《Ocean Engineering》：Hybrid integrated optimization methods for preliminary design of floating wind turbine substructure: Latin Hypercube Sampling and Bayesian method
编辑推荐：
•
基于自主研发的Pywind平台，开发了一种用于浮动风力涡轮机子结构的时域集成设计优化框架。
•
实施了一种结合拉丁超立方抽样和贝叶斯优化的混合策略，用于高维设计空间的探索。
•
这种混合方法比纯拉丁超立方抽样（LHS）或基于随机的方法能够获得高出30
- •
基于自主研发的Pywind平台，开发了一种用于浮动风力涡轮机子结构的时域集成设计优化框架。
- •
实施了一种结合拉丁超立方抽样和贝叶斯优化的混合策略，用于高维设计空间的探索。
- •
这种混合方法比纯拉丁超立方抽样（LHS）或基于随机的方法能够获得高出30%-40%的最优结果，并且收敛更加稳定。
- •
该框架为浮动风力涡轮机子结构提供了可扩展且易于解释的设计工作流程，支持自适应和考虑不确定性的优化。
引言
浮动风力涡轮机（FWTs）的设计优化已成为海洋可再生能源研究中的一个关键课题，因为这些系统具有高度耦合和非线性的动态响应。与固定底部的风力涡轮机不同，FWTs由于风、波浪和电流的相互作用而产生显著的运动，导致复杂的空气-水-伺服-弹性响应（Maali Amiri等人，2024年）。因此，准确的建模和优化必须考虑不同时间和空间尺度上的多物理场相互作用（Pei等人，2026年）。这些挑战因需要在随机环境条件下确保全局稳定性、结构完整性和功率性能而变得更加复杂。在FWT系统的所有组件中，浮动子结构的优化最具复杂性（Hegseth，2020年）。子结构必须同时满足静力平衡、流体动力学效率、结构强度和可制造性的要求，同时与塔架、转子-机舱组件和系泊系统保持兼容性。其几何参数（如柱间距、浮筒尺寸和压载物分布）直接影响整个涡轮机的整体刚度、自然周期和运动响应。因此，优化过程成为一个高维、强耦合的问题，涉及多个目标和约束（Ojo，2024年）。每次设计迭代通常需要时域仿真来捕捉完全耦合的动态响应，这导致计算成本很高。这些因素共同使得子结构优化成为实现高效、可靠且经济高效的FWT设计的主要瓶颈。
为了解决这些挑战，FWTs的设计逐渐从顺序或基于组件的程序发展为集成设计优化（IDO）框架，这些框架能够在单一建模环境中一致地评估空气动力学、流体动力学、结构和控制的耦合效应。在频域方面，国家可再生能源实验室（NREL）开发的RAFT框架提供了一个系统级建模工具，能够计算平均偏移量、响应幅度系数和功率谱密度，同时考虑平台流体动力学、准静态系泊、叶片元件动量空气动力学和线性化控制效应（Hall等人，2022a, 2022b）。其主要优势在于计算效率，适合早期设计空间探索和控制协同设计。在更广泛的WEIS框架（Jonkman等人，2021年）中，RAFT作为一个低到中等保真度的分析模块，与WISDEM和OpenFAST接口，以支持多保真度系统级优化（Dykes等人，2015年）。与此同时，基于时域的框架越来越多地被采用，以捕捉更高物理保真度的非线性、瞬态空气-水-伺服-弹性响应。这些方法通常将参数化的子结构、塔架和控制模型与时域求解器耦合，并采用基于梯度或进化策略的优化算法。尽管这些方法提供了更准确的动态表示，但它们经常存在实现碎片化、配置特定于案例以及计算需求过高的问题。尽管有这些进步，大多数现有研究仍然依赖于频域近似或单独的组件级工具，这些工具无法完全捕捉FWT子结构设计中关键的非线性耦合动态。
