XiaoMi-AI文件搜索系统
World File Search System等效载荷
ssc-453 使用... 进行船体分段焊接变形分析
15.船舶结构委员会及其成员机构赞助的补充说明 16.摘要 本文提出了一种基于固有应变理论结合有限元法预测加筋曲板焊接变形的有效方法（等效载荷法）。该方法可以预测加筋曲板焊接变形的各种模式，例如角变形、面内收缩、纵向和横向弯曲变形，并考虑按制造阶段进行的焊接顺序。等效载荷是通过积分固有应变分量来确定的，固有应变分量是在使用最高温度和约束程度计算的热影响区附近计算的。通过弹性分析计算了等效载荷下的曲板加筋焊接变形，并与实验和热弹塑性有限元分析进行了比较。用所提方法计算的加筋曲板焊接变形与试验和有限元分析结果有较好的一致性。实践证明，所提方法具有较高的效率和准确性。用所提方法可以预测实船曲型双底分段的焊接变形。本方法高效、准确，为预测结构形状复杂度较高的实船船体分段焊接变形提供了有力的解决方案。17.关键词 铝结构 海洋结构 铝设计 铝加工
采用 ssc-453 对船体分段进行焊接变形分析...
15. 船舶结构委员会及其成员机构赞助的补充说明 16. 摘要 本文提出了一种基于固有应变理论和有限元法的加筋曲板焊接变形预测方法（等效载荷法）。该方法可以预测加筋曲板焊接变形的各种模式，例如考虑按制造阶段进行的焊接顺序的角变形、面内收缩、纵向和横向弯曲变形。等效载荷是通过积分固有应变分量来确定的，固有应变分量是在使用最高温度和约束程度计算的热影响区附近计算的。用弹性分析计算了等效载荷作用下的曲线加筋板焊接变形，并与试验和热弹塑性有限元分析进行了比较。用所提方法计算的加筋曲板焊接变形与试验和密集有限元分析的结果有很好的一致性。事实证明，所提方法具有很高的效率和准确性。该方法可以预测实际船舶的弧形双底分段的焊接变形。该方法高效、准确，为预测结构形状复杂程度较高的实际船舶分段焊接变形提供了有力的解决方案。17. 关键词 铝结构，海洋结构，铝设计，铝加工
固定式海上风电结构设计 - DNV
本文档旨在指导读者了解与固定式海上风力涡轮机支撑结构相关的不同分析，以及 Sesam 和 Bladed 如何支持这些结构。Sesam 可以执行适用于海上风力涡轮机 (OWT) 支撑结构行业的多种不同分析，这些分析基于海上石油和天然气行业多年来经过验证的技术，并根据 IEC61400-3-1、DNV 标准 DNV-ST-0126（风力涡轮机支撑结构）和 DNV-ST-0437（风力涡轮机载荷和场地条件）等国际标准扩展了针对海上风电行业的新功能，以及 DNV 建议实践 DNV-RP-C203（海上钢结构疲劳设计）和 DNV-RP-0585（风力发电厂抗震设计）。在初步设计中，Sesam 可用于固定式海上风力涡轮机结构的建模和各种类型的分析。支撑结构可在 3D 建模环境中建模。建模过程中的优势包括参考点建模和参数化脚本，从而形成一个强大的界面，可以快速高效地对多个概念设计进行权衡研究。概念设计阶段可以执行的一些分析包括固有频率分析（特征值分析）、极限状态 (ULS) 和正常使用极限状态 (SLS) 分析（包括构件和接头规范检查），以及使用损伤等效载荷或波浪载荷的疲劳极限状态 (FLS) 分析。在这些静态分析中可以执行非线性桩土分析，而动态分析中要使用的等效线性化桩土弹簧矩阵可以由软件自动获得。在详细设计阶段，Sesam 可用于固定式海上风力涡轮机结构，从定制工作台 Sesam Wind Manager 执行时域分析。Sesam Wind Manager 可以在时域中执行疲劳分析 (FLS) 以及极限强度分析 (ULS) 和地震分析。这些分析可以通过两种方式执行，要么使用超元素方法，要么使用完全集成的方法：
使用模拟运动和LIDAR测量的基于机器学习的虚拟负载传感器
摘要。漂浮的海上风力涡轮机（FOWTS）配备了各种传感器，可为涡轮机监视和控制提供有价值的数据。由于技术和运营挑战，用于精确获得的系泊线和Fairleads的负载估计可能很难且昂贵。这项研究深入研究了一种方法，其中将模拟的浮游运动测量和风速测量得出，从前瞻性的基于Nacelle的Lidar得出，被用作不同类型的神经网络的输入，以估计Fairlead张力时间张力时间序列和损害等效载荷（DELS）。fairlead张力与浮游器的动力学和作用本质上相关。因此，我们系统地分析了浮油动力学对Fairlead张力时间序列和DELS预测质量的个人贡献。通过基于NACELLE的LIDAR获得的风速测量值在近海风力涡轮机上固有地影响了平台的动力学，尤其是旋转螺距的位移和流量器的潮流位移。因此，激光雷达风速数据间接包含浮雕的动态行为，这反过来又控制着Fairlead载荷。这项研究杠杆测量的视线（LOS）风速以估计Fairlead紧张局势。该模型的训练数据是由启用的风力涡轮机仿真工具与数值LIDAR模拟框架Vicondar一起生成的。使用长期短期内存（LSTM）网络预测Fairlead张力时间序列。del预测是使用三种不同方法进行的。首先，DEL是根据预测的时间序列计算得出的。其次，使用序列至一lstm体系结构预测DELS，第三，使用卷积神经网络体系结构预测DELS。结果表明，可以从浮游运动时间序列中准确估算Fairlead张力时间序列和DEL。此外，我们发现LiDAR LOS测量值不会改善时间序列或如果可用运动测量结果。然而，使用LiDar测量作为DEL预测的模型输入，导致与使用层的位移测量相似的精度。