[发明专利]一种基于深度学习的深海养殖平台动力响应分析方法

说明书

一种基于深度学习的深海养殖平台动力响应分析方法，采用有限元的方法模拟深海养殖平台在海洋环境下的受力、运动和变形，同时利用BP神经网络，将波浪、海流等环境荷载作为输入，缆绳张力、结构危险点坐标以及平台运动作为输出；采用本方法可以获得任意工况下深海养殖平台的各项指标特征值以及判定；根据数值模拟与BP神经网络预报结果相对比后发现预报结果与数模结果较贴合，数值模拟的计算时间在2个小时以内；本发明可做到预报结果较为精确，同时也提高了预报监测的速度，且做成软件可随时下载监测；很好的解决了目前深海养殖平台预报监测不连续、不够准确、时间花费过长等问题，同时软件设置交互以及可视化功能，便于直观的进行分析监测。

技术领域

本发明属于水产养殖工程、水利工程和海洋工程技术领域，特别涉及到一种深度学习的方法用来进行深海养殖平台动力响应预报。

背景技术

我国是海洋大国，深海养殖平台作为海洋经济的重要组成部分近年来发展迅速。由于我国近海位于台风等恶劣海洋灾害高频发生区域，导致我国近海及深远海的渔业设施面临台风、强流等性质恶劣的海洋环境的严重威胁。深海养殖平台通常由浮架、网衣、系泊等系统组装而成，对于在恶劣海洋环境下这种组合式结构的受力、运动、变形等结构安全问题是需要快速有效的进行监测和预报的。

目前，国内外已经着手于海洋工程结构物的动力响应监测与预报。系泊系统的监测现阶段使用的倾角仪须同深海养殖平台一起安装在环境恶劣的深海并持续工作，会出现故障而导致数据监测不连续，还需要长期维护和较高成本。对于监测平台运动情况的GPS技术比较成熟，但其设计基于静力学公式，仍需提高系泊力计算精确度。鉴于人们对于监测与预报的要求是希望运算快捷、结果精确、处理直观方便，我们使用了近年来被广泛应用的人工智能与深度学习技术。深度学习技术依托于已有大数据，让机器自主学习获得规律，从而对于新的工况进行较为快速且精准的预报分析。

发明内容

为解决现有技术存在的上述问题，本发明的目的是，提供深海养殖平台的运动响应与深度学习结合技术，其主要方法如下：

A、模型设计及假设

对于深海养殖平台的浮架、网衣和系泊系统等主要组成部分，均采用非线性结构计算的方法，满足以下假定内容：

1.结构材料均匀且各向同性；

2.不考虑小变形假设；

3.结构变形满足几何非线性。

为满足材料的刚度近似及质量近似，假设浮架、网衣结构和缆绳都是由薄壁圆管组成，其中浮架结构由实际尺寸确定，网衣由柔性网材料的编织工艺造成的材料填充度确定，缆绳断面面积根据GB/T 549-2017《电焊锚链》相关内容选取。

B、数据库建立——数值模拟

对于深度学习的训练和预报，首先要建立足够庞大的数据库以供模型学习。这里采用数值模拟的方式来计算多种波浪、海流等因素下深海养殖平台的运动响应情况，建立数据库以供深度学习模型学习。

在本文的数值模拟中，对于深海养殖平台这种组合结构其主要受重力、浮力及水动力影响。对于浮架、网衣和系泊系统等部分结构均利用牛顿第二定律建立结构的运动微分方程。运用ANSYS中的圆管单元建立起浮架、网衣和系泊系统的有限元模型，运用四阶的Runge-Kutta方法求解整个系统的运动微分方程。通过求解上述方程组，可以得到波浪作用下重力式深水养殖网箱的运动响应，即可得到网衣的变形和锚绳张力等。

在对结构各组分进行受力分析时，沿着浮架系统、网目和缆绳等部分被划分成有限段微小的单元，应用大变形动态有限元分析方程分别计算每一单元的受力，最后得到整个结构所受的总载荷，进而建立起结构的运动微分方程。

所述的深海养殖平台模型的控制方程为大变形动态有限元分析方程：