于嵩松，張大勇，王 剛，呂奇鑫，王延林，岳前進，李 剛

(1. 大連理工大學 運載工程與力學學部，遼寧 大連116024；2. 大連理工大學 海洋科學與技術學院，遼寧 盤錦124221)

0 引 言

寒區(qū)海洋資源開發(fā)面臨海冰威脅。我國渤海、黃海等北部海域受寒潮影響，每年冬季都有不同程度的結冰現(xiàn)象，海冰的生消、漂移可能引發(fā)平臺結構的振動、傾覆等災害事件[1-2]。由于冰與結構相互作用的復雜性和冰載荷研究的局限性，現(xiàn)役海洋工程結構在設計階段主要考慮極限冰力引起的結構破壞，對動冰力作用下的結構安全性研究還不充分。并且出于經(jīng)濟性考慮，我國北部海域的資源開發(fā)存在大量簡易結構。與傳統(tǒng)海洋工程結構相比，該類結構具有剛度低、質量小、水線處直徑小等特點，在海冰作用下更易發(fā)生劇烈的冰激振動[3]。

寒區(qū)海洋工程結構的現(xiàn)場監(jiān)測是保障海洋資源開發(fā)安全的有效手段。目前，國際上成熟的海冰管理大多應用于高緯度極區(qū)環(huán)境中的寬大結構，主要考慮常年冰、冰山等嚴重冰情作用下的結構安全問題[4-5]。波弗特海的錐形鉆井裝置Kulluk于1983年系統(tǒng)搭建面向寒區(qū)資源開發(fā)的安全保障體系，包括海冰監(jiān)測和預測系統(tǒng)、結構預警系統(tǒng)和破冰船支持系統(tǒng)[5]。其冰情監(jiān)測包括：通過破冰船上觀察者的視覺觀察獲取海冰分布、密集度、大小、類型、漂移速度等局部冰情信息；通過衛(wèi)星、機載雷達等獲取浮冰的分布特征和浮冰運動等區(qū)域信息，用以發(fā)現(xiàn)和跟蹤海冰的運動和消融情況；通過冰情預警報系統(tǒng)對不同的威脅進行分級以指導具體的海冰處置措施，這一系統(tǒng)大多被后續(xù)寒區(qū)海域的資源開發(fā)參考借鑒。加拿大東海岸、巴倫支海的海上作業(yè)面臨冰山漂流對浮式生產(chǎn)船與運輸郵船的影響，在這些區(qū)域通過衛(wèi)星、海洋雷達、固定翼飛機、補給船、海上設施觀測冰山規(guī)模[4]，并開展大量冰山漂移軌跡預測研究[6-8]，以確保生產(chǎn)安全。

我國渤海與北黃海屬于季節(jié)性結冰海域，其海冰區(qū)域分布特征與高緯度冰區(qū)存在明顯差異，而海域經(jīng)濟型結構與海冰作用相關風險要素也具有特殊性。YUE等[9]和ZHANG等[10]針對我國遼東灣油氣平臺冬季運行海冰風險于21世紀初建立一套結合海冰要素觀測、結構失效風險評價與預警的渤海導管架平臺海冰管理模式。WANG等[11]介紹面向冰振失效風險的平臺原型監(jiān)測和預報系統(tǒng)設計，即采用海上固定式結構定點監(jiān)測方案，監(jiān)測內(nèi)容包含結構所受冰載荷、海冰參數(shù)、環(huán)境參數(shù)和結構響應等信息，冰情預測主要采用經(jīng)驗預報模型以保證信息的及時性。上述措施的應用在管理渤海海冰風險的進程中起到了相當積極的作用，但與此同時該模式還存在高成本、低時效性和系統(tǒng)可靠性等問題。結構安全相關的巨大數(shù)據(jù)量對實測數(shù)據(jù)的采集、處理、分析和預警決策能力提出挑戰(zhàn)。隨著寒區(qū)海洋資源開發(fā)的不斷深入，以海上風機、測風塔、升壓站為代表的多種新型海洋工程裝備逐步拓展至結冰海域。該類裝備現(xiàn)有監(jiān)測系統(tǒng)大多參照原有陸上監(jiān)測方案，面向風、浪載荷綜合作用下的基礎結構開展健康監(jiān)測工作[12-15]，而針對冰致結構風險的現(xiàn)場監(jiān)測領域研究還鮮有發(fā)表[16]。

