论文部分内容阅读
近些年来,随着我国海洋探测和资源开采任务的不断增加,能够进行升降作业的深海起重机得到了广泛的应用。深海起重机在海上作业时,会受到海浪持续不断的扰动,因此在深海起重机负载入水、出水期间,负载承受着较大的水动力变化,这会对负载造成损害或导致缆绳断裂,并且进一步造成严重事故,损害生命财产安全。为了安全有效地完成深海起重机的负载起重工作,对不同波浪条件下水动力负载进行建模计算的能力就显得至关重要。为了研究深海起重机起重过程中负载与波浪之间的相互作用,本文主要进行了以下工作:
首先,基于开源计算流体力学软件OpenFOAM和waves2foam库建立了一个三维数值波浪水池。为了验证当前数值波浪水池模型的计算准确性,首先将一个静止竖直圆柱放置在数值波浪水池的中央,得到了竖直圆柱的受力和圆柱周围的波浪自由面随时间变化的时域结果,以及该时域结果经过快速傅里叶变换后得到的频域结果,将时域和频域结果与已经发表文献的结果进行比较,验证了当前模型对于静止负载的准确建模;随后将一个凸字形运动负载放置在水池中央,得到了负载的旋转角度和线性位移随时间变化的时域数据,并将此数据与已经发表文献的结果进行了比较,验证了当前模型对于运动负载的准确建模。
其次,本文在上述建立的数值波浪水池模型的基础上,研究了起重机负载与入射波浪之间呈现不同的相对姿态角度时,负载的受力随着相对姿态角度的变化而变化的情况。分别研究了圆柱、正方体、长方体这三种不同形状的负载,考虑了这三种负载单独绕三个全局坐标系轴旋转的情况,对于正方体和长方体负载,还考虑了二者同时绕两个全局坐标系轴旋转的情况,最终得到了一个通用的结论。这个结论表明对于圆柱和长方体这种类长方形的负载,当负载绕其长边旋转时,负载所承受的力矩就会急速的变化,急速变化的力矩方向与负载绕着旋转的坐标轴的方向一致。当前的研究也得到了负载所承受的力和力矩在某些角度下最小的结论,这些研究都为深海起重机负载的安全起重提供了理论支持。
然后,本文在负载受力随着相对姿态角度变化而变化的研究基础上,开发实现了一个OpenFOAM嵌入版本的PID控制器,该控制器给定PID的增益系数以及负载的目标位置信息和姿态角度信息之后,控制器就会施加控制量到负载上,使得负载始终保持在这个位置和姿态不变化。为了验证当前的PID控制器,先将该控制器应用在一个没有波浪作用的震荡衰减圆柱上,这个圆柱即使没有控制器约束也会最终达到静止在静水面上的平衡状态,而控制器可以加速其达到平衡状态;然后将该控制器应用在运动负载上,经过控制器的约束,一个受到波浪持续扰动的初始静止凸字形负载可以保持初始姿态静止不动。
最后,本文将深度学习方法应用到计算流体力学的领域,提出了一种结合深度学习模型和计算流体力学模型的负载受力预测方法。首先通过当前使用计算流体力学(Computational Fluid Dynamics,CFD)软件建立的数值波浪水池模型得到大量的时间序列数据,包括负载的受力、姿态角度、位移、速度等参数随时间变化的数据,随后将这些数据作为训练集和测试集提供给pytorch的循环门控单元(Gated Recurrent Unit,GRU)模型进行训练,最终训练好的模型可以实现负载的受力预测,只要将负载的位移量、旋转量以及对应速度信息和波浪条件作为输入,就能得到负载所承受的力和力矩情况。
首先,基于开源计算流体力学软件OpenFOAM和waves2foam库建立了一个三维数值波浪水池。为了验证当前数值波浪水池模型的计算准确性,首先将一个静止竖直圆柱放置在数值波浪水池的中央,得到了竖直圆柱的受力和圆柱周围的波浪自由面随时间变化的时域结果,以及该时域结果经过快速傅里叶变换后得到的频域结果,将时域和频域结果与已经发表文献的结果进行比较,验证了当前模型对于静止负载的准确建模;随后将一个凸字形运动负载放置在水池中央,得到了负载的旋转角度和线性位移随时间变化的时域数据,并将此数据与已经发表文献的结果进行了比较,验证了当前模型对于运动负载的准确建模。
其次,本文在上述建立的数值波浪水池模型的基础上,研究了起重机负载与入射波浪之间呈现不同的相对姿态角度时,负载的受力随着相对姿态角度的变化而变化的情况。分别研究了圆柱、正方体、长方体这三种不同形状的负载,考虑了这三种负载单独绕三个全局坐标系轴旋转的情况,对于正方体和长方体负载,还考虑了二者同时绕两个全局坐标系轴旋转的情况,最终得到了一个通用的结论。这个结论表明对于圆柱和长方体这种类长方形的负载,当负载绕其长边旋转时,负载所承受的力矩就会急速的变化,急速变化的力矩方向与负载绕着旋转的坐标轴的方向一致。当前的研究也得到了负载所承受的力和力矩在某些角度下最小的结论,这些研究都为深海起重机负载的安全起重提供了理论支持。
然后,本文在负载受力随着相对姿态角度变化而变化的研究基础上,开发实现了一个OpenFOAM嵌入版本的PID控制器,该控制器给定PID的增益系数以及负载的目标位置信息和姿态角度信息之后,控制器就会施加控制量到负载上,使得负载始终保持在这个位置和姿态不变化。为了验证当前的PID控制器,先将该控制器应用在一个没有波浪作用的震荡衰减圆柱上,这个圆柱即使没有控制器约束也会最终达到静止在静水面上的平衡状态,而控制器可以加速其达到平衡状态;然后将该控制器应用在运动负载上,经过控制器的约束,一个受到波浪持续扰动的初始静止凸字形负载可以保持初始姿态静止不动。
最后,本文将深度学习方法应用到计算流体力学的领域,提出了一种结合深度学习模型和计算流体力学模型的负载受力预测方法。首先通过当前使用计算流体力学(Computational Fluid Dynamics,CFD)软件建立的数值波浪水池模型得到大量的时间序列数据,包括负载的受力、姿态角度、位移、速度等参数随时间变化的数据,随后将这些数据作为训练集和测试集提供给pytorch的循环门控单元(Gated Recurrent Unit,GRU)模型进行训练,最终训练好的模型可以实现负载的受力预测,只要将负载的位移量、旋转量以及对应速度信息和波浪条件作为输入,就能得到负载所承受的力和力矩情况。