基于数据的海洋钢丝绳抗拉性能评估方法

《Ocean Engineering》：Data-driven evaluation method for tensile performance of marine steel wire ropes

海洋工程钢绞线多源异构数据库与三层数据驱动评价框架构建，数值模拟实现非线性接触与渐进断裂行为高精度（误差<5%）预测，涵盖初始加载、腐蚀退化、有效股数减少三个关键阶段，误差分别控制在10%、20%以内，为复杂环境下钢绞线剩余强度评估与寿命预测提供可扩展方法。

　　

余超|王良志|杨江功|刘峰|白勇|王芳

上海海洋大学工程科学与技术学院，上海，201306，中国

摘要

作为海洋工程设备中的关键承重部件，钢丝绳在高载荷和动态条件下的抗拉性能至关重要。本研究建立了一个集成的多源异构数据库框架，用于系统地评估海洋钢丝绳的机械性能。提出了一种三层数据驱动架构，包括物理模型、数字模型和智能模型，以评估不同结构配置下的拉伸应力-应变关系。数值模拟准确捕捉了非线性接触和渐进性断裂行为，其断裂载荷与实验数据的偏差在5%以内。结果表明，数据驱动的预测框架能够有效重建三个关键演变阶段的整体抗拉性能：初始加载阶段（构造拉伸）、环境退化（均匀截面腐蚀）和损伤累积（有效股数减少）。对于以连续演变为特征的几何和腐蚀退化，数据驱动的预测误差保持在10%以下。在涉及承载钢丝离散损失和断裂的复杂情况下，该方法能够识别出高达约20%的偏差，并能准确评估结构响应的非线性转变。这种方法为复杂海洋环境中海洋钢丝绳的剩余强度评估和服务寿命预测提供了一个可扩展的范式。

引言

作为海洋和海洋工程中的关键承重部件，钢丝绳在高载荷和动态响应应用中发挥着不可或缺的作用。典型的应用场景包括海上系泊、重型吊装、锚定位、海上平台安装、海底管道铺设和深水拖曳。例如，钢丝绳是浮动结构与海底锚之间的主要连接件，在恶劣的海洋环境条件下承受持续的循环和随机拉伸载荷（Duan等人，2025年）。在海洋吊装和载荷转移操作过程中，钢丝绳会受到复杂的载荷条件影响，包括突然的动态力、掉落物体的冲击载荷以及船舶运动耦合产生的严重应力（Milone等人，2022年）。此外，浮动结构在风、波浪和水流作用下的运动会产生瞬时高幅度冲击载荷，这会加速疲劳损伤并在高应变率下引起塑性变形，从而影响钢丝绳的服务寿命和操作安全性（Yang等人，2022年）。因此，钢丝绳的抗拉性能——特别是其保持结构强度和轴向刚度的能力——是确保长期可靠性和结构完整性的基本属性。然而，性能演变始于施工拉伸过程中钢丝和股线的几何调整和定位所引起的非材料性伸长（Barsi等人，2025年），随后通过盐雾和潮湿介质引起的均匀截面腐蚀等环境退化，最终导致长期损伤累积，减少有效承载股数。在极端温度、高湿度和高盐度的复杂海洋环境中，准确预测机械转变的挑战尤为突出。这些因素强调了在材料选择、结构优化和在役性能评估方面进行严格研究的必要性，以确保海上作业的安全（Onur等人，2017年；Peterka等人，2018年；Kong等人，2024年；Long等人，2025年）。图1展示了典型海上吊装作业中使用的钢丝绳。

传统的评估海洋钢丝绳抗拉性能的理论方法主要关注静态载荷过程，通常无法充分描述整个动态失效行为和结构随时间的退化效应，可能导致评估结果过于保守或不够准确。为此，近年来结合结构本构方程的数值模拟受到了越来越多的关注。Xiang等人（2017年）应用三维数字图像相关性方法研究了钢丝绳在高应力条件下的弹塑性响应和失效机制，揭示了由于端部旋转和接触力导致的局部应力集中。然而，该方法在高应变区域表现出相对较高的误差。Liu等人（2020年）基于Love的杆理论，通过分层和直接计算公式分析了不同铺设方向和初始螺旋角下的钢丝绳抗拉响应，强调了层配置对绳索扭矩和抗拉行为的影响。De Menezes和Marczak（2021年）系统地比较了数值建模技术和结构本构方程，研究了单层钢丝绳的轴向拉伸、扭转和弯曲行为。他们的发现表明，梁单元模型在小螺旋角下的准确性较低，且对复杂几何形状和耦合载荷条件的适应性有限。Vahidi等人（2022年）开发了一种三维有限元模型，使用隐式分析方法评估了形状记忆合金钢丝绳的抗拉性能，并通过实验数据进行了验证，同时表征了应力-应变场和力-位移关系。尽管如此，该模型在复杂股线配置下的机械性能仍不够明确，限制了其实际应用。尽管许多学者对海洋钢丝绳的机械性能评估方法进行了研究，但现有方法仍主要依赖于昂贵的实验室测试和耗时的数值模拟。

