基于船舶缆绳载荷计算模型的系泊方案设计方法

船舶在港口系泊时一旦发生缆绳安全问题,会造成财产、人员等重大损失。因此,面对船舶缆绳的预警及应急处理情况时需要快速得到各缆绳的载荷值,以防止事故的发生。针对缆绳载荷的模型,基于船舶缆绳载荷计算模型,根据规范计算模拟得出载荷的分配模型,并为船舶提供一个可靠的系泊方案。基于此方案计算所得的缆绳载荷值,应用于“ASTERIA LEADER”轮,证明该系泊方案的可靠性。通过调整达到平衡状态时的各缆绳载荷值,缆绳载荷值组合是无穷多组解中的一个平衡状态下的解。若计算结果中缆绳载荷大于缆绳安全强度或破断力,说明现有系泊方案不能抵御船舶风流载荷,应提供优化缆绳配置方案或离泊避风的建议。

基于缆桩表面应力的船舶缆绳载荷测量方法

为解决配备系缆桩码头的船舶缆绳载荷测量问题,提出一种基于缆桩表面应力测量的缆绳载荷间接测量方法.采用应变电测法测量缆桩表面的应力,建立在缆绳载荷作用下缆桩表面应力理论计算模型;通过将测量值与理论计算模型联立方程组,求解得到缆绳载荷轴向分量和径向分量,合成缆绳载荷值;基于虚拟仪器技术搭建船舶缆绳载荷间接测量系统.实验结果显示,该系统的测量精度较高,缆桩表面应力与缆桩所受的缆绳载荷之间存在明显的对应关系.该方法可以作为配备缆桩码头的船舶缆绳载荷测量的有效途径.

组合小波分析与神经网络的船舶缆绳载荷预测

为实现船舶缆绳载荷短期高精度预测,提出一种将小波多尺度分解重构法与BP神经网络组合建模的预测算法。该组合算法利用小波多尺度分解重构法对非平稳的船舶缆绳载荷序列进行分解重构计算,将非平稳的原始缆绳载荷序列转化为多层较平稳缆绳载荷序列分量,再利用BP神经网络预测算法对各层分量建立预测模型,以实现短期预测计算。仿真结果表明:该组合算法实现了缆绳载荷的短期高精度预测,具有较强的细分与自学习能力,能够满足工程中对缆绳载荷预测精度的需要。

基于小波神经网络的船舶缆绳载荷预测方法

在船舶缆绳载荷准确预测的研究中,由于船舶缆绳载荷不仅受到风、流、浪等环境因素的影响,还受到船舶的船型、受风面积、吃水大小等因素的共同影响,因此具有较强的随机性和复杂性,是一种非平稳的时间序列,传统的神经网络预测模型在进行负荷预测过程中,无法处理这种非平稳信号导致很难进行准确测量。提出一种基于小波神经网络的船舶缆绳载荷预测方法,算法结合小波分析的时频局部特性与聚焦特性和神经网络的自学习、自适应和推广能力,将小波基函数作为神经网络的隐含层节点的传递函数,建立小波神经网络预测模型,以船舶缆绳的采集数据作为模型的输入与输出,利用小波函数处理非平稳信号的能量,解决缆绳负荷的非线性问题,凭借神经网络小区域计算能力,对预测结果进行进一步优化。仿真结果表明,小波神经网络用于船舶缆绳载荷数据处理,精度满足要求,具有良好的适用性。

浮式储存气化装置系泊系统紧急解脱风速研究

浮式储存气化装置(FSRU)作业时需要长时间系泊于码头上,其连续作业能力成为评估一个FSRU项目的重要指标。以天津FSRU项目为例,基于现场实际采集的风、浪、流数据和实测缆绳数据,通过建立FSRU系泊模型对系泊缆张力进行了数值模拟计算,并运用现场的缆绳载荷监测系统对计算结果进行了验证。研究结果表明,FSRU在风速超过《液化天然气码头设计规范》要求的20 m/s时并不需要紧急离泊,只有超过22.5 m/s时,须采取应急措施,高压外输臂会紧急切断并断开连接,在系泊缆张力达到破断力的50%之前无需进行离港操作,这样可以极大提升FSRU的作业效率,保证供气的连续性。研究结果可为今后FSRU的建设运行提供理论依据。