圆形重力式深水网箱受灾破坏机理分析(4)
本文通过开展重力式深水网箱受灾破坏机理分析,明确了其受灾破坏的主控因子,可以为当地渔业管理部门进行灾前预测、灾中救助及灾后损失评估提供科学依据。
[1] 郭根喜,陶启友,黄小华,等.深水网箱养殖装备技术前沿进展[J].中国农业科技导报,2011,13(5):44-49.
[2] 董国海,孟范兵,赵云鹏,等.波流逆向和同向作用下重力式网箱水动力特性研究[J].渔业现代化,2014,41(2):49-56.
[3] 桂福坤,吴常文,李玉成,等.纯流下带底圈重力式网箱的水动力特性试验研究[J].中国海洋平台,2008(5):8-14.
[4] 李坤鹏.波流作用下网箱浮架结构动力响应和疲劳分析[D].大连:大连理工大学,2016.
[5] 赵云鹏.深水重力式网箱水动力特性数值模拟研究[D].大连:大连理工大学, 2007.
[6] 许条建.离岸组合式网箱水动力特征研究[D].大连:大连理工大学, 2013.
[7] 毛雨婵.配重对深水重力式网箱水动力特性的影响[D].大连:大连理工大学,2005.
[8] 佩塔克.自然灾害风险评价与减灾政策[M].北京:地震出版社,1993.
[9] 马景灏.中国海典型区域风暴潮灾害经济损失预警研究[D].青岛:中国海洋大学,2011.
[10] 桂福坤.深水重力式网箱水动力学特性研究[D].大连:大连理工大学,2006.
[11] Zhao Y P,Bai X D,Dong G H,et analysis of the elastic response of a floating collar in waves[J].Ocean Engineering,2015,95:175-182.
[12] 唐启义.DPS数据处理系统[M].北京:科学出版社,2013.
[13] LI Y,GUI F,TENG behavior of a straight floating pipe under wave conditions[J].Ocean Engineering,2007,34(3-4):552-559.
[14] Shih T H,Liou W W,Shabbir A,et al.A new k-ε eddy viscosity model for high reynolds number turbulent flows[J].Computers & Fluids,1995(24):227-238.
[15] Bi C W,Zhao Y P,Dong G H,et investigation of the reduction in flow velocity downstream from a fishing net[J].Aquacultural Engineering,2013(57):71.
我国是世界第一水产养殖大国,养殖产量占世界总产量的70%以上[1]。然而,我国养殖设施化和工程化水平不高,生产技术水平低。简陋的设施、装备无法抵御大风浪和灾害性天气。由于近海台风等海洋灾害性气候高发,近海及深远海网箱遭受台风、强流等恶劣海洋环境的严重威胁,严重阻碍了我国海水养殖业的健康发展。因此开展我国深水网箱受灾破坏机理研究,可为养殖个体提供相应的预警信息、防灾减灾措施意见,为相关部门进行灾前预判、灾中救助及灾后损失估算提供科学依据[2-3]。我国多采用重力式深水网箱。重力式深水网箱主要是由浮架系统、网衣系统、锚碇系统和配重系统组成,如图1所示。李坤鹏利用ANSYS有限元软件对浮架结构在波浪和水流作用下的水动力特性进行了数值模拟[4]。赵云鹏利用集中质量法建立网衣的数学模型[5],分析了菱形网目和方形网目在不同流速下的变形特征。许条建分析了组合式网箱的锚碇系统[6]在恶劣海况下,锚泊锚绳断裂之后整个锚绳系统的张力会重新分布,断裂之后的锚绳张力由其他的锚绳来分担,其他的锚绳也可能会随之发生连续断裂。毛雨婵分析了网箱在不同配重形式和配重大小下[7],在纯波、纯流和波流情况下的动力特性。