近年來伴隨電子信息技術的發(fā)展，海洋工程結構的現(xiàn)場監(jiān)測技術也進入新的發(fā)展階段。采用智能化思想、結合大數(shù)據(jù)分析與物聯(lián)網(wǎng)技術解決特種設備運行中的安全問題已成功實施于現(xiàn)代工業(yè)生產(chǎn)的諸多領域[17-20]。本文面向寒區(qū)海洋工程冬季安全保障問題，將物聯(lián)網(wǎng)、智慧化思想應用于抗冰結構安全保障?；诮Y構冰激失效研究成果，明確抗冰結構預警報模式，開展海冰風險物聯(lián)網(wǎng)監(jiān)控系統(tǒng)設計與關鍵技術研究。本研究將為海冰減災處置與快速決策提供技術支撐。

1 抗冰結構預警報模式分析

海冰與海洋工程結構相互作用的物理演化過程與海冰的熱力學和動力學行為息息相關。熱力學過程在海冰的生長消融變化、季節(jié)性分布特征和海域分布情況方面起著主要作用；動力學過程則表現(xiàn)為海冰的漂移、形變、斷裂、重疊和堆積等動力行為。海洋工程結構海冰風險由海冰載荷作用于各類型海洋工程結構時引起的冰激結構響應與失效體現(xiàn)。目前抗冰導管架平臺的設計考慮極端靜冰力對結構的作用，保證結構具有足夠的強度和安全儲備。但是對于柔性抗冰平臺，其動力效應不可忽略。張大勇等[21]基于渤?？贡蜌馄脚_現(xiàn)場監(jiān)測數(shù)據(jù)，提出柔性抗冰結構主要失效模式與判別標準，如表1所示。

進一步研究發(fā)現(xiàn)，海冰載荷的形成機制屬于破壞力學范疇，結構所受冰載荷除受平臺結構形式影響外，主要與海冰厚度、速度和漂流方向相關，而氣象環(huán)境信息中的溫度信息可在一定程度上反映海冰的熱力狀態(tài)，風與潮流作用則決定了海冰的動力行為[22-23]?；趯崪y數(shù)據(jù)建立作業(yè)海域氣象條件、水文條件、初始冰情與冰載荷要素的非線性關系模型，通過天氣預報和海域潮流表信息獲取環(huán)境短時預報信息，結合現(xiàn)階段冰情要素監(jiān)測，即可實現(xiàn)海冰載荷要素與海冰風險信息的快速、短時預測，同時通過實測結構響應數(shù)據(jù)實時評估修正預警信息。建立的海冰風險預測模式如圖1所示。

表1 海域抗冰結構主要失效模式與判別指標

圖1 海冰風險預警報模式

基于結構失效判據(jù)與預警報要素分析，明確海冰預警報監(jiān)測信息包括作業(yè)海域氣象水文信息、冰情信息和結構姿態(tài)信息，監(jiān)測內(nèi)容匯總如表2所示。

