基于稀疏传感的海上风力发电机导管架结构全场应力重构方法

《Ocean Engineering》:A full-field stress reconstruction method for offshore wind turbine jacket structures based on sparse sensing

【字体: 大 中 小 】 时间:2026年01月06日 来源:Ocean Engineering 5.5

编辑推荐:

  全场应力监测对于海上导管架结构的疲劳评估和结构健康监测至关重要。然而,许多关键区域难以布置传感器,因此热点应力无法直接测量,这增加了疲劳评估的不确定性。基于此限制,本研究提出了一种数据驱动的应力场重构框架,该框架从仿真生成的数据集中增量学习一个低维应力子空间,

  
全场应力监测对于海上导管架结构的疲劳评估和结构健康监测至关重要。然而,许多关键区域难以布置传感器,因此热点应力无法直接测量,这增加了疲劳评估的不确定性。基于此限制,本研究提出了一种数据驱动的应力场重构框架,该框架从仿真生成的数据集中增量学习一个低维应力子空间,并从有限数量的传感位置重构全场冯·米塞斯(von Mises)应力分布。为了提高实际可行性和数值稳定性,秩揭示QR(RRQR)传感器选择策略增加了可部署性和反聚集约束,并引入了自适应岭(ridge)正则化方案来缓解病态问题并增强鲁棒性。该框架在一个复杂的三维导管架模型上使用高保真仿真数据进行了验证,展示了在不同结构段上的准确重构和一致泛化能力。噪声注入测试进一步证实了其鲁棒性,在10%高斯噪声下,自适应正则化将平均绝对误差(MAE)和均方根误差(RMSE)相对于固定正则化降低了约68%,并将决定系数(R2)从0.6556提高到0.9660。这些结果表明,所提出的方法为稀疏传感和测量噪声下以监测为导向的全场应力重构提供了一个潜在的解决方案。
### **论文解读:基于稀疏传感的海上风力发电机导管架结构全场应力重构方法**

#### **一、 研究背景与问题阐述**

在全球清洁能源需求日益增长的背景下,海上风电已成为战略重点。海上风力发电机(OWTs)长期在恶劣的海洋环境中运行,其支撑结构易产生显著的疲劳损伤。导管架基础作为常见的支撑结构,其管节点处的热点应力和应力集中是疲劳损伤的主导因素。因此,对导管架结构进行结构健康监测(SHM),特别是精确的应力监测,对于完整性管理、剩余寿命评估和故障预警至关重要。然而,由于水下可达性差、安装困难及维护成本高昂,在所有关键位置进行密集布设传感器通常不切实际。这导致热点应力无法直接测量,从而增加了疲劳评估的不确定性。

目前,实现从稀疏、低维测量数据中重构结构高维、时变应力状态是SHM的核心挑战。传统的全场重构方法,如基于模态的方法、Ko位移理论和逆有限元法(iFEM),在应用于拓扑复杂、局部应力集中显著的导管架结构时面临挑战。这些物理模型反演方法对测量配置敏感,往往需要在高应变梯度区域密集布设传感器,且易受测量噪声影响而产生病态问题。尽管人工智能(如深度学习)为稀疏传感下的实时应力重构提供了新途径,但其通常需要大量高保真标注数据,且泛化能力在新工况或测量质量下降时存在不确定性。因此,开发一种能够在稀疏传感和测量噪声下保持准确、稳定,并能适应长期非平稳运行条件的全场应力重构方法,对于保障导管架结构安全、实现经济高效的监测具有重要意义。本研究正是针对上述问题展开。

#### **二、 主要研究内容与方法概述**

为应对上述挑战,本研究提出了一种结合增量主成分分析(IPCA)和秩揭示QR分解(RRQR)的应力场重构框架(IPCA–RRQR)。该框架的核心是数据驱动的子空间降维,旨在从稀疏测量中重构全场冯·米塞斯应力。研究人员首先利用IPCA从历史数据和新样本中增量学习并更新低维应力模态,以适应非平稳条件下的响应演化。其次,在降维子空间内采用RRQR来选择信息含量高的测量点,并引入工程可及性约束和最小距离规则以避免过度聚集,提升部署可行性。最后,推导了从稀疏测量到全场应力的闭式映射,并引入由目标条件数引导的自适应岭正则化策略,以抑制病态放大并提高对测量噪声的鲁棒性。研究以渤海海域一台10兆瓦导管架式海上风力发电机(JOWT)为对象,通过高保真有限元仿真生成数据集,并采用缩比模型方法来控制计算成本。

