必贏3003no1線路檢測(cè)中心必贏3003no1線路檢測(cè)中心宋玉鵬博士在海洋工程領(lǐng)域國(guó)際權(quán)威學(xué)術(shù)期刊《Ocean Engineering》上發(fā)表題為“Multi-parameter full probabilistic modeling of long-term joint wind-wave actions using multi-source data and applications to fatigue analysis of floating offshore wind turbines”的研究論文。該論文的第一作者為宋玉鵬，共同作者還有同濟(jì)大學(xué)的陳建兵教授和李杰院士，以及丹麥奧爾堡大學(xué)的John D. S?rensen教授。
在海洋結(jié)構(gòu)設(shè)計(jì)中，需要合理考慮風(fēng)和海浪的聯(lián)合作用。在結(jié)構(gòu)服役期間，風(fēng)和海浪具有顯著的隨機(jī)性和復(fù)雜的相關(guān)性，因此常采用多維風(fēng)浪參數(shù)的聯(lián)合概率分布模型刻畫(huà)風(fēng)浪聯(lián)合作用。然而，當(dāng)前風(fēng)浪參數(shù)的概率建模研究通常引入年風(fēng)浪數(shù)據(jù)為平穩(wěn)時(shí)間序列假定，與實(shí)際情況不符。本文針對(duì)臺(tái)風(fēng)多發(fā)海域的風(fēng)浪聯(lián)合作用建模問(wèn)題，首先采用多源數(shù)據(jù)融合方法將長(zhǎng)期風(fēng)浪數(shù)據(jù)中的良態(tài)風(fēng)數(shù)據(jù)與臺(tái)風(fēng)數(shù)據(jù)進(jìn)行分離，進(jìn)而提出改進(jìn)的Fisher最優(yōu)分割方法，將年風(fēng)浪數(shù)據(jù)進(jìn)行季節(jié)性效應(yīng)分段，最后引入多維隨機(jī)變量相關(guān)建模的Copula方法，形成臺(tái)風(fēng)多發(fā)海域內(nèi)長(zhǎng)期風(fēng)浪聯(lián)合作用的全概率建模方法。作為示例，將該方法應(yīng)用于海上大型浮式風(fēng)機(jī)結(jié)構(gòu)的疲勞分析中。本文研究能夠?yàn)榕_(tái)風(fēng)多發(fā)海域內(nèi)海洋結(jié)構(gòu)的長(zhǎng)期荷載分析與結(jié)構(gòu)安全設(shè)計(jì)提供有益的參考。
文章在線網(wǎng)址：https://doi.org/10.1016/j.oceaneng.2022.110676
作者：必贏3003no1線路檢測(cè)中心 審核：方海
季節(jié)性分段后風(fēng)浪數(shù)據(jù)的箱型圖對(duì)比
不同類(lèi)別風(fēng)浪數(shù)據(jù)的統(tǒng)計(jì)直方圖對(duì)比 風(fēng)速與波高聯(lián)合概率分布建模抽樣結(jié)果