(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111280782.5 (22)申请日 2021.10.2 9 (71)申请人 扬州大学 地址 225009 江苏省扬州市大 学南路88号 (72)发明人 朱林　邢本傲　邱建春　杨一鸣　 陈雨倩　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 代理人 柏尚春 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 119/04(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于数据解耦的港口结构极端寿命影 响程度分析方法 (57)摘要 本发明公开了一种基于数据解耦的港口结 构极端寿命影 响程度分析方法， 该方法包括如下 步骤： S1.基于测试数据的港机极端寿命影响因 素的确定； S2.基于测试数据解耦的工况数据组 的设计； S3.港机极端位置极端寿命的求解； S4. 最优匹配解耦算法的建立； S5.基于数据解耦的 港口结构极端寿命影响程度分析。 该方法求解精 度高， 对于实现港机的安全 稳定运维具有重要的 现实意义。 权利要求书2页 说明书4页 附图1页 CN 114169085 A 2022.03.11 CN 114169085 A 1.一种基于数据解耦的港口结构极端寿命影响程度分析方法， 其特征在于： 包括如下 步骤： S1、 基于测试 数据的港 机极端寿命影响因素的确定； S2、 基于测试 数据解耦的工况 数据组的设计； S3、 港机极端位置极端 寿命的求 解； S4、 最优匹配解耦算法的建立； S5、 基于数据解耦的港口结构极端 寿命影响程度分析。 2.根据权利要求1所述的基于数据解耦的港口结构极端寿命影响程度分析方法， 其特 征在于： 所述S1基于测试数据的港机 极端寿命影响因素的确定： 根据港机的工作 原理， 确定 出影响港机极端寿命的三个主要工作参数， 分别是参数x1： 吊重小车的前进速度v， 参数x2： 港口货物的起身速度ω和参数x3： 港口的港风风压E， 这里选取不同港口结构的前进速度水 平， 对其进行标号为i， vi为第i个港口结构的水平的前进速度， i＝1， 2， ...， N， N为前进速度 的水平总数； 选取不同的港口货物起身速度水平， 对其进行标号为j， ωj为第j个水平的港 口货物起身速度， j＝1， 2， ...， M， M为港口货物起身速度的水平总数； 选取不同港口的港风 风压水平， 对其进行标号为s， Es为第s个水平的港口港风风压， s＝1， 2， ...， P， P为港口港风 风压的水平总数。 同时考虑吊重小车不同位置的影响， 这里定义了参数x4： 港机吊重小车所 处不同位置k， 这里选取吊重小车不同位置的水平， 对其进行标号为r， kr为第r个水平的吊 重小车位置， r＝1， 2， . ..， D， D为小车位置的水平总数。 3.根据权利要求2所述的基于数据解耦的港口结构极端寿命影响程度分析方法， 其特 征在于： 所述S2基于测试数据解耦的工况数据 组的设计： 根据S1步骤中确定得到的四种参 数： 港口结构的前进速度v、 港口货物起身速度ω、 港风风压E及港机吊重小 车的不同位置k， 确定不同极限因素 的样本点数量与取值范围， 并据此建立复杂极端数据耦合的试验表， 得 到多种工况 试验组， 对其进行 标号为h， h＝1， 2， . ..， Q， Q为总数据类别次数。 4.根据权利要求3所述的基于数据解耦的港口结构极端寿命影响程度分析方法， 其特 征在于： 所述S 3港机极端位置 极端寿命的求解： 根据S2 步骤中确定的总工况试验组， 将港机 的结构模型导入到Adams多体动力学仿真软件中， 根据多因素试验表中不同极端工况试验 组的参数， 依 次对其进行施加约束和定义不同机构的驱动函数， 仿真求解后提取港机吊重 小车下方主梁上所受载荷的大小， 记为Fh， Fh为在第h次试验中所提取载荷的大小， h＝1， 2， ...， Q， Q为总数据类别次数； 将港机简化模型导入到ANSYS有限元软件中进行结构静力学分析， 通过自动划分方式 进行该简化模型的网格划分工作， 在前处理中进行边界约束和所提载荷Fh的施加， 仿真求 解后分别得到复杂极端数据耦合的最大应力， 最后 将模型导入到自行编制的疲劳分析软件 中， 导入由上述动力学仿真计算得到的载荷谱， 经过软件求解得到孪生极端工况 的港机极 端寿命， 记为 Lh， h＝1， 2， . ..， Q， Q为总数据类别次数。 5.根据权利要求4所述的基于数据解耦的港口结构极端寿命影响程度分析方法， 其特 征在于： 所述S4最优匹配解耦算法的建立： 根据S2 步骤中确定的不同试验组合的参数情况， 结合S3步骤中仿真求解出其每组工况所对应的极端寿命， 对不同工况下所对应的港机 极端 寿命Lh进行数据解耦代理算法的拟合， 并通过数据全观估计法更新相关参数， 提高模型精 度， 获得孪生极端工况 下所对应的极端 寿命Lh数据解耦算法，权　利　要　求　书 1/2 页 2 CN 114169085 A 2其中， Y为不同工况下所对应的极端寿命Lh的响应值； 为第h组工况下该港 机极端寿命影响因素的采样数据值， h＝1， 2， ...， Q， Q为总数据类别次数； f( ·)为回归项， 表示 与Y之间的函数关系； α(x)为零均值的高斯随机项， 其任意两点xe和xt的随 机项的协方差为， cov[α(xe)， α(xt)]＝σ2R(xe， xt， θ ) 其中， cov[α(xe)， α(xt)]为任意两点xe和xt的随机项的协方差； xe和xt分别为两个不同 影响因素的采样数据值， e≠t∈(1， 2， 3， 4)； σ2为为样本随机项的均方； R(xe， xt， θ )为xe和xt 之间具有参数向量θ 的高斯相关函数， 可表示 为， 其中， R(xe， xt， θ )为xe和xt之间具有参数向量θ 的高斯相关函数； 和 分别为两个不 同影响因素在第h组工况下的采样数据值， c≠t∈(1， 2， 3， 4)， h＝1， 2， ...， Q， Q为总数据类 别次数； θh为第h组工况 下的参数向量。 6.根据权利要求5所述的基于数据解耦的港口结构极端寿命影响程度分析方法， 其特 征在于： 所述S5基于数据解耦的港口结构极端寿命影响程度分析： 根据S4步骤中拟合得到 的模型， 求 解得到该港 机不同极端 寿命影响因素的各阶灵敏度指标值， 其中， λt为影响因素xt的一阶灵敏度系数， λet为二阶灵敏度系数， e≠t∈(1， 2， 3， 4)； 为该模型的4阶偏方差； V为总方差， 等于各阶偏方差之和。权　利　要　求　书 2/2 页 3 CN 114169085 A 3