一种深海缓波型立管动力模拟计算方法

    公开(公告)号:CN116305656A

    公开(公告)日:2023-06-23

    申请号:CN202310309020.6

    申请日:2023-03-28

    Applicant: 福州大学

    Abstract: 本发明涉及一种深海缓波型立管动力模拟计算方法,包括以下步骤:步骤S1:构建缓波立管浮力段等效模型;步骤S2:基于向量式有限元建立深海缓波型立管质点运动控制方程;步骤S3:根据得到的深海缓波型立管质点运动控制方程,采用显示中央差分法求解获得立管节点位移和转角;步骤S4:计算质点内力;步骤S5:计算质点外力;步骤S6:更新质点位置和转角,循环步骤S3‑步骤S5,直到达到计算总时长,输出动力模拟预测结果。本发明实现更可靠的深海缓波型立管动力模拟计算,提高深海缓波型立管设计效率。

    一种斜坡海床下深海管道J型铺设动力模拟方法

    公开(公告)号:CN116090290A

    公开(公告)日:2023-05-09

    申请号:CN202211577014.0

    申请日:2022-12-08

    Applicant: 福州大学

    Abstract: 本发明涉及一种斜坡海床下深海管道J型铺设动力模拟方法。包括:步骤S1、设置海床边界条件;步骤S2、基于向量式有限元建立J型铺设管道质点运动控制方程;步骤S3、根据得到的运动控制方程,采用显示中央差分法求解获得管道质点的位移和转角;步骤S4:根据材料力学的挠曲理论计算管道内力;步骤S5、计算铺设管道外力;步骤S6、更新质点位置和转角,循环步骤S3‑步骤S5,直到达到计算总时长,输出动力模拟计算结果。本发明考虑了两种具有代表性的斜坡海床形式,包括正坡海床和负坡海床;充分考虑管道与海床土的动态接触作用,在计算海床土壤抗力和摩擦力时考虑斜坡角度的影响,更好地模拟斜坡海床条件下J型铺设管道受力特征,分析更加准确可靠。

    基于环境因子滞后性分析的堆石混凝土坝变形预测方法

    公开(公告)号:CN115560721A

    公开(公告)日:2023-01-03

    申请号:CN202211163452.2

    申请日:2022-09-23

    Applicant: 福州大学

    Abstract: 本发明提供了基于环境因子滞后性分析的堆石混凝土坝变形预测方法,包括以下步骤:步骤1:对大坝变形时间序列变形监测值进行偏自相关性分析,确定变形因子滞后时间;步骤2:对变形测值序列进行CEEMDAN分解,得到分解序列,并计算序列样本熵值,将样本熵值较高的噪声序列予以剔除;步骤3:根据不同时间滑移窗口滞后长度生成环境量滞后序列;步骤4:计算变形测值分解序列与环境量滞后序列间的皮尔逊相关性系数,选取与各分解序列相关性最高的环境量滞后序列作为滞后因子;步骤5:根据变形因子、滞后因子构建变形预测输入数据集,应用IPSO‑GRU模型预测堆石混凝土坝变形值。应用本技术方案可有效提高模型的预测精度。

    一种基于虚拟仿真平台的鱼道实验系统

    公开(公告)号:CN112131745A

    公开(公告)日:2020-12-25

    申请号:CN202011014060.0

    申请日:2020-09-24

    Applicant: 福州大学

    Abstract: 本发明提出一种基于虚拟仿真平台的鱼道实验系统,所述实验系统包括工程简介模块、实验预习模块、考核模式模块和实验报告模块;其使用方法包括以下步骤:步骤一、从预设网站以邮箱申请虚拟账号后登陆虚拟仿真平台;步骤二、通过工程简介模块进行实验所需知识的学习;步骤三、通过实验预习模块进行实验操作步骤的预习;步骤四、通过考核模式模块进行虚拟仿真鱼道实验;步骤五、通过实验报告模块进行实验报告填写与提交;本发明可用于鱼道仿真实验、帮助高效修建生态鱼道,其目的在于减少传统鱼道实验在模型安装上的资金与时间的浪费,降低模型制作成本。

    一种农村高浊度原水净化系统
    35.
    发明公开

    公开(公告)号:CN119607706A

    公开(公告)日:2025-03-14

    申请号:CN202411713522.6

    申请日:2024-11-27

    Abstract: 本发明涉及水处理领域,尤其涉及一种农村高浊度原水净化系统。现有装置难以对原水中的杂质进行分层过滤和分离,并且现有装置难以对过滤架内部进行清理,进而使得原水净化效果不够好。一种农村高浊度原水净化系统,包括有沉淀池、壳体、输送泵、浊度检测仪等;沉淀池的顶部固定连接有壳体,壳体的一侧开有进水孔,壳体的进水孔上固定连接有输送泵,壳体的进水孔上固定连接有浊度检测仪。滤网先将原水中的大杂质过滤分离,然后搅动架通过转动使得絮凝物与原水进行分层,最后通过过滤架对残留的杂质进行过滤,通过原水多层过滤和分离,进而使得原水的净化效果更好。

