考慮腐蝕和沖刷的海洋平臺損傷識別

林星文，王德禹

(1. 上海交通大學 海洋工程國家重點實驗室，上海 200240；2. 高新船舶與深海開發裝備協同創新中心，上海 200240)

考慮腐蝕和沖刷的海洋平臺損傷識別

林星文1, 2，王德禹1, 2

(1. 上海交通大學 海洋工程國家重點實驗室，上海 200240；2. 高新船舶與深海開發裝備協同創新中心，上海 200240)

以某導管架平臺為模型，對分別存在腐蝕和樁基沖刷影響的結構進行模態分析，表明在腐蝕和樁基沖刷的影響下海洋平臺的模態參數有明顯的時變效應。基于頻率變化和神經網絡算法的損傷識別方法有較好的記憶能力和泛化能力，可準確識別結構損傷程度。忽略腐蝕和樁基沖刷的影響，基于神經網絡算法的損傷識別結果產生較大誤差，難以對損傷程度實現有效識別。考慮腐蝕和樁基沖刷影響，提出基于神經網絡算法的海洋平臺損傷識別方法的改進方案。數值研究表明，改進方法識別誤差很小，可對損傷程度實現有效識別。

頻率變化；神經網絡；腐蝕；沖刷；損傷識別；海洋平臺

Abstract: Modal analysis of an offshore platform model under corrosion and scour condition respectively indicates that modal parameters are time varying. The damage identification method based on frequency change and neural network algorithm can precisely calculate damage severity for processing favorable recollection and externalization capacity. Neglecting the impact of corrosion and scour condition, valid damage severity calculation is hard to achieve as the results generated by neural network contain considerable errors. To consider the impact of corrosion and scour condition, an improvement for the neural network algorithm based damage identification method of offshore platform is proposed. Numerical analysis shows that the improved method is accurate enough to identify damage severity.

Keywords: frequency change; neural network; corrosion; scour; damage identification; offshore platform

海洋平臺是近海油氣資源開發的基礎設施，其所處環境惡劣，服役時間長，平臺結構容易發生損傷。平臺結構一旦發生失效破壞，其帶來的生命和財產損失是難以估量的。海洋平臺損傷檢測技術可以實現損傷定位以及損傷程度定量識別，對降低平臺維護費用及保障生命財產安全有重要意義。

國內外學者對海洋平臺的損傷識別方法進行了豐富而卓有成效的研究。刁延松等[1]提出了基于頻率變化的神經網絡的海洋平臺分類多重損傷診斷方法，有效實現了結構損傷定位和損傷程度識別。趙永濤等[2]研究了海洋平臺不同程度的損傷引起的結構頻率響應函數變化，表明利用頻率響應函數的變化可以檢測平臺結構的損傷。嵇春艷等[3]提出了基于小波包分析和神經網絡方法的海洋平臺三步法損傷定位方法，并對該方法進行了實驗驗證，表明該方法有較高的定位精度。Wang等[4]提出了基于時域響應信號的海洋平臺損傷檢測方法，數值分析表明該方法可以進行損傷定位及損傷程度估計。于菲等[5]提出基于振型差值曲率與神經網絡的結構損傷識別兩步法，利用振型差值曲率得到損傷的大致區域，利用低階固有頻率和模態確定損傷構件的準確位置。高志強等[6]應用導管架平臺物理模型對基于模態應變能的損傷檢測進行了試驗研究，該方法對于實際的模型能夠識別出結構的損傷位置。Liu等[7]提出了基于模態應變能的導管架平臺損傷定位的改進方法，試驗表明改進方法比原有方法有更好的損傷定位效果。

腐蝕和樁基沖刷對于海洋平臺而言是常見的損傷類型。吳宇新等[8]對平臺在非線性均勻腐蝕條件下的疲勞壽命分析表明，腐蝕影響下平臺的疲勞壽命有近一半的下降。嵇春艷等[9]通過仿真計算和模型試驗研究，表明腐蝕損傷對海洋平臺的極限強度影響較大，并提出考慮腐蝕損傷的海洋平臺極限強度計算方法。王樹青等[10]通過仿真計算，表明腐蝕及沖刷損傷逐年遞增使導管架平臺的極限承載能力及可靠度指標逐年下降，且沖刷損傷產生的影響要大于腐蝕損傷。王楠等[11]對沖刷損傷對樁基豎向承載力的影響進行了分析，表明沖刷作用導致樁基承載能力明顯下降，甚至引發刺穿失穩。薛洪志等[12]對腐蝕損傷下的海洋平臺動力響應的研究表明，腐蝕損傷對動力響應的影響較為明顯。