表2 海冰預警報監(jiān)測信息

2 物聯(lián)網(wǎng)監(jiān)控系統(tǒng)設計

2.1 系統(tǒng)整體設計

寒區(qū)海洋工程結構物聯(lián)網(wǎng)監(jiān)控系統(tǒng)由信息采集平臺、信息基礎平臺和信息服務平臺組成。信息采集平臺包括氣象水文、冰情要素和結構姿態(tài)信息的自動采集、存儲，各模塊獨立配備自適應數(shù)據(jù)采集器與數(shù)據(jù)處理軟件。通過局域網(wǎng)絡，實測數(shù)據(jù)被傳輸至信息基礎平臺。信息基礎平臺由搭建于中央服務器的動態(tài)數(shù)據(jù)庫和冰情歷史數(shù)據(jù)庫組成。實測數(shù)據(jù)通過動態(tài)數(shù)據(jù)庫發(fā)往信息服務平臺，基于內(nèi)嵌于海冰管理軟件系統(tǒng)中的冰情預測模塊開發(fā)，實現(xiàn)短期冰情預測。同時，動態(tài)數(shù)據(jù)庫中的數(shù)據(jù)將備份于歷史數(shù)據(jù)庫中，通過海冰管理軟件系統(tǒng)對歷史數(shù)據(jù)的調(diào)取，實現(xiàn)現(xiàn)場數(shù)據(jù)的統(tǒng)計、回查，并可開展大量數(shù)據(jù)的數(shù)據(jù)挖掘研究。最終通過網(wǎng)絡連接至陸上終端，實現(xiàn)預警報信息分布與冰情數(shù)據(jù)服務。整套監(jiān)控系統(tǒng)組成如圖2所示。

圖2 物聯(lián)網(wǎng)監(jiān)控系統(tǒng)

2.2 關鍵監(jiān)控技術

現(xiàn)階段物聯(lián)網(wǎng)技術已相對成熟，然而針對海洋抗冰結構監(jiān)測要素的現(xiàn)場測量技術的相關研究相對較少，局部海域冰情、水文條件的測量技術還未實現(xiàn)數(shù)字化、智能化。同時，結構監(jiān)測現(xiàn)場環(huán)境復雜，面臨可用空間有限、低溫、潮濕、斷電及極端工況下的數(shù)據(jù)丟失問題，阻礙監(jiān)測信息的長期、獨立采集。為保證采集信息的完備性、可靠性和實時性，集成研發(fā)包括集成化海冰參數(shù)測量系統(tǒng)、水溫剖面測量系統(tǒng)、網(wǎng)絡化獨立冰振監(jiān)測系統(tǒng)和自容式結構姿態(tài)測量系統(tǒng)等關鍵監(jiān)測技術產(chǎn)品，實現(xiàn)多參數(shù)同步、實時、精準測量。

2.2.1 集成化海冰參數(shù)監(jiān)測系統(tǒng)

我國北方結冰海域為季節(jié)性結冰海域，一般于本年度12月份開始結冰，冰期2～3個月，結冰海域平整冰厚度一般小于30 cm，最大單個流冰塊面積為60～70 km2。面向冰情要素監(jiān)測需求，開發(fā)冰情要素圖像測量方法。采用高精度攝像頭可實現(xiàn)微小尺寸的精確測量，能夠較好地實現(xiàn)海冰要素與海冰破碎信息的精確獲取。冰與結構作用發(fā)生破碎后，破碎的冰塊會翻轉然后掉落到水中，翻轉時露出的斷面可被攝像機捕獲，如圖3所示。通過已知標定物體實際長度S與定焦攝像頭采集到的圖像上的像素長度s，得到比例n，則實測海冰厚度H與其圖像上的像素長度h的關系為

(1)

進而得到H的表達式為

H=n·h

(2)

冰速v的測量可通過標記圖像上特征點距離結構的長度l與特征點到達結構的時間間隔t獲得，其公式為

(3)

在實際測量中，實測物體與鏡頭之間的距離會隨著潮位的變化有所浮動，由于攝像頭距離冰面的距離遠大于水位高差，因此潮位的變化對測量精度的影響較小，基本可以忽略。

圖3 海冰要素圖像測量方法

為保證冰情要素的實時、同步采集，開發(fā)冰情要素測量軟件，其管理界面如圖4所示。利用圖像攝影矯正、圖像識別與匹配等方法對現(xiàn)場采集的視頻進行信息提取，可實現(xiàn)半自動化的冰厚、冰速計算處理，并具有對多組測量結果進行同步存儲等功能。