近年来，人工智能（AI）与大规模结构力学数据的结合为评估钢丝绳的机械性能开辟了新的途径。数据驱动方法能够融合多源数据集，并利用机器学习揭示不同载荷和环境条件下的绳索特性与机械行为之间的复杂关系。Huang等人（2020年）开发了一种基于卷积神经网络（CNN）的损伤检测方法，在受控条件下实现了高识别精度。然而，该模型的性能高度依赖于图像质量和训练数据的多样性，在典型的海洋环境中的复杂背景或成像条件较差的情况下稳定性较低。Xia等人（2025年）采用跨尺度有限元方法提取了三个不同结构尺度下的变形数据，并构建了相应的结构响应数据库。虽然有效，但该方法计算复杂且资源需求高，限制了其在实时或大规模应用中的实用性。Palanisamy和Krishnaswamy（2025年）结合了混合Harris Hawks优化和粒子群优化（HHO-PSO）算法与人工神经网络（ANN）模型，优化了硬度、耐磨性、抗拉强度和疲劳寿命等关键性能指标。这种综合方法展示了AI增强优化在工业应用中的潜力。总之，这些研究表明数据驱动和基于AI的方法在推进钢丝绳性能评估方面的巨大潜力。然而，在计算效率、结构模型随时间的泛化能力以及在不同操作条件下的鲁棒性方面仍存在挑战，这突显了继续研究更适应性和资源高效的智能评估框架的必要性。

本研究聚焦于海洋工程中使用的钢丝绳，采用了一种综合方法，结合实验室测试、理论分析和数值模拟，系统研究了多股钢丝绳在轴向载荷传递和断裂失效过程中的损伤机制。提出了一种数据驱动方法，用于快速预测钢丝绳的抗拉失效性能。通过整合多源结构数据、有限元模拟结果和钢丝绳的实验测试数据，建立了一个高保真的钢丝绳抗拉失效行为数据库。该数据库全面考虑了材料的弹塑性应力-应变响应、由于均匀腐蚀导致的机械性能随时间的退化，以及由股线失效和减少引起的累积损伤效应。此外，通过引入数据插值算法，钢丝绳的结构失效评估从离散位置估计提升到了智能的全过程特征识别。这种方法为海洋环境中钢丝绳的结构设计优化和在役安全评估提供了系统的理论和方法论支持。

本研究的主要贡献有三个方面。首先，建立了一个三层数据驱动评估框架，包括物理模型驱动层、数字模型驱动层和智能模型驱动层，用于海洋钢丝绳的抗拉性能分析。其次，所提出的方法将传统的极限承载能力预测扩展到了完整的抗拉机械响应曲线的重建，实现了对性能演变的更全面表征。第三，为代表性结构演变和退化场景（包括施工拉伸变化、均匀截面腐蚀和由于钢丝断裂引起的有效股数减少）开发了一种统一的预测方法。这些贡献共同表明，本研究为海洋钢丝绳的抗拉性能评估和退化评估提供了一种系统且工程导向的方法。

章节摘录

钢丝绳的本构模型

钢丝绳是分层结构的螺旋组件，通常由多股钢丝围绕中心芯线螺旋缠绕而成。每股钢丝本身由几根单独的钢丝以螺旋方式绞合而成，股线配置如图2a所示。这些组件的几何排列决定了绳索的内部载荷分布、应力传递路径和整体宏观机械行为。如图2b所示，h₁代表

钢丝绳的抗拉承载能力评估

通过实验测试和参数化模拟进行了系统的机械评估。通过引入应力-应变关系、失效模式和应力分布，分析揭示了钢丝绳机械性能变化的敏感性。研究结果不仅为阐明极端载荷下的非线性机械机制提供了理论支持，还为基于这些关系的快速评估方法建立了经过验证的数据基础

结论

本研究通过多层次的方法创新，提高了钢丝绳抗拉性能的预测能力。通过将高保真有限元建模与数据驱动的预测框架相结合，研究将性能评估从传统的极限强度估计扩展到了抗拉行为的全面整体范围重建。主要发现总结如下：

• (1)
  开发了一个精细的几何-力学模型，能够捕捉

CRediT作者贡献声明

余超：撰写——审稿与编辑、项目管理、资金获取、概念构思。王良志：撰写——初稿、软件开发、形式分析。杨江功：监督、资源协调、调查。刘峰：可视化、验证、调查。白勇：监督、方法论制定、数据管理。王芳：验证、资源协调、方法论制定。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

作者感谢国家自然科学基金（资助编号：52571299）、上海自然科学基金（资助编号：25ZR1401160）以及中国鄂尔多斯市科技专项（资助编号：ZD20232309）的支持。