海上拖航过程的风险评估方法研究

以南海某平台组块海上拖航作业为例,阐述风险评估的基本流程;针对海上拖航过程提出一套具体、实用的风险辨识、事故树建立以及建立风险控制措施的方案;同时给出一种将风险因素定性计算予以量化的方法,即风险值计算方法,并且针对海油工程确定风险值标准.     

一次海上远距离拖航的现场预报服务

１９９８年１０月,笔者随船从南海北部拖“渤海四号钻井平台”去大连,在南海航行期间,恰好有９８０９和９８１０号台风活动,对拖航带来一定威胁。笔者对当时的天气形势进行了深入细致地分析后,发布了准确的预报并提出正确的防风建议,使拖航任务得以安全顺利地完成。     

自升式平台拖航稳性研究

本文计算了各类自升式平台在不同拖航操作状态下的稳性，并根据计算结果分析研究了这些操作的利弊。本文可供自升式平台设计、操作和检验者参考     

海洋结构物码头装船风险分析

在文献[1]的基础上,提出了海洋结构物在码头装船过程中的风险分析方法,包括以下内容:确定风险类别与风险源;建立各个施工过程的事故树;定性分析系统各个环节并找出薄弱环节;定量计算重点环节的风险值;风险排序并提出改进措施。并通过实例分析验证了方法的适用性。     

考虑拖航疲劳的火炬臂全寿命评估

针对导管架平台上部组块与火炬臂进行整体拖航的情况,提出考虑拖航累积损伤的火炬臂全寿命疲劳分析流程。采用MOSES和SACS软件建立上部组块带火炬臂整体拖航水动力模型和导管架平台整体有限元模型,计算拖航驳船运动惯性载荷、在位波载荷和在位风载荷引起的火炬臂管节点疲劳损伤,对火炬臂进行全寿命疲劳分析。引入拖航疲劳损伤率系数,量化拖航驳船运动对火炬臂各管节点疲劳损伤的影响。结果表明:拖航工况驳船运动惯性载荷造成的火炬臂疲劳损伤不容忽略,特别是对靠近火炬臂根部的管节点影响显著。因此,在对整体拖航下的火炬臂进行疲劳设计时,应对其进行全寿命疲劳分析。     

基于BP神经网络的航磁补偿方法研究

水中未爆弹危害极大,航空磁探因探测效率高的优势,常用于水中未爆弹的探测。飞机干扰磁场的存在限制了航空磁探的发展。传统的T-L模型待求参数间具有很强的复共线性,难以满足高精度磁补偿的要求,而神经网络算法具有容错率高、求解精度高的特点。首先使用BP神经网络建立干扰磁场的数学模型;随后,通过仿真生成干扰磁场以及未爆弹目标磁场信号对算法进行验证;最后,利用四旋翼无人机平台进行目标探测试验,补偿改善比超过20。试验结果表明,算法可以用于提高平台对水下目标探测的精度。     

自升式钻井平台海上迁航阻力计算研究

针对自升式钻井平台在海上迁航时的迁航阻力计算提出了一种计算方法,此种方法在吸收和归纳国内外迁航规范、标准的基础上,对某国内典型形式的自升式钻井平台迁航阻力的计算方法进行了研究。考虑迁航过程中静水力拖航阻力、风阻力载荷和波浪阻力的作用,同时根据平台的具体布置形式考虑了平台风阻力的遮蔽效应。在计算得到平台迁航阻力总阻力的基础上,对拖船选择和拖曳设备的配备给出了具体要求。最后,对具体平台的迁航阻力进行了算例研究,并同该平台操船手册中给出的迁航阻力进行了比较,迁航阻力计算结果符合良好。     

基于模糊评价理论的海洋工程采办过程风险分析方法研究

在具体研究了现代项目风险分析和风险管理常用方法基础上,将其中的事故树法、智爆法及风险指数致命度分析法相结合,利用模糊评价理论,建立了海洋工程采办过程风险分析方法。应用该方法对“曹妃甸11-1／2(CFD11-1／2)”项目的采办过程进行风险分析,得到了采办过程中的风险事故树及风险指数排序,并对风险指数较大的风险点提出建议及改进措施,进行风险规避,对工程实践起到了很好的指导作用。     

基于航位推算/水声定位系统的水下拖体组合导航方法

针对航位推算系统位置误差发散、水声定位系统输出信息波动大的特点,利用基于航位推算/水声定位系统的组合导航方法进行深拖系统导航定位。先利用多普勒速度仪和罗经的输出数据进行航位推算得到拖体位置,然后将此位置与水声定位系统输出的位置进行数据融合,得到连续、平滑的高精度深拖系统导航数据,实现水下拖体的高精度定位。应用此方法对海试实验数据进行了处理,实验结果表明:采用组合方法后,既限制了位置误差的发散,又减小了数据波动幅度,可以得到平滑的高精度位置。     

BP神经网络在海洋平台桩基轴向承载力中的应用研究

目前海洋石油导管架平台桩基础的轴向极限承载力常用的设计方法为API RP2A(美国石油协会)和静力触探(CPT)的方法.在这两种方法的基础上,提出了用BP神经网络模型对桩的轴向极限承载力进行计算的思路,能够有效地预测桩的轴向极限承载力.根据BP神经网络算法具有较强的非线性映射能力和学习功能的特点,通过对影响单桩极限承载力因素的分析,依据静力触探资料建立了基于BP神经网络的单桩轴向极限承载力预测模型.通过利用API RP2A方法分析成果对该模型进行学习训练和预测检验,证明了预测模型性能良好、具有较高的精度和收敛速度快等特点,验证了神经网络方法的可行性,预测结果能够指导桩基础设计,缩短周期.因而具有较大的工程实用价值.     