圖4 冰情要素采集軟件

2.2.2 海域溫深剖面監(jiān)測系統(tǒng)

海水水溫剖面的變化可反映海域海冰的生消規(guī)律[24]，同時冬季水位高程變化范圍是冰與結構作用位置的重要參照數(shù)據(jù)?，F(xiàn)階段還鮮有面向局部海域溫深變化數(shù)據(jù)采集的成熟產(chǎn)品，因此開發(fā)溫深剖面?zhèn)鞲衅鲗⒍嘟M溫深傳感器集成溫度鏈(見圖5)，水下工作有效長度為18 m，各傳感器的位置相對固定，通過防水電纜與錨鏈集成鏈狀。在實際測量中，水溫低于0 ℃，傳感器測量精度可達±0.1 ℃，可滿足海水溫度剖面與水位高程監(jiān)測需求。為實現(xiàn)冬季水深與水溫剖面變化的自動采集，開發(fā)的集成采集系統(tǒng)如圖6所示。

圖5 溫深剖面?zhèn)鞲衅?/p>

圖6 溫深剖面自動采集系統(tǒng)

2.2.3 結構姿態(tài)監(jiān)測系統(tǒng)

極端工況下的結構姿態(tài)信息在對結構安全具有較高價值的同時，對采集設備的可靠性提出了更高的要求。集成開發(fā)的自容式結構姿態(tài)傳感器如圖7所示，其可實現(xiàn)3個方向結構冰振加速度與傾角信息的獨立采集，避免平臺關斷等極端工況下的數(shù)據(jù)丟失。系統(tǒng)自帶供電模塊、存儲模塊和微處理器，無需供電及電腦等設備的支持，獨立進行監(jiān)測數(shù)據(jù)的采集、存儲、休眠、觸發(fā)控制等功能，在不更換電池的情況下可進行長達3個月的獨立數(shù)據(jù)采集，較好地滿足平臺冰激振動監(jiān)測的長期穩(wěn)定性需求。為節(jié)約設備占用空間，提高系統(tǒng)自動化程度，開發(fā)網(wǎng)絡化獨立冰振監(jiān)測系統(tǒng)。該系統(tǒng)以集成化和模塊化為設計理念，將觀測平臺冰激振動所需的各類傳感器、協(xié)議、通信、電源等高度集成到1個11.5 cm×7.5 cm×4.5 cm的金屬盒(見圖8)中，各個模塊高度集成、相互協(xié)作，解決傳統(tǒng)監(jiān)測系統(tǒng)空間占用率高的問題，并降低計算機所帶來的系統(tǒng)風險。

圖7 自容式結構姿態(tài)傳感器

圖8 網(wǎng)絡化獨立冰振監(jiān)測系統(tǒng)終端

2.2.4 基于神經(jīng)網(wǎng)絡方法的冰情預測模型

海冰生消是一個十分復雜的非線性過程，冰期內(nèi)冰情的變化表現(xiàn)出隨時間變化的相關性，又存在劇烈天氣變化下的較大波動性?，F(xiàn)階段，國際海冰管理中的局部短期預測大多面向海冰漂流軌跡的理論推演，預測方法一般采用動力模型、運動模型或統(tǒng)計模型[25-27]。然而數(shù)值方法并不能較好地滿足預測的同步、實時、完備、精確等實際應用需求。神經(jīng)網(wǎng)絡模型作為非線性的動態(tài)系統(tǒng)，通過對樣本的學習建立記憶，將未知模式判決為其最接近的記憶，兩者的相似性決定了非線性統(tǒng)計方法應用于冰情預測領域的可能。