与集成框架的发展并行，大量研究集中在FWTs初步设计的优化策略上。多目标优化算法被广泛用于平衡平台稳定性、结构强度、成本和能量捕获效率。例如，Qiao等人（2024年）开发了一个基于多保真度替代品的优化框架，使用NSGA-II在半潜式平台的流体动力性能和结构应力响应之间进行权衡。最近的研究已从单目标优化（例如成本最小化或稳定性最大化）转向多目标和多约束协同设计，采用先进算法来增强全局搜索能力和参数敏感性分析（Pan等人，2025年）。这些方法在加速早期设计和提高参数优化的鲁棒性方面已被证明是有效的。然而，仍存在一些挑战。许多优化框架中的物理约束建模仍然不足，尤其是在描述平台耦合动力学和波频响应方面（Karimi等人，2017年）。因此，未来的研究趋势指向结合数据驱动学习与物理信息和多保真度建模方法的混合智能优化策略，旨在实现FWT设计的高精度和计算效率。
与此趋势一致，本文作者使用开源和内部仿真环境进行了一系列关于FWT集成设计优化的工作。早期的工作使用基于OpenFAST的平台进行暴力参数研究，后来开发了Soft Actor-Critic（SAC）强化学习框架来加速浮动子结构的设计空间探索（Chen等人，2026年）。这些研究验证了将高保真时域仿真与智能优化算法相结合的可行性，提供了关于动态响应行为、运动稳定性和载荷缓解机制的宝贵见解。在之前开发的Pywind-IDO仿真框架（Dong等人，2025年；Yirou等人，2026年）的基础上，该研究通过提出一种混合优化策略来解决高效设计空间探索的剩余挑战。该框架进一步应用于建立和验证基于拉丁超立方抽样（LHS）的优化方案，提高了初步设计评估的自动化和效率。然而，无论是暴力方法还是基于采样的方法仍然依赖于大量高保真仿真才能达到收敛，这限制了复杂多目标问题的计算成本和可扩展性。
为了解决这些挑战，本文提出了一种用于FWT子结构初步设计的混合集成优化方法，该方法结合了拉丁超立方抽样和贝叶斯优化（LHS-BO）。所提出的策略结合了LHS的全局探索能力和贝叶斯推理的自适应学习效率，在准确性和计算效率之间取得了平衡。这种混合方法嵌入在基于Pywind的时域IDO框架中，提高了收敛行为，并实现了整个FWT系统的系统化、多保真度优化。这些结果推进了适用于下一代FWT设计的实用、自动化准备就绪且计算效率高的IDO方法。本文的其余部分组织如下：第2节介绍了所提出的混合集成设计优化的整体方法和框架架构。第3节介绍了半潜式FWT的案例设置，并提供了数值配置。第4节“结果与讨论”和第5节“结论”讨论了优化结果、收敛行为和设计性能评估。最后，第6节总结了主要发现并概述了未来的研究方向。
章节片段
方法论
本节介绍了所提出的FWT子结构AI增强IDO的方法论框架。它概述了整体工作流程和关键组件，包括参数建模、流体动力学和耦合动态分析以及混合优化（LHS-BO）。
浮动风力涡轮机模型描述
本研究考虑了一个旨在支持IEA 15 MW参考涡轮机的半潜式FWT系统。该平台采用三柱布局，涡轮机安装在侧面，引入了质量和载荷分布的纵向不对称性。这在实现静力平衡方面带来了挑战，特别是在保持纵向重心与平台几何中心线的对齐方面，这对静态稳定性和动态性能至关重要。如图4所示
结果与讨论
本节介绍了应用提出的LHS-BO混合框架（拉丁超立方抽样和贝叶斯优化）来优化FWT子结构设计的结果。
结论
本研究开发了一种时域集成设计优化（IDO）框架，用于浮动风力涡轮机（FWT）子结构的初步设计，结合了自动化参数建模、流体动力学和耦合动态仿真以及AI驱动的混合优化。所提出的框架在内部开发的Pywind平台中实现，建立了直接连接几何生成、压载均衡、频域流体动力学和时域的闭环工作流程
CRediT作者贡献声明
Peng Chen： 写作 – 审稿与编辑，撰写原始草案，方法论，调查，概念化，资金获取。Li Dong： 写作 – 审稿与编辑，调查。Rumping Feng： 写作 – 审稿与编辑，调查。Zhongyao Fan： 写作 – 审稿与编辑，调查。Liyun Zhu： 写作 – 审稿与编辑，调查。Yirou Kang： 写作 – 审稿与编辑，可视化，调查。Zhengshun Cheng： 写作 – 审稿与编辑，监督，调查。
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
作者感谢上海科技和技术开发基金（授权号25DZ3002401）、国家自然科学基金（授权号42176210、52201330、42406218）的支持