图1 重力式深水网箱示意Fig.1 Sketch of a gravity cage国外的研究主要是集中在风暴潮灾害的风险评估上,但对风暴潮灾情的预警研究较少。佩塔克对美国风暴潮灾害风险区域的划分和评估方法做出了详细的阐述[8]。国内学者运用定量分析方法对风暴潮灾害灾情的等级划分研究较少,主要集中在对其他自然灾害灾情的划分上。马景灏将熵值法、灰色关联度法、主成分分析法3种综合评价方法和Kendall一致性检验方法相结合[9],对我国沿海地区风暴潮灾害经济损失进行了等级划分,并构建了灾情预警模型。之前的研究主要是集中在重力式深水网箱的水动力特性和风暴潮灾情的预报上,并未对风暴潮对重力式深水网箱致灾破坏机理做出解释以及预警,其受灾因子(风、浪、流、设施结构脆弱性)、设施受灾响应、受灾机理尚不完全清晰,导致每年海洋设施渔业的灾前预判和应对不够有针对性。根据受灾调查,圆形重力式深水网箱的受灾破坏是指在风暴潮的作用下网箱的锚绳和浮架内部应力会急剧增加,从而更容易达到其极限应力,破坏的可能性也增加;网箱的容积保持率也会减小,从而导致鱼类大量挤压缺氧而死亡。本文通过实验室自行开发的DUT-FlexSim软件得到的重力式深水网箱水动力数据作为训练数据,通过BP神经网络建立受灾因子与网箱结构受损的定量关系,从而实现重力式深水网箱结构破坏的预警,并用灰色关联度识别重力式深水网箱受损的受灾破坏的主控因子,其分析流程图如图2示。图2 分析流程Fig.2 Flow chart of analysis1 计算方法本文获取的训练数据来源于DUT-FlexSim软件,经过大量物理模型试验与数学模拟试验的对比,该软件能正确地反映重力式深水网箱的水动力特性[2];计算采用刚体运动学原理建立浮架和底圈的运动微分方程,采用集中质量法建立网衣和锚绳的运动微分方程;最后采用四阶Runge-Kutta法求解运动微分方程[5],进而得到重力式深水网箱的网衣变形、锚绳张力。然后通过ANSYS求解浮架的应力。由于篇幅有限,本文只做简要介绍 浮架的模拟重力式深水网箱的浮架系统主要是由内外两根浮管、立柱、注塑三通构件以及扶手组成[10]。模型中将浮架简化为单根浮管,将浮架离散成有限段微元,计算每段的载荷,然后叠加,进而得到整个浮架的载荷,从而建立浮架的运动方程 网衣和锚绳的模拟网衣简化为一系列的集中质量点,集中质量点位于目脚两端和中间位置,集中质量点之间采用无质量的弹簧连接,通过求解各质量点的运动微分方程可以获得各个质量点的位移,最终得到网衣的运动和受力[5]。根据相关文献,采用Morison公式计算端节点受到的水动力时,水动力系数选取为1.0[10]。锚绳由无质量弹簧连接的集中质量点模拟,微段由有限个无质量的弹簧和两端的集中质量点构成[6] 浮架结构变形和应力分析浮架是由两根HDPE空心管组成,所以通过壳单元建立其有限元模型[11]。通过水动力模型计算浮架在水流、波浪下的受力,通过迭代最终求解出浮架在波浪作用下的变形和应力分布[11]。2 数据处理方法本文采用BP神经网络算法,以第1节数值计算得到的数据为样本,对数据进行训练,建立了受灾因子(波高、周期、水深及周长)和重力式深水网箱结构受损(锚绳张力的最大值、容积保持率的最小值及浮架应力最大值)的定量关系,进而利用灰色关联度识别重力式深水网箱的受灾破坏主控因子 BP神经网络算法[12]风暴潮对重力式深水网箱的致灾破坏是一个复杂的非线性的问题,如果每一种工况都采用第1节所述的水动力数值方法,费时费力,效率低下,无法实现快速预警。本文通过建立BP神经网络表达非线性关系。该方法省时、快速、效率高,能够快速计算出重力式深水网箱在波浪作用下的水动力响应,从而实现风暴潮对重力式深水网箱致灾破坏的预警。BP神经网络的层与层之间靠神经元实现权连接,而层内神经元之间并没有联系。典型的BP神经网络包括输入层、隐含层和输出层,BP神经网络算法能实现大规模并行计算,并有很强的自适应学习能力,是一种集合了推理学习、知识表达、联想记忆的模型。其优点表现在能够快速识别多指标、大样本数据、容错和推理性很强。以神经网络算法独有的优势,可以较好地解决重力式深水网箱受灾破坏这类多因素、不确定和非线性问题,其优点主要表现在以下几个方面。