《Results in Engineering》：Prediction of the dynamic response of a 20 MW spar-type offshore wind turbine under level ice loads using LSTM networks
编辑推荐：
本研究开发了一种两阶段长短期记忆网络（LSTM）框架，用于预测20 MW Spar式漂浮式海上风机（FOWT）在平整冰载荷下的六自由度（6DOF）运动及系泊缆张力。提出了一种加权滚动策略（weighted roll-out strategy），以实现长期预测。
本研究开发了一种两阶段长短期记忆网络（LSTM）框架，用于预测20 MW Spar式漂浮式海上风机（FOWT）在平整冰载荷下的六自由度（6DOF）运动及系泊缆张力。提出了一种加权滚动策略（weighted roll-out strategy），以实现长期预测。在所研究的工况中，预测运动相关系数（correlation）范围为0.60至0.97。该框架基于预测时间序列、功率谱密度（power spectral density）、相关性散点图（correlation scatter）以及概率密度函数（probability density function），在三种不同风速工况下进行了评估。
论文解读
一、研究背景与问题提出
漂浮式海上风机（FOWT）在冰覆盖海域部署时，会面临来自漂移冰排的严重结构和运行挑战，这些冰排可能损害结构完整性并降低耐波性能。要充分捕捉气动、水动、结构和系泊之间的相互作用，需要全耦合时域模型，但针对敏感性或概率性研究（如极限状态和疲劳极限状态分析）的重复参数化模拟成本高昂。近期综述强调了耦合动态表征的重要性，以及预测对系泊模型保真度的依赖性。
尽管机器学习已在寒冷地区海洋工程中展现出强大潜力，但预测系泊FOWT在风和冰联合载荷下的长期响应仍然具有挑战性。外部载荷、六自由度刚体运动和系泊缆张力构成一个耦合的非线性动力系统，当数据驱动模型或标准递归深度学习实现远超初始观测窗口进行滚动预测时，误差会累积。直接从历史环境载荷到未来系泊张力的单一模型，必须同时学习全局平台动力学信息、平台运动向导缆孔（fairlead）的传递以及系泊缆的非线性响应，且需融合不同时间特征的信号。此外，针对大型FOWT在平整冰载荷下系泊系统性能的研究极为有限。大型FOWT因其巨大的物理尺寸和柔顺系泊配置，面临复杂的耐波挑战。
二、研究内容与主要结论
为填补上述空白，本研究提出了一种基于LSTM网络的两阶段深度学习框架，用于预测20 MW Spar式FOWT在平整冰载荷下的全耦合动态响应。训练数据由风机全局响应仿真工具SIMA耦合经验证的半经验冰模型生成，涵盖多个随机生成的风种子实现。研究的主要创新在于两阶段网络架构与新型加权滚动策略的结合。
第一阶段从外部激励和平台响应的可用历史数据预测未来全局平台响应，训练六个独立LSTM网络分别捕获平台在冰力和气动力联合作用下的6DOF运动分量。采用线性加权方案作用于连续重叠窗口，以保持时间连续性并抑制超出训练时间范围的数值漂移。第二阶段利用预测的平台轨迹估计未来系泊缆张力，完整预测的6DOF运动轨迹通过多输出LSTM网络，直接绕过预测单根系泊缆张力所需的高度非线性悬链线映射。这种两阶段分解遵循从外部载荷到平台运动、再到系泊响应的物理传递路径。
研究结论表明，所提出的框架在所研究的三种不同风速工况下，预测运动相关系数范围为0.60至0.97，能够有效预测平台运动和系泊缆张力，为冰覆盖区域深水风电基础设施的长期可靠性和安全性评估提供了高效精确的替代模型。
三、关键技术方法
研究人员采用的主要关键技术方法包括：两阶段LSTM网络架构，第一阶段使用六个独立LSTM网络分别预测6DOF运动分量，第二阶段使用多输出LSTM网络预测系泊缆张力；加权滚动策略，通过线性加权方案作用于连续重叠窗口实现长期预测；训练数据由SIMA仿真工具耦合经验证的半经验冰模型生成，涵盖多个随机风种子实现；模型评估基于预测时间序列、功率谱密度、相关性散点图和概率密度函数等多维度指标。
四、研究结果
4.1 6DOF运动响应预测
研究人员通过第一阶段六个独立LSTM网络，分别预测平台在纵荡（surge）、横荡（sway）、垂荡（heave）、横摇（roll）、纵摇（pitch）和艏摇（yaw）六个自由度上的运动响应。预测结果表明，平台运动主要由相对低频的刚体动力学主导，各自由度预测与仿真结果具有良好的一致性，相关系数随预测时域延长而有所变化。
4.2 系泊缆张力预测
研究人员通过第二阶段多输出LSTM网络，将预测的6DOF运动轨迹直接映射到三根系泊缆的张力预测。系泊缆张力包含与几何非线性和系泊缆恢复作用相关的更宽频率范围。预测的系泊缆张力在时域和频域上均与仿真结果吻合良好。
4.3 加权滚动策略效果评估
研究人员通过对比加权滚动策略与单次预测和未加权递归滚动的结果，验证了线性加权方案在维持时间连续性和抑制数值漂移方面的有效性。加权滚动策略显著延长了有效预测时域，减少了长期预测中的误差累积。
4.4 多工况泛化能力验证
研究人员在三种不同风速工况下对框架进行了系统评估，涵盖预测时间序列、功率谱密度、相关性散点图和概率密度函数四个维度。结果表明，框架在不同风速条件下均保持稳定的预测性能，运动预测相关系数范围为0.60至0.97，验证了模型的泛化能力。
五、讨论与结论
研究讨论部分指出，两阶段分解遵循物理传递路径，使平台运动和张力映射能够使用任务特定的缩放和模型参数，同时保留预测的6DOF运动作为可解释的中间状态。两个阶段代表耦合系统的有组织近似，并不意味着平台和系泊动力学是独立的。
研究结论部分总结如下：本研究提出了一种基于LSTM网络的两阶段深度学习框架，结合加权滚动策略，成功实现了20 MW Spar式FOWT在平整冰载荷下6DOF运动和系泊缆张力的长期预测。该框架提供了高效精确的快速响应预测替代模型，对冰覆盖区域深水风电基础设施的长期可靠性和安全性评估具有显著优势。未来工作可进一步扩展至更广泛的冰载荷工况和风机平台类型，以增强框架的适用性和鲁棒性。