Adaptive Predictive Inverse Control of Offshore Jacket Platform Based on Rough Neural Network

The offshore jacket platform is a complex and time-varying nonlinear system,which can be excited of harmful vibration by external loads.It is difficult to obtain an ideal control performance for passive control methods or traditional active control methods based on accurate mathematic model.In this paper,an adaptive inverse control method is proposed on the basis of novel rough neural networks (RNN) to control the harmful vibration of the offshore jacket platform,and the offshore jacket platform model is established by dynamic stiffness matrix (DSM) method.Benefited from the nonlinear processing ability of the neural networks and data interpretation ability of the rough set theory,RNN is utilized to identify the predictive inverse model of the offshore jacket platform system.Then the identified model is used as the adaptive predictive inverse controller to control the harmful vibration caused by wave and wind loads,and to deal with the delay problem caused by signal transmission in the control process.The numerical results show that the constructed novel RNN has advantages such as clear structure,fast training speed and strong error-tolerance ability,and the proposed method based on RNN can effectively control the harmfid vibration of the offshore jacket platform.     

基于BP神经网络的摇臂式波浪发电平台取能效率预测

取能效率是衡量波浪发电装置设计合理与否的重要参考标准。文章首先介绍了摇臂式波浪发电平台,接着对BP神经网络的原理和算法进行了描述,最后以水池试验过程中收集的数据为样本数据,在Matlab平台上运用BP神经网络对实海况下摇臂式波浪发电平台的取能效率作了仿真预测。仿真结果表明：实海况下摇臂式波浪发电平台的取能效率达到了预期目标,进一步说明BP神经网络成功训练出可靠的网络,在此基础上预测的数据具有一定的参考价值。     

基于主成分分析的BP神经网络模型的形变预测方法

主成分分析可以提取形变主要信息,BP神经网络具有很强的预测功能,提出将两者相结合用于形变监测数据处理。通过MATLAB编程实现了该算法,并用实测数据进行验证,证明此方法能够提高预测数据的精度和可靠性。结果表明：与其他方法相比,基于主成分分析的改进BP神经网络能取得更好的预测效果。     

Seabed Classification Using BP Neural Network Based on GA

INTRODUCTIONUnderwaterremotesensingtools,suchasmulti beam ,sidescansonar,sub bottom pro file ,video ,etc .,arenormalmeanstoexploreseabed .Foreaseofnotation ,sidescansonarim ageisusedtodemonstrateseabedimage .Sidescansonarisakindofhigh resolutionimagingandcancontinuouslymonitorthechangesofseafloor.Inordertorelievetechniciansfromhardhandwork ,theautomaticclassificationbycomputerisneeded .Differentfromthespatialremotesensingimage ,underwatersonarimageistheformernon multi spectralimage .Theo…     

基于小波变换与神经网络的海洋平台结构损伤识别与定位研究

基于小渡变换的时频局域化特性和人工神经网络的非线性映射特性,将两者优点结舍发展了一种适用于海洋平台结构损伤识别与定位的新方法.以一典型海洋平台模型数值模拟结构损伤识别效果,结果表明将小渡变换和神经网络方法联合应用于海洋平台结构损伤识别与定位是切实可行的.     

基于BP神经网络的多特征融合变化检测方法

当前,随着遥感影像空间分辨率的提高,传统的变化检测方法已经无法满足实际应用的需要。针对这一问题,引入BP神经网络,提出了一种多特征融合的遥感影像变化检测方法。在提取影像光谱特征、纹理特征和空间特征的基础上,构建了用于进行二类分类的BP神经网络模型,并在一定数量的样本支持下,有效完成了变化信息的提取。实验表明,文中方法相比于传统的影像代数法和仅使用对象光谱特征的方法,在保持较高正确率的情况下,有效降低了漏检率和虚警率。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7 ETM 遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演。结果表明:具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5m的水深值反演精度较高,而对大于10m的水深值反演精度较低。     

基于BP神经网络的公交动态行程时间预测方法研究

公交行程时间的精确预测对于提升公交吸引力具有重要意义。本文基于公交车到离站的历史数据,综合考虑时间周期、站点、站间距离、天气等多个因素,建立了基于BP神经网络的公交车静态行程时间预测模型,以该模型为基础,采用动态迭代的方法,叠加多个站间行程时间预测结果,进一步构建了面向连续站点的公交车动态行程时间预测模型,实现对跨越多个站点的公交行程时间预测。以青岛市125路公交为例对算法进行测试。在模型的横向对比实验中,本模型预测结果的绝对误差均在50 s以内,平均绝对误差百分比(MAPE)为11.74%,均方根误差(RMSE)为23.15,R2的确定系数为0.905 1,SVM的MAPE、RMSE、R2 误差指标分别为:12.38%、38.33、0.743 6,LR对应的误差指标分别为:12.50%、25.59、0.884 1;在静态模型与动态模型的对比实验中,动态模型预测结果的MAPE为11.75%,RMSE为23.15,静态模型对应误差指标分别为:11.63%、26.74。研究结果表明,基于BP神经网络的公交动态行程时间预测模型比传统的静态预测方法具有更高的预测精度。