(1) BP神经网络寻找输入与输出之间的关系主要是根据所提供的训练数据,而并非依据主观的判断,从而降低了人为主观的影响。(2) 重力式深水网箱的受灾破坏过程中指标之间存在复杂的非线性关系,这恰恰是BP神经网络算法所擅长的,模型依靠输入层、隐含层和输出层的内在关系,在风暴潮下可以对重力式深水网箱的致灾破坏进行预警。将n个受灾因子输入到输入层,隐含层处理这些信息后传到输出层,输出值Y即重力式深水网箱所遭受到的结构破坏。在确定输入信息时,力求全面、客观、真实地反映风暴潮对重力式深水网箱致灾破坏的主要因素,从而得到相对准确的评价值。本文中,由于该非线性函数输入层有4个输入参数,输出层有一个输出参数,隐含层包括5个节点,所以BP神经网络的结构为4-5- 灰色关联度[12]任何系统都是由因素组成,因素之间的关系复杂。灰色关联度法就是利用一定的方法理清系统中各个因素的主要关系,找出影响最大的因素。系统中两个因素之间关联性大小的量度叫作关联度,如果两者在系统发展过程中相对变化基本一致,则认为两者关联度大,反之,两者关联度较小。灰色关联度法通过计算第i个对象的第k个指标的关联系数θi(k),利用简单的加权求和思想计算指标的灰色关联度。关联系数越大,说明与最优指标越接近,则待评价对象的评价值越高。而重力式深水网箱的受灾破坏是一个发展变化的复杂过程,层次复杂,结构关系模糊,指标数据呈现不完全和不确定。目前,由于技术方法、统计等原因,网箱的受灾破坏数据不仅样本少,还存在着一定的误差、缺失、模糊等问题。因此运用灰色关联度方法分析深水网箱受灾破坏进行综合评价是比较合适的。具体分析步骤如下。(1) 确定分级指标。设n个数据序列形成如下矩阵:(1)其中m为指标的个数(2) 确定参考数列。参考数列应该是一个理想的比较标准,可以以各种指标的最优值(或最劣值)构成参考数列,记作:(2)(3) 对指标数据进行无量纲化。无量纲化后的数据列形成如下矩阵:(3)常有的无量纲方法有均值法、初值化法。其中,均值法初值法i=0,1,…,n;k=1,2,…,m(4) 逐个计算每个被评价对象指标序列与参考序列对应元素的绝对值,即│x0(k)-xi(k)│(k=1,…,m,i=1,…n),确定│x0(k)-xi(k)│与│x0(k)-xi(k)│。(5) 计算关联系数。ξi(k)=(4)式中,k=1,…,m,ρ为分辨系数,在(0,1)内取值,通常ρ取0.5。(6) 计算关联度。对各评价对象分别计算其指标与参考序列对应元素的关联系数的均值,以反映各个评价对象与参考序列的关联关系,即关联度:(5)即关联度最高的因子为主控因子。3 算 例3.1 计算工况研究中选取的网箱规格、尺寸及水文资料都是以温州南麂岛附近的海域的实际调研情况为样本。本研究中选取了周长分别为40,60 m及80 m的圆形重力式深水单体网箱,系泊方式为4点系泊,计算水深分别为20,22 m及23 m,计算了其在规则波浪作用下的水动力响应。计算工况如表1所示 计算结果重力式深水网箱结构受损的指标包括: 网箱锚绳张力的最大值、容积保持率最小值以及浮架应力的最大值。通过计算,得到了周长分别为40,60 m和80 m的圆形重力式深水单体网箱在水深分别为20,22 m和23 m时在设计工况下的锚绳张力最大值、容积保持率最小值以及浮架应力最大值的变化。其中图3~5分别为周长40 m的网箱在不同深度下锚绳张力最大值、容积保持率最小值及浮架应力最大值的对比。表1计算工况 parameters for numerical simulation工况波高/m周期/s工况波高/m周期/s工况波高/m周期/s工况波高/m周期/......5图3 周长40 m的网箱不同深度锚绳张力最大值Fig.3 Maximum tension of mooring lines of the net cage (circumference 40 m) at different depth图4 周长40 m的网箱不同深度容积保持率最小值Fig.4 Minimum effective volume ratio of the net cage(circumference 40 m) at different depth3.3 结果分析利用第1节的水动力数值模型得到的输入输出数据作为BP神经网络的训练数据,使训练后的神经网络能表达输入和输出的非线性关系。