基于高斯过程潜力模型的风机单桩基础海床下应变响应虚拟感知
应用统计
2026-03-24 v2 统计计算
摘要
虚拟感知技术在单桩基础海上风力机结构健康监测应用中日益受到关注，因为泥线以下的应变响应作为疲劳损伤累积的主要指标，难以直接用物理仪器测量。高斯过程潜力模型（GPFLM）是一种广义贝叶斯虚拟感知技术，它将结构的物理驱动模型与系统潜变量的数据驱动模型相结合，以外推未测量的应变状态。在 GPLFM 中，将未知激励源建模为高斯过程（GP），通过利用 GP 协方差核的性质以及力学模型提供的关联信息，刻画输入力与状态间协方差关系的完整随机特征，从而便于应变估计。研究表明，潜输入与状态的后验推断通过对实测加速度的高斯过程回归实现，并在增广状态空间模型中利用卡尔曼滤波与 Rauch-Tung-Striebel 平滑高效计算。尽管 GPLFM 此前在数值研究中已证明在精度、鲁棒性与数值稳定性上优于其他虚拟感知技术，本工作提供了 GPLFM 现场验证的最早案例之一。GPLFM 预测的应变响应与荷兰 Westermeerwind 风场一台运行中海风力机采集的海床下应变数据进行了比较。
引用
@article{arxiv.2207.05901,
title = {Virtual sensing of subsoil strain response in monopile-based offshore wind turbines via Gaussian process latent force models},
author = {Joanna Zou and Eliz-Mari Lourens and Alice Cicirello},
journal= {arXiv preprint arXiv:2207.05901},
year = {2026}
}
备注
submitted to Mechanical Systems and Signal Processing