盡管眾多的研究表明，腐蝕和沖刷對海洋平臺的結構安全產生顯著的不利影響，但在基于動力特性的損傷識別研究中，既沒有針對腐蝕和樁基沖刷的損傷識別方法，也沒有在已有的損傷識別理論中考慮腐蝕和沖刷的影響。基于上述不足，對腐蝕和樁基沖刷引起的海洋平臺結構動力特性的時變效應進行了研究。考慮腐蝕和樁基沖刷影響，提出基于神經網絡算法的結構損傷檢測方法的改進方案，保證了基于神經網絡算法的結構損傷檢測方法的有效性和精確性。

1 基于頻率變化的損傷識別理論

基于頻率變化的損傷識別理論[13]認為頻率變化的大小可以反映損傷程度，基于頻率變化平方比的損傷識別理論[14]認為頻率變化平方比僅是損傷位置的函數。綜合上述兩種理論，對固有頻率變化和單元損傷程度的關系進行了重新梳理推導，建立起新的方程表達形式。

忽略阻尼的影響，結構自由振動的特征方程為

式中：K為結構的整體剛度矩陣；M為結構的整體質量矩陣；ω為固有頻率；Φ為振型。

通常認為結構損傷只是對結構的剛度產生影響，而質量幾乎不變。因此，損傷后的結構自由振動的特征方程可化為

式中：ΔK、Δω和ΔΦ分別是整體剛度矩陣、固有頻率和振型的改變量。

將式(2)展開，只保留一階項，并結合式(1)，得

以ΦT左乘式(3)，利用K和M的對稱性，并結合式(1)，得

使用質量歸一化后的振型，式(4)可化為

結構的總體剛度矩陣可分解為單元剛度矩陣，單元振型可由結構振型提取，則式(5)可化為

式中：Kn為n號單元的剛度矩陣；ΔKn為n號單元剛度變化量；εnΦ為n號單元的振型；N為損傷單元總數。

對于單損傷情況，損傷單元只有一個，式(6)可化為

定義單元損傷系數

將單元損傷系數代入式(7)，得

單元損傷程度較小時，式(9)表明固有頻率變化量與損傷系數呈線性關系。但是，由于在理論的推導過程中忽略了高階項，當單元損傷程度較大時，利用式(9)進行損傷程度定量識別的誤差較大。針對這一問題，利用神經網絡算法具有較強的非線性擬合能力的特點，下文采用結合頻率變化和神經網絡算法的方法進行損傷定量識別。

2 固有頻率的時變效應

腐蝕會造成平臺構件的厚度削減，從而導致結構的剛度和質量變化。樁基沖刷會造成平臺等效樁長度的增加，也會造成結構的剛度和質量的變化。腐蝕和樁基沖刷引起上述變化，必然會造成平臺結構動力特性的變化。因此有必要研究腐蝕和樁基沖刷條件下，平臺結構固有頻率隨時間的變化情況，即固有頻率的時變效應。

2.1分析模型

有限元分析模型為某石油生產平臺的等比例模型，平臺結構如圖1所示。WHPD平臺為四樁腿固定式導管架平臺，水下斜撐為X型結構。主要分為上層建筑和水下桿件兩個部分。上層建筑的構件由板單元和梁單元模擬，水下構件由梁單元模擬。平臺所處水深為16.7 m，水面以上平臺高度為34.5 m。樁腿外徑為1 938 mm，壁厚為44 mm。模型在樁腿泥面以下6倍樁徑處施加固定約束。

圖1 WHPD平臺有限元模型Fig. 1 Finite element model of WHPD platform

對未損傷模型進行有限元模態分析，得到結構前5階固有頻率，如表1所示。

表1 未損傷結構前5階固有頻率Tab. 1 First 5 natural frequencies of the undamaged structure (Hz)

2.2腐蝕條件下的平臺結構模態分析

以水下構件的厚度縮減表示腐蝕對平臺結構的影響，考慮均勻腐蝕模型，假定水下構件以2 mm/a的速度受到均勻腐蝕。分別對平臺在腐蝕環境下服役0、5、10、15和20年的結構模型進行模態分析。