为了验证这种模型的正确性,根据设计需要,总共计算了144组工况,从中取140组作为训练数据,用于网络训练,剩下的4组作为测试数据,用于测试的工况,见表2。锚绳张力最大值的期望输出和预测输出如图6所示,容积保持率的最小值的期望输出和预测输出如图7所示,浮架应力最大值的期望输出和预测输出如图8所示。图中圆点代表期望输出值,它是由水动力数值模型计算出来的结果,三角形的点代表预测输出值,它是由BP神经网络计算出来的结果。通过对比发现两者非常接近,两者之间误差的最大值均在10%以内,在接受的范围内。说明BP神经网络的方法是可行的,进而解释了BP神经网络所建立的这种模型能够很好拟合受灾因子与重力式深水网箱结构破坏的关系。图5 周长40 m的网箱不同深度浮架应力最大值Fig.5 Maximum stress of floating collar of the net cage(circumference 40 m) at different depth表2试验工况 conditions编号浪高/m周期/s水深/m网箱周长/m148.0 .9 .6 .8 2380图6 锚绳张力最大值期望值与预测值的对比Fig.6 Comparison between expected value and predicted value of the maximum tension of mooring lines运用2.2节中所述的灰色关联度方法对水动力数值模型计算出的数据进行灰色关联分析。分析所得受灾因子与锚绳张力最大值的关联序列见表3。比较发现,波高的关联系数为0.56,与其他受灾因子的关联系数相差较大,因此波高是主控因子。受灾因子与容积保持率的最小值的关联序列见表4。通过比较发现,周长和水深的关联系数分别为0.39和0.36,较波高和周期的关联系数明显偏大,因此周长为主控因子,水深为次要因子。受灾因子与浮架应力最大值的关联序列见表5,通过比较发现,周长的关联系数为0.56,较其他破坏因子的关联系数偏大,周长为主控因子。图7 容积保持率最小值期望值与预测值的对比Fig.7 Comparison between expected value and the predicted of the minimum effective volume ratio图8 浮架应力最大值期望值与预测值的对比Fig.8 Comparison between expected value and predicted of maximum stress of floating collar表3受灾因子与锚绳张力最大值的关联序列 sequence of the hazard factors and the maximum value of mooring lines受灾破坏因子关联系数受灾破坏因子关联系数波浪0.56周长0.30周期0.46水深0.30表4受灾因子与容积保持率最小值的关联序列 sequence of the hazard factors and the minimum effective volume ratio受灾破坏因子关联系数受灾破坏因子关联系数周长0.39波高0.25水深0.36周期0.24表5受灾因子与浮架应力最大值的关联序列 sequence of the hazard factors and the maximum stress of floating collar受灾破坏因子关联系数受灾破坏因子关联系数周长0.58波高0.34周期0.35水深0.314 讨 论通过3.3节的分析可知,导致锚绳破坏的主要受灾因子是浪高,这是因为水质点的速度和加速度随着波高的增大会显著增大,导致锚绳的张力加速增大[3],最终达到极限应力从而破坏。导致网箱有效容积发生改变的主要因子是周长,周长越大,有效容积损失越严重。