方案，从而有助于发展具有韧性和可持续性的海上风电基础设施。
引言
海上风力涡轮机容量的增加、轮毂高度的提高以及水深的加深，使得海上风力涡轮机的运行频率更接近波浪载荷频率，可能导致振动幅度增大。因此，需要进一步研究其动态特性，特别是支撑结构的阻尼特性（Bajri?等人，2018年；Qu等人，2022年；Van Vondelen等人，2022年）。结构健康监测已成为确保海上风力涡轮机安全、可靠性和效率的重要手段。动态分析能够提供关于其在不同环境条件下行为的宝贵见解。此外，它还有助于识别关键参数，包括自然频率、模态形状和阻尼比，这些参数对海上风力涡轮机的设计、运行和维护至关重要（Gentils等人，2017年；Oliveira等人，2018年；Sheng和Hong，2021年；Li等人，2022年）。
实时监测已成为推进海上风力涡轮机结构动态分析的关键工具。与传统定期检查不同，实时监测能够实现连续的数据收集和分析，有助于制定主动维护策略，降低结构故障和停机风险（Plevris和Papazafeiropoulos，2024年；Zhou等人，2025年）。运行模态分析（OMA）因其能够在不中断正常运行的情况下识别海上风力涡轮机结构的动态特性而受到广泛关注。随机子空间识别（SSI）方法被广泛用于OWT的模态识别。例如，H?ckell和Rolfes（2013年）结合三角测量技术使用SSI方法识别了一台5 MW OWT的模态参数。Van Der Valk和Ogno（2014年）应用数据驱动的SSI方法和稳定性图提取了一台3.6 MW OWT的前四个模态频率和阻尼比。Zierath等人（2018年）采用SSI和无权主成分方法识别了一台2 MW风力涡轮机的模态参数。然而，传统的SSI方法容易受到环境噪声和谐波干扰的影响，在运行过程中常常产生虚假模态，并且依赖于手动选择系统阶数和模态筛选，这限制了自动化的程度。为了解决谐波干扰问题，Dong等人（2018年）提出了一种改进的SSI方法（HM-SSI），通过风力涡轮机原型的现场测量数据成功识别了不同运行条件下的模态参数。然而，这种方法需要精确的谐波频率知识，这在实际应用中颇具挑战性。Song等人（2025年）开发了一种结合卡尔曼滤波和深度学习的识别方法，有效处理了OWT中的混合谐波和随机激励，但其适用性仅限于稳定运行条件。尽管在OWT的OMA方面取得了显著进展，但现有方法在自动化方面仍存在不足，特别是在参数选择方面，并且难以应对OWT复杂的运行环境和变化条件，这严重限制了结构健康监测的进步。为此，本研究提出了一种基于不确定性量化的SSI方法和多级筛选框架的自动化模态识别方法，用于风力涡轮机支撑结构。
本文的其余部分结构如下：第2节概述了新型模态参数识别方法的概念和方法论。为了验证该方法的有效性，分析了两种不同类型的海上风力涡轮机支撑结构，结果在第3节中展示。第4节总结了主要结论。
章节摘录
方法论
本节首先介绍了协方差驱动的随机子空间识别（SSI-COV）方法及其相关的不确定性量化方法的理论背景。在此基础上，提出了用于海上风力涡轮机支撑结构的自动化模态参数识别方法。
单桩基础海上风力涡轮机的现场应用
单桩基础的OWT因其施工简便和成本效益而被广泛采用，适用于水深小于35米且地质条件较好的情况。其缺点包括刚度低、变形大、频率低以及易受侵蚀。为了验证所提出的模态识别方法在现实场景中的适用性，本文使用了位于中国阳江风电场的单桩支撑OWT的加速度数据结论
本文提出了一种用于运行条件下海上风力涡轮机支撑结构的自动化模态识别方法。该方法将不确定性量化的SSI-COV方法与三阶段筛选策略（硬筛选、基于不确定性的过滤和DBSCAN聚类）相结合，实现了海上风力涡轮机的自动化模态识别。所提出的自动化模态识别方法可以有效抑制虚假模态候选项，并提供
CRediT作者贡献声明
宋静：撰写 – 审稿与编辑、项目管理、资金获取、正式分析、数据整理。周康：撰写 – 审稿与编辑、初稿撰写、可视化、方法论研究、概念构思。舒振如：监督、资源协调、数据整理。蔡晓英：可视化、验证、项目管理。段明刚：初稿撰写、验证、软件开发。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的竞争性财务利益或个人关系。
致谢
本研究得到了国家重点研发计划（2023YFB4203100）、上海浦江计划（项目编号23PJ1421900）、国家自然科学基金（项目编号52208475）、111计划（项目编号D21021）以及广州市科技规划项目（项目编号20212200004）的支持。