定義結構損傷前后的固有頻率變化率為

式中：ωi表示第i階固有頻率，Δωi表示第i階固有頻率變化量。

在給定的線性均勻腐蝕情況下，結構前5階固有頻率變化率隨時間變化情況如圖2所示。由圖2可見，平臺結構前5階固有頻率變化率與時間呈線性變化關系，各階固有頻率變化率在-0.1%～3.1%之間。進一步分析可知，任意兩階固有頻率變化量之比相對穩定，不隨時間變化。

2.3樁基沖刷下的平臺結構模態分析

以平臺等效樁長度的增加表示沖刷對平臺結構的影響，考慮線性沖刷模型，假定等效樁長度以0.2 m/a的速度增加。分別對平臺在樁基沖刷環境下服役0、5、10、15和20年的結構模型進行模態分析。

在給定的線性樁基沖刷模型下，結構前5階固有頻率變化率隨時間變化情況如圖3所示。由圖3可見，平臺結構前5階固有頻率變化率與時間也基本呈線性變化關系，各階固有頻率變化率在0%～20%之間。相對于腐蝕而言，樁基沖刷對平臺固有頻率的影響更明顯。

圖2 腐蝕條件下固有頻率的時變效應Fig. 2 Time-variance of natural frequency in corrosion condition

圖3 樁基沖刷條件下固有頻率的時變效應Fig. 3 Time-variance of natural frequency in scour condition

3 基于頻率變化和神經網絡算法的損傷識別

3.1不存在腐蝕和樁基沖刷的海洋平臺損傷識別

以WHPD平臺為模型，設置單一損傷單元位于樁腿上。以彈性模量的折減，模擬單元受不同程度損傷，損傷程度為0表示未受損傷，損傷程度為1表示構件完全斷裂。對模型進行模態分析，得到不同損傷程度下結構前5階固有頻率。

以平臺結構的前5階固有頻率變化量為損傷特征向量，以不同損傷程度的損傷特征向量為神經網絡的訓練樣本，以對應的損傷程度為目標輸出，對神經網絡進行訓練，而后利用訓練好的神經網絡對測試樣本進行損傷程度識別。針對BP神經網絡學習收斂速度慢、網絡結構不易確定以及不能保證收斂到全局最小點的缺陷，本文采用遺傳算法對神經網絡的初始權值和閾值進行優化。

以平臺結構不同損傷程度的前5階固有頻率變化量構成的神經網絡訓練樣本，如表2所示。利用訓練好的神經網絡對輸入的測試樣本進行仿真識別，識別結果如表3所示。由表3可見，目標輸出值和網絡輸出值很接近，神經網絡的識別誤差均未大于0.01，識別精度很高。算例表明，BP神經網絡算法有較好的記憶能力和泛化能力，可對損傷程度實現準確識別。

表2 神經網絡訓練樣本Tab. 2 Training samples of neural network

表3 神經網絡識別結果Tab. 3 Identification results of neural network

3.2存在腐蝕和樁基沖刷對損傷識別的影響

遭受腐蝕和樁基沖刷影響的平臺結構，即便沒有發生結構的局部損傷，也會存在模態參數的逐年變化，因此忽略腐蝕和樁基沖刷的影響，將會對結構局部損傷的識別結果造成誤差。

樁基單元損傷情況下，未受腐蝕和樁基沖刷的平臺結構的結構前5階損傷固有頻率變化量如圖4所示；遭受1年腐蝕和樁基沖刷的平臺結構的結構前5階損傷固有頻率變化量如圖5所示。除構件斷裂情況外，兩者之間存在明顯的差異。

圖4 未受腐蝕和樁基沖刷的損傷固有頻率變化量Fig. 4 Variations of natural frequencies without corrosion and scour

圖5 受腐蝕和樁基沖刷1年后的損傷固有頻率變化量Fig. 5 Variations of natural frequencies with 1-year corrosion and scour

忽略腐蝕和樁基沖刷的影響，將經受腐蝕和樁基沖刷1年的平臺不同損傷程度的前5階固有頻率變化量作為損傷特征向量輸入3.1節建立的損傷識別網絡，其識別結果如表4所示。由表4可見損傷程度較小時，網絡識別誤差較大；損傷程度增大時識別誤差減小。這反映了受腐蝕和沖刷影響的損傷特征向量相對于未受腐蝕沖刷影響的損傷特征向量存在差異，且損傷程度較小時差異大，損傷程度較大時差異小。

表4 忽略腐蝕和樁基沖刷的神經網絡識別結果Tab. 4 Identification results of neural network ignoring corrosion and scour