浮架承受的荷载主要来自锚绳张力、波浪载荷及网衣的自重,破坏机理较复杂,分析表明周长对浮架应力的影响最大,因此周长是它的主控因子。综上所述,水文参数中,波高对锚绳的破坏较为显著,而结构参数中,周长对容积的保持和浮架的破坏更为显著[13-15]。5 结 语本文首次提出运用BP 神经网络方法建立重力式深水网箱水动力计算模型,该模型能够准确、快速地得到重力式深水网箱的水动力特性指标且具有精准、高效的特点,可以用来实现大面积海区风暴潮灾害下重力式深水网箱致灾破坏的预警分析,同时也为重力式深水网箱的安全设计和科学布局提供了依据。分析表明,设计时首先要确定网箱的结构尺寸,当网箱的周长越大,所选择的浮架管壁就应该越厚,沉子和底圈的重量应该相应增加,这样既加固了浮架也保证了网箱的容积保持率。其次是水深的选择,尽量在网箱布设时选择在水深较浅的地方,水深越浅,锚绳张力和浮架应力越小,既可防止脱锚、走锚的发生,又可避免浮架的应力过大造成浮架断裂。最后根据当地海区的设计波高选择相应规格的锚绳,以提高网箱的稳定性和抗风浪性。这些措施既可提高风暴潮灾害下网箱的存活率,也为养殖户提供了宝贵的防灾减灾建议。本文通过开展重力式深水网箱受灾破坏机理分析,明确了其受灾破坏的主控因子,可以为当地渔业管理部门进行灾前预测、灾中救助及灾后损失评估提供科学依据。参考文献:[1] 郭根喜,陶启友,黄小华,等.深水网箱养殖装备技术前沿进展[J].中国农业科技导报,2011,13(5):44-49.[2] 董国海,孟范兵,赵云鹏,等.波流逆向和同向作用下重力式网箱水动力特性研究[J].渔业现代化,2014,41(2):49-56.[3] 桂福坤,吴常文,李玉成,等.纯流下带底圈重力式网箱的水动力特性试验研究[J].中国海洋平台,2008(5):8-14.[4] 李坤鹏.波流作用下网箱浮架结构动力响应和疲劳分析[D].大连:大连理工大学,2016.[5] 赵云鹏.深水重力式网箱水动力特性数值模拟研究[D].大连:大连理工大学, 2007.[6] 许条建.离岸组合式网箱水动力特征研究[D].大连:大连理工大学, 2013.[7] 毛雨婵.配重对深水重力式网箱水动力特性的影响[D].大连:大连理工大学,2005.[8] 佩塔克.自然灾害风险评价与减灾政策[M].北京:地震出版社,1993.[9] 马景灏.中国海典型区域风暴潮灾害经济损失预警研究[D].青岛:中国海洋大学,2011.[10] 桂福坤.深水重力式网箱水动力学特性研究[D].大连:大连理工大学,2006.[11] Zhao Y P,Bai X D,Dong G H,et analysis of the elastic response of a floating collar in waves[J].Ocean Engineering,2015,95:175-182.[12] 唐启义.DPS数据处理系统[M].北京:科学出版社,2013.[13] LI Y,GUI F,TENG behavior of a straight floating pipe under wave conditions[J].Ocean Engineering,2007,34(3-4):552-559.[14] Shih T H,Liou W W,Shabbir A,et al.A new k-ε eddy viscosity model for high reynolds number turbulent flows[J].Computers & Fluids,1995(24):227-238.[15] Bi C W,Zhao Y P,Dong G H,et investigation of the reduction in flow velocity downstream from a fishing net[J].Aquacultural Engineering,2013(57):71.
文章来源:《海洋工程》 网址: http://www.hygczz.cn/qikandaodu/2020/1209/464.html
上一篇:序 言
下一篇:环保喷砂工艺在海洋工程中的应用