選取的反饋型Elman神經(jīng)網(wǎng)絡主要由輸入層、隱含層、承接層和輸出層等4個部分組成，如圖9所示。在輸入層中，神經(jīng)元對信號起傳輸作用；在輸出層中，神經(jīng)元起線性加權作用；隱含層中的傳遞函數(shù)采用線性或非線性函數(shù)；承接層的神經(jīng)元對于時序數(shù)據(jù)具有良好的處理能力，因其記憶性可利用前后數(shù)據(jù)間的聯(lián)系。

圖9 Elman神經(jīng)網(wǎng)絡

在構建Elman神經(jīng)網(wǎng)絡模型中，設定網(wǎng)絡的外部序列為u(t)，反饋層輸出為yc(t)，網(wǎng)絡輸出為y(t)，隱含層為h(t)，則Elman神經(jīng)網(wǎng)絡的迭代公式為

y(t)=f2(Ah(t)+φ)

(4)

h(t)=f1(Wu(t-1)+Hyc(t)+θ)

(5)

yc(t)=αyc(t-1)1+h(t-1)

(6)

式中：f1(·)和f2(·)分別為隱含層和輸出層的傳遞函數(shù)；W、H和A分別為輸入層至隱含層、反饋層至隱含層和隱含層至輸出層的連接權矩陣；φ和θ分別為隱含層和輸出層神經(jīng)元的閾值矩陣；α為連接反饋增益因子，其取值范圍為[0，1]。

3 渤?？贡脚_物聯(lián)網(wǎng)監(jiān)控系統(tǒng)

受渤海邊際油田特點影響，所建造的油氣平臺大多為結冰海域的經(jīng)濟型平臺，與海冰作用可能導致劇烈冰振現(xiàn)象。針對遼東灣某海域多座平臺冬季海冰威脅，于2015年—2019年持續(xù)開展寒區(qū)抗冰結構物聯(lián)網(wǎng)監(jiān)控系統(tǒng)的冬季示范應用。

3.1 監(jiān)控系統(tǒng)搭建

針對單個平臺，搭建多信息同步采集系統(tǒng)，如圖10所示。在冰載荷作用下渤?？贡鶎Ч芗芙Y構的冰激振動能量集中在結構基頻，一階振型以水平方向振動為主，平臺上部設施存在顯著動力放大現(xiàn)象。為此，結構姿態(tài)監(jiān)測系統(tǒng)被布置于平臺頂層甲板：通過網(wǎng)絡化獨立冰振監(jiān)測系統(tǒng)開展頂層甲板振動信息測量；通過自容式結構姿態(tài)傳感器備份結構加速度和傾角信息，確保結構響應信息的可靠采集。通過集成化海冰參數(shù)監(jiān)測系統(tǒng)對海域冰厚、冰速、冰密集度等冰情要素進行分析記錄。通過溫深剖面測量系統(tǒng)和氣象觀測站對海域氣象、水文信息開展同步測量。

圖10 單平臺多信息同步采集系統(tǒng)

渤海油氣平臺數(shù)量眾多，針對平臺分布特點，開發(fā)一套多平臺信息網(wǎng)絡系統(tǒng)，如圖11所示。單平臺測量信息通過平臺上建立的局域網(wǎng)絡實現(xiàn)同步監(jiān)測與數(shù)據(jù)存儲功能，并通過衛(wèi)星網(wǎng)絡實現(xiàn)陸基交流。

圖11 多平臺信息網(wǎng)絡系統(tǒng)

搭建以海冰預警報信息服務為目的的冰情信息管理系統(tǒng)。建立的MySQL數(shù)據(jù)庫系統(tǒng)涵蓋海域冰情、環(huán)境和結構姿態(tài)信息，可實現(xiàn)歷史數(shù)據(jù)的統(tǒng)計與回查；建立的冰情信息管理系統(tǒng)基于神經(jīng)網(wǎng)絡冰情預測模型的嵌入，可實現(xiàn)監(jiān)測流數(shù)據(jù)的實時顯示、分析和短期預報。其軟件操作界面如圖12所示。

