基于LSTM的软刚臂单点系泊力预测方法研究

发布时间：2021-07-09 04:29

　　软刚臂单点系泊系统是一种在浅水中对浮式生产储卸油装置FPSO进行定位的重要装备。针对软刚臂单点受力的实时预测问题,提出了一种利用深度学习算法（长短期记忆神经网络模型LSTM）搭建适合软刚臂单点的人工神经网络模型,利用OrcaFlex耦合计算软件提供数值样本,通过Tensor Flow和Keras深度学习框架,形成软刚臂单点系泊力深度学习模型,用于实现系泊力的实时预测。通过深度学习预测值与数值计算值的实例对比,验证了模型的准确性。 

【文章来源】：天津科技. 2020,47(05)

【文章页数】：7 页

【部分图文】：

LSTM循环单元结构

在分析中，FPSO船体与软刚臂分别编号，为方便识别，分别设置“1”代表FPSO船体，“2”代表右系泊腿，“3”代表左系泊腿，“4”代表软钢臂，“5”代表系泊塔架(图2)。为保障训练出的神经网络估算值准确且训练过程快，在训练集的选取中，需要训练数据的覆盖面足够广(大致包含所在工况下FPSO船体与软刚臂运动的可能情况)、足够均匀(该工况下所有的运动响应都应有足够的数据量进行描述，避免对个别极值造成“淹没”)。训练神经网络的训练集以数值模型数据为主，对训练好的神经网络进行检验的检验集以数值模型数据为主，对检验好的神经网络进行验证的验证集以实测数据为主。

因此，针对该FPSO运动响应的单点系泊力计算中，提出了对输入数据进行特征提取，采用一阶矩和二阶矩的特征提取方法，从数值上描述其在所处的时间段中波动的唯一性。一阶矩和二阶矩的提取方法为：

【参考文献】：
期刊论文
[1]自适应神经网络在FPSO火灾预警中的应用[J]. 胡瑾秋,唐静静.  中国安全科学学报. 2017(12)
[2]基于神经网络和遗传算法的系泊优化设计[J]. 许小颖,周盼,王宽.  中国舰船研究. 2017(05)
[3]基于BP神经网络的系泊系统分析设计[J]. 田博,王文彬,吴承宪.  科学家. 2017(13)

硕士论文
[1]基于深度学习的数据融合在FPSO监测预警系统上的应用[D]. 赵旻昊.天津大学 2014



本文编号：3273026