    一种基于水文学集合法的高山峡谷型溪流生态流量阈值计算方法

    公开(公告)号:CN119577299A

    公开(公告)日:2025-03-07

    申请号:CN202411621580.6

    申请日:2024-11-14

    Abstract: 本发明公开了一种基于水文学集合法的高山峡谷型溪流生态流量阈值计算方法,包括获取流域30年以上月平均流量数据,并确定流域周期性变化时段的分界节点,采用8种水文学方法分别计算不同时段的生态流量阈值;利用水文学集合百分比方法和分位数方法对划分分界节点后的阈值集合进行计算和分段表达;利用几何平均法建立生态流量阈值的综合量化指数评价体系。本发明的有益效果是:通过水文学集合百分比和分位数计算方式,对流域周期性变化进行细致划分和分段表达,提升了高山峡谷型溪流季节性变化下生态流量阈值的计算精度,显著增强了对生态流量阈值周期内的动态变化特征的识别和描述能力。

    一种基于傅里叶特征化PINN的输流管道振动分析方法

    公开(公告)号:CN117272570B

    公开(公告)日:2024-05-24

    申请号:CN202311474020.8

    申请日:2023-11-07

    Applicant: 福州大学

    Abstract: 本发明提供一种基于傅里叶特征化PINN的输流管道振动分析方法,包括构建物理信息神经网络(PINN),根据输流管道模型确定初始条件与边界条件,并得到其对应的损失函数;以“软”约束将第二类边界条件和管道初始激励表述到PINN损失函数中,以“硬”约束将第一类边界条件及初始振幅编码到DNN体系结构中,同时在网络中加入观测锚点,在网络模型训练过程中出现峰值不足时用以矫正;构建傅里叶特征映射函数,对网络的神经正切核进行调整,将两种映射结果分别通过设置好的网络进行训练,并最后在网络中通过点乘法将空间和时间的隐藏层联系起来,建立FFNN网络;经过训练学习,最后通过线性层连接输出预测结果。

    一种基于傅里叶特征化PINN的输流管道振动分析方法

    公开(公告)号:CN117272570A

    公开(公告)日:2023-12-22

    申请号:CN202311474020.8

    申请日:2023-11-07

    Applicant: 福州大学

    Abstract: 本发明提供一种基于傅里叶特征化PINN的输流管道振动分析方法,包括构建物理信息神经网络(PINN),根据输流管道模型确定初始条件与边界条件,并得到其对应的损失函数;以“软”约束将第二类边界条件和管道初始激励表述到PINN损失函数中,以“硬”约束将第一类边界条件及初始振幅编码到DNN体系结构中,同时在网络中加入观测锚点,在网络模型训练过程中出现峰值不足时用以矫正;构建傅里叶特征映射函数,对网络的神经正切核进行调整,将两种映射结果分别通过设置好的网络进行训练,并最后在网络中通过点乘法将空间和时间的隐藏层联系起来,建立FFNN网络;经过训练学习,最后通过线性层连接输出预测结果。

    一种海底管道防水锤设计方法
    39.
    发明公开

    公开(公告)号:CN117077337A

    公开(公告)日:2023-11-17

    申请号:CN202311015517.3

    申请日:2023-08-14

    Applicant: 福州大学

    Abstract: 本发明涉及一种海底管道防水锤设计方法,包括以下步骤:S1.根据输送管道中油、气和水的混合比例计算出平均密度;S2.计算出需要安装缓冲装置处输送管道内的压强和流体接受站处输送管道内的压强,并测量出缓冲装置至接受站的输送距离;S3.根据步骤S2中的各压强、缓冲装置处的海水压强、输送管道中的流体流量及步骤S2中的输送距离计算出缓冲仓的体积;S4.根据步骤S3中缓冲仓的体积、流体惯性力以及气体析出速率计算出输送管道至缓冲仓的缓冲口直径;S5.根据步骤S2中缓冲装置处输送管道内的压强计算出缓冲仓顶部空气减压阀的启阀压力。本发明主要探究缓冲装置在海底管道防水锤的应用,为海底管道中设计缓冲装置提供参考。

    基于产汇流过程的降雨驱动的深度学习洪水预报方法

    公开(公告)号:CN115828722A

    公开(公告)日:2023-03-21

    申请号:CN202211192847.5

    申请日:2022-09-28

    Applicant: 福州大学

    Abstract: 本发明公开了一种基于产汇流过程的降雨驱动的深度学习洪水预报方法,包括:根据各雨量站点控制区域的前期降雨序列,计算对应雨量站点控制区域的净雨量序列;将各雨量站点控制区域的净雨量序列在时间维度上进行分配,计算其对流域出口的径流贡献量;将各雨量站点控制区域对流域出口的径流贡献量乘以控制区域的面积,并加上基流,得到最终的预报径流量。本发明基于产汇流过程,提出了全新的降雨驱动的深度学习产汇流框架,建立了具有物理机理的卷积权重洪水预报模型方法。对模型的有效性进行了验证,结果表明建立的卷积权重模型具有很好的洪水预报性能且其参数具有实际的物理意义,模型确定的产流系数和汇流系数能够很好地反映流域产流和汇流特征。

Patent Agency Ranking