圖12 冰情信息管理系統(tǒng)界面

3.2 實測數(shù)據(jù)分析

3.2.1 結構姿態(tài)監(jiān)測數(shù)據(jù)驗證

在JZ20-2海域與JZ9-3海域共5座平臺上同時安裝新舊2套平臺冰激振動加速度監(jiān)測系統(tǒng)。以JZ20-2NW平臺為例，傳感器布置時選擇x軸與商用傳感器測試軸方向一致。圖13為自容式結構姿態(tài)傳感器監(jiān)測數(shù)據(jù)與傳統(tǒng)設備采集數(shù)據(jù)對比情況。圖14為海洋平臺冰振監(jiān)測物聯(lián)網(wǎng)系統(tǒng)與傳統(tǒng)設備所測得平臺振動加速度時程對比。2套系統(tǒng)所測得的平臺x方向振動加速度在變化趨勢與數(shù)值上均高度吻合，所測數(shù)據(jù)可相互驗證。

注：1 gal=1 cm/s2圖13 傳統(tǒng)系統(tǒng)與自容式傳感器所測平臺振動數(shù)據(jù)對比

注：1 gal=1 cm/s2圖14 冰振監(jiān)測物聯(lián)網(wǎng)系統(tǒng)與傳統(tǒng)系統(tǒng)所測平臺振動數(shù)據(jù)對比

3.2.2 冰情預測模型驗證

在JZ20-2海域的中心平臺上安裝海域冰情環(huán)境監(jiān)測系統(tǒng)。在整個冬季運行周期內(nèi)設備狀態(tài)良好，實現(xiàn)了對平臺周圍海域海冰要素的連續(xù)監(jiān)測，并獲取現(xiàn)場水溫剖面的變化情況，同時保證監(jiān)測系統(tǒng)的獨立采集與存儲的功能?；谄脚_現(xiàn)場實測數(shù)據(jù)，以風向、風速、潮流向、潮流速、溫度、初始冰厚參數(shù)與冰厚構成映射關系，建立Elman神經(jīng)網(wǎng)絡冰厚預測模型。設置6個輸入層神經(jīng)元、2層隱含層神經(jīng)元(分別為10個、6個)和1個輸出層神經(jīng)元，承接層神經(jīng)元的個數(shù)與隱含層神經(jīng)元的個數(shù)相同。樣本采用mapminmax函數(shù)進行歸一化處理，設定網(wǎng)絡最大訓練次數(shù)為2 000次，訓練誤差目標為0.01。選取449組數(shù)據(jù)作為訓練樣本。將輸入數(shù)據(jù)和目標輸出數(shù)據(jù)進行歸一化處理，并代入newelm函數(shù)，利用train函數(shù)對網(wǎng)絡進行訓練?；趯崪y氣象、水文和冰情數(shù)據(jù)，得到Elman神經(jīng)網(wǎng)絡24 h后預測值與實際冰厚對比結果如圖15所示，計算得到預測模型24 h后預測誤差為17.30%。

圖15 Elman神經(jīng)網(wǎng)絡24 h后冰厚預測值與實際值對比

4 結 論

面向寒區(qū)海洋工程冬季安全保障問題，開展結構物聯(lián)網(wǎng)監(jiān)測技術研究?；谌嵝钥贡Y構主要失效模式與判別標準，提出結合現(xiàn)場監(jiān)測、氣象預報及機械學習方法的海冰風險預警模式；建立的海冰風險物聯(lián)網(wǎng)監(jiān)控系統(tǒng)可實現(xiàn)多參數(shù)實時、高頻采集與處理分析。現(xiàn)場應用示范表明，開發(fā)的自容式監(jiān)測技術與網(wǎng)絡化獨立冰振監(jiān)測系統(tǒng)所得結構響應數(shù)據(jù)及變化趨勢與原始數(shù)值均高度吻合，所測數(shù)據(jù)可相互驗證；開發(fā)的冰情要素預測模型24 h后預測誤差為17.30%，滿足工程需求。