#### **三、 研究结果与发现**

**1. 参数敏感性分析**
通过分析子空间维度r和传感器数量K对重构精度的影响,研究人员发现存在一个最优的r-K组合,能够在保证精度的同时最小化传感器成本。过小的r无法捕捉结构响应的主要特征,而过大的r则可能引入噪声;过少的K会导致观测不足,而过多的K则会增加成本且可能带来冗余信息。

**2. 基准模型与所提框架的性能对比**
将所提出的IPCA–RRQR框架与基线直接线性映射(LinMap)模型进行对比。结果表明,在相同传感器配置下,IPCA–RRQR框架在重构精度(以MAE、RMSE和R2衡量)上显著优于LinMap模型,证明了子空间降维和优化传感器选择的优势。

**3. 传感器选择策略的影响**
比较了随机选择、基于RRQR的选择以及增强可部署性和反聚集约束的RRQR选择策略。结果表明,增强约束的RRQR策略在保持高信息含量的同时,生成了更符合工程实际、空间分布更合理的传感器布局,避免了传感器过度集中在局部区域。

**4. 正则化策略的鲁棒性评估**
通过注入不同水平的高斯噪声进行测试,评估了固定正则化和自适应正则化策略的鲁棒性。结果显示,在10%的噪声水平下,自适应正则化将MAE和RMSE相对于固定正则化降低了约68%,并将R2从0.6556大幅提升至0.9660,显著提高了重构算法在噪声环境下的稳定性和准确性。

**5. 跨结构段的泛化能力**
研究进一步验证了所提框架在不同结构段(如上段、过渡段、下段)的泛化能力。结果表明,基于全局数据训练的IPCA模型能够有效捕捉不同区段的应力分布特征,使用局部传感器即可实现各段应力的准确重构,证明了该方法对于复杂空间结构的适用性。

**6. 传感器失效场景下的性能**
模拟了部分传感器失效的情况。研究发现,当失效传感器数量有限且分布不是特别关键时,所提框架凭借其子空间表示和正则化机制,仍能保持较好的重构性能,显示出一定的容错能力。

#### **四、 讨论与结论**

**讨论**:本研究成功开发并验证了一个用于海上导管架结构全场应力重构的数据驱动框架。IPCA的使用使得模型能够增量更新,适应长期运行中的响应变化,同时降低了计算和存储需求。结合工程约束的RRQR传感器选择策略,在理论最优和实际可行之间取得了平衡。自适应正则化策略有效解决了稀疏反演中的病态问题,大幅提升了抗噪声能力。与需要密集标注数据的深度学习方法相比,本框架更轻量、可解释,且对数据量的要求相对较低。然而,研究也指出,当前框架依赖于高质量的仿真数据来构建初始子空间,未来需要探索如何融合物理模型与实测数据,以进一步提升其在真实复杂海洋环境中的适应性。

**结论**:本研究提出了一种结合增量主成分分析和秩揭示QR分解的数据驱动框架,用于从稀疏测量中重构海上导管架结构的全场冯·米塞斯应力分布。该框架集成了IPCA以学习低维应力子空间、基于RRQR并增强可部署性和反聚集约束的传感器选择策略,以及自适应正则化方案以提高数值稳定性。使用高保真数值模拟生成的数据集进行的验证表明,该方法能够实现高精度的全场应力重构,在不同载荷、噪声和传感器可用性条件下均表现出良好的性能。其跨结构段的泛化能力也得到了证实。该框架为海上导管架结构的稀疏传感、面向监测的全场应力重构提供了一种有前景的解决方案。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号