3.3考慮腐蝕和樁基沖刷的海洋平臺損傷識別

考慮腐蝕和樁基沖刷的影響，需要對結構的腐蝕和樁基沖刷情況有準確的認識，并據此對損傷識別方法進行有效的改進。針對固有頻率的時變效應，對神經網絡的訓練方法提出了改進措施：在損傷特征向量加入時間變量，構造新的損傷特征向量，即原來的損傷特征向量中僅包含前5階固有頻率變化量：

Δω1Δω2Δω3Δω4Δω5

新的損傷特征向量中包含時間變量和前5階固有頻率變化量：

tΔω1Δω2Δω3Δω4Δω5

以新的損傷特征向量為神經網絡的訓練樣本，以對應的損傷程度為目標輸出，對神經網絡進行訓練，并輸入測試樣本進行仿真識別，對識別網絡進行驗證。神經網絡的訓練樣本如表5所示。

表5 考慮腐蝕和樁基沖刷的神經網絡的訓練樣本Tab. 5 Training samples of neural network considering corrosion and scour

神經網絡仿真識別結果如表6所示。由表6可見，神經網絡的識別誤差均未大于0.03，識別精度在可接受范圍內。即改進后損傷識別神經網絡，對于腐蝕和樁基沖刷下的結構損傷可實現有效識別。

表6 考慮腐蝕和樁基沖刷的神經網絡識別結果Tab. 6 Identification results of neural network considering corrosion and scour

在實際工程應用中，由于測量噪聲的干擾，結構損傷特征向量中固有頻率變化量存在一定的誤差。為了驗證改進方法的抗干擾能力，給表6中測試樣本的前5階固有頻率變化量施加大小為5%的隨機誤差，而后輸入神經網絡重新進行仿真識別，識別結果如表7所示。由表7可見，神經網絡的識別誤差均在0.04內，表明在噪聲干擾下，神經網絡仍有較好識別效果。

表7 考慮噪聲干擾的神經網絡識別結果Tab. 7 Identification results of neural network considering noise interference

4 結 語

通過上面的分析研究可得到如下結論：1)基于頻率變化和神經網絡算法的損傷識別方法可以準確估計結構損傷程度；2)在腐蝕和樁基沖刷的影響下，結構的模態參數隨時間發生明顯變化，忽略腐蝕和樁基沖刷的影響，會對基于神經網絡算法的損傷檢測方法造成很大的誤差；3)考慮模態參數的時變效應，在損傷特征向量加入時間變量，是基于神經網絡法的損傷識別方法的有效改進，可保證腐蝕和樁基沖刷條件下的神經網絡損傷識別精度。

需要指出的是，對于海洋平臺這一類大型超靜定結構，其固有頻率較小，個別構件的損傷不會使其固有頻率產生較大的變化，因此基于頻率變化的損傷識別方法要應用于工程實踐，頻率的測量精度需要滿足較高的要求。

[1] 刁延松, 李華軍. 基于神經網絡的海洋平臺損傷診斷研究[J]. 振動與沖擊, 2006, 25(4): 98-103.(DIAO Y S, LI H J. Study on damage diagnosis of offshore platform by artificial neural networks[J]. Journal of Vibration and Shock, 2006, 25(4): 98-103. (in Chinese))

[2] 趙永濤, 殷敏謙, 曾紅軍, 等. 海洋平臺結構損傷檢測研究[J]. 中國海洋平臺, 2008 (5): 23-26. (ZHAO Y T, YIN M Q, ZENG H J, et al. Studies on the detection of offshore platform structure[J]. China Offshore Platform, 2008 (5): 23-26. (in Chinese))

[3] 嵇春艷, 陳明璐, 元志明, 等. 海洋平臺結構損傷識別與定位新方法及試驗驗證[J]. 海洋工程, 2010, 28(4): 9-17. (JI C Y, CHEN M L, YUAN Z M, et al. Model test studies on the new method of offshore platform damage identification and localization[J]. The Ocean Engineering, 2010, 28(4): 9-17. (in Chinese))

[4] WANG Zhen, ZHAO Zhigao. Damage detection of offshore platform structures using time domain response data[C]//Proceedings of the 2010 International Conference on Intelligent Computation Technology and Automation (ICICTA). 2010: 1079-1084.

[5] 于菲, 刁延松, 佟顯能, 等. 基于振型差值曲率與神經網絡的海洋平臺結構損傷識別研究[J]. 振動與沖擊, 2011, 30(10): 183-187. (YU F, DIAO Y S, TONG X N, et al. Damage identification of an offshore platform based on curvature of modal shape difference and BP neural network[J]. Journal of Vibration and Shock, 2011, 30(10): 183-187. (in Chinese))

[6] 高志強, 陳祥余, 高建虎, 等. 導管架平臺損傷檢測技術試驗研究[J]. 中國海洋平臺, 2013, 28(6): 23-27. (GAO Z Q, CHEN X Y, GAO J H, et al. Experimental study on damage detection technique of jacket platform[J]. China Offshore Platform, 2013, 28(6): 23-27. (in Chinese))

[7] LIU F, LI H, LI W, et al. Experimental study of improved modal strain energy method for damage localisation in jacket-type offshore wind turbines[J]. Renewable Energy, 2014, 72: 174-181.

[8] 吳宇新, 宋曉杰, 黃一,等. 基于非線性均勻腐蝕理論的抗冰海洋平臺疲勞分析[J]. 中國海洋平臺, 2008(5): 15-18. (WU Y X, SONG X J, HUANG Y, et al. Fatigue analysis of ice-resistant offshore platform based on the nonlinear uniform corrosion methodology[J]. China Offshore Platform, 2008(5): 15-18. (in Chinese))

[9] 嵇春艷, 薛洪志. 腐蝕損傷下海洋平臺極限強度計算方法及試驗研究[J]. 海洋技術學報, 2014, 33(1): 56-61. (JI C Y, XUE H Z. Experimental study and numerical method on the ultimate strength of fixed offshore platform with corrosion[J]. Journal of Ocean Technology, 2014, 33(1): 56-61. (in Chinese))

[10] 王樹青, 韓雨連. 服役中后期導管架海洋平臺結構可靠性評估[J]. 江蘇科技大學學報: 自然科學版, 2010, 24(2): 107-111. (WANG S Q, HAN Y L. Reliability assessment of existing offshore jacket platform[J]. Journal of Jiangsu University of Science and Technology, Natural Science Edition, 2010, 24(2):107-111. (in Chinese))

[11] 王楠, 徐永臣, 宋玉鵬,等. 沖刷作用下樁基承載能力分析[J]. 海洋地質前沿, 2013, 29(9):54-58. (WANG N, XU Y C, SONG Y P, et al. Bearing capacity of the pile foundation under scouring[J]. Marine Geology Frontiers, 2013, 29(9):54-58. (in Chinese))

[12] 薛洪志, 嵇春艷. 腐蝕損傷下海洋平臺動力響應研究[J]. 中國海洋平臺, 2015, 30(2):85-90. (XUE H Z, JI C Y. Dynamic response study of jacket platforms with corrosion under random wave loads[J]. China Offshore Platform, 2015, 30(2):85-90. (in Chinese))

[13] 鐘軍軍, 董聰, 夏開全. 基于頻率及振型參數的結構損傷識別方法[J]. 華中科技大學學報: 城市科學版, 2009, 26(4): 1-4. (ZHONG J J, DONG C, XIA K Q. Structural damage detection method based on natural frequency and mode shape[J]. J. of HUST, Urban Science Edition, 2009, 26(4): 1-4. (in Chinese))

[14] 董五安, 楊世浩. 頻率變化平方比向量確定結構損傷位置[J]. 噪聲與振動控制, 2013(3): 226-230. (DONG W A, YANG S H. Identification of structure damage positioning using frequency-change square ratio vector[J]. Noise and Vibration Control, 2013(3): 226-230.(in Chinese))

Damage identification of offshore platform considering corrosion and scour condition

LIN Xingwen1, 2, WANG Deyu1, 2

(1. State Key Laboratory of Ocean Engineering, Shanghai Jiao Tong University, Shanghai 200240, China; 2. Collaborative Innovation Center for Advanced Ship and Deep-Sea Exploration, Shanghai 200240, China)

P751

A

10.16483/j.issn.1005-9865.2017.03.003

1005-9865(2017)03-0021-08

2016-03-09

教育部、財政部“船舶數字化智能設計系統”資助項目(201335)

林星文(1991-)，男，碩士研究生，主要研究方向為海洋工程結構健康監測及損傷識別。E-mail:linxw_sjtu@sjtu.edu.cn

王德禹。E-mail：dywang@sjtu.edu.cn