《Ocean Engineering》：Analysis of tensile properties of key structural layers of offshore crude oil export hose and optimization design of RBF neural network
编辑推荐：
本研究采用有限元分析结合径向基神经网络优化方法，建立了近海原油运输软管轴向拉伸刚度模型，揭示了缆层角度、层数、螺旋钢丝直径和螺距对刚度的综合影响规律，提出“模拟-预测-优化”闭环研究框架，有效提升了复杂结构参数与性能的关联分析效率。
王浩|姜金南|高强|王立伟|刘小雷|刘家豪|王侃
上海海事大学海洋科学与工程学院，上海，201306，中国
摘要
海上原油运输软管广泛用于海上浮式生产储存和卸载以及油轮原油运输，在海洋环境条件下这些软管会受到轴向拉伸力的作用。拉伸刚度是影响轴向力的关键结构性能参数。根据API 17K和OCIMF-2009的要求，确定软管的拉伸刚度至关重要。本研究采用Rebar方法来定义海上原油运输软管的加强层。利用有限元软件Abaqus建立了一种国产海上原油运输软管的轴向拉伸模型。基于RBF神经网络，构建了软管拉伸性能的优化模型，并对关键结构层进行了优化设计。结果表明，使用Rebar方法开发的Abaqus有限元模型能够有效模拟软管在拉伸载荷下的力学响应。加强层作为海上原油管道中的主要拉伸结构层，较小的加强层铺设角度可以提高拉伸刚度，增加加强层数量可以显著提升软管的抗拉能力。在一定拉伸范围内，螺旋加强钢筋的直径和间距与软管的拉伸刚度保持良好的线性关系。本研究建立了一个“仿真-预测-优化”的闭环研究框架，突破了传统有限元分析效率低下和仅关注单一参数的局限，大大增强了探索复杂结构参数与拉伸刚度之间关联的能力。本研究为海上原油运输软管的智能优化设计提供了方法论创新，并为关键结构层的设计与开发提供了指导。
引言
全球对海上油气勘探和开发的投资持续增加，2024年达到了2096亿美元（新华社，2022年）（图1）。这一投资规模比2023年增长了12%，反映了海上油气开发需求的持续增长。海上原油卸载软管作为浮式生产储存和卸载（FPSO）系统的关键输送设备，是原油运输的主要通道（Amaechi等人，2022年）（Amaechi等人，2021年）。其拉伸刚度直接影响整个系统的安全性（Xu和Shuai，2022年）（Wei等人，2022年）。这些软管主要由橡胶、加强绳织物和螺旋钢增强材料制成。软管结构从内到外依次为内橡胶层、内加强绳层、中间橡胶层（含螺旋钢）、外加强绳层和外橡胶层。内外加强绳层是绳-橡胶复合层（图2），由多层高强度加强绳以特定角度相对于软管轴线交叉缠绕而成（Zhou等人，2018年）（Gao等人，2023年）（Gao等人，2018a）。中间橡胶层嵌入了螺旋钢增强件（Gabriel等人，2016年），这些增强件作为软管的骨架，提供主要的抗塌陷能力和部分弯曲刚度。在运行过程中，软管会受到海风、波浪和洋流的复杂轴向拉伸载荷。这些软管的失效可能导致原油泄漏和生态灾难（Zhang等人，2022年）（Wang等人，2022年）（Sun等人，2023年）。
国际标准如API 17K（2006年《粘合柔性管道规范》）和OCIMF-2009（OCIMF，2009年）规定了海上原油卸载软管的拉伸测试协议。目前针对这些软管的力学研究仍然有限。Xu（Xu等人，2012年）使用Abaqus研究了拉伸载荷、伸长率和曲率之间的关系，进行了参数分析。Cho等人（2013年）提出了一种用于编织橡胶软管的均质化方法，将复杂的编织层视为各向异性材料，利用叠加和单元格FEA方法考虑了微观结构对宏观力学性能的影响。Gonzalez等人（Gonzalez，2013年）（Gonzalez，2014年）（Gonzalez等人，2014年）在多种载荷下开发了多个FEA模型来分析力学响应。Cho和Yoon（Cho和Yoon，2016年）研究了编织橡胶软管的变形行为，利用叠加和单元格FEA方法对编织层进行均质化，并分析了不同条件下的力学响应。Tonatto等人（2021年）开发了一个包含Rebar和嵌入式元素的FEA模型，研究了带有周向加强件的微段软管的承载预测，分析了结构参数对最终内压能力的影响。Lu等人（2020年）使用3D非线性FEA分析了非粘合柔性管道在轴向拉伸/压缩-弯曲载荷下的行为，重点研究了弯矩-曲率关系、接触压力和铠装钢丝的滑动情况。
上述关于海上原油卸载软管的研究文献主要采用有限元方法和实验方法来研究软管的力学性能。此外，这些研究侧重于软管在单一载荷下的力学响应，考察了各个结构参数对力学性能的影响。现有文献缺乏对加强绳角度、层数、螺旋钢丝直径和间距等关键参数的定量效应的全面系统分析。当前的结构优化方法依赖于试错，计算工作量大，且通常存在对参数敏感性理解不足和设计方法效率低下的问题。
为了解决这些问题，本研究提出了一个创新的研究框架（图3）：1）多尺度建模，结合ASTM测试（ASTM D 412-1992，1992）和FEA验证（ASTM D 2970-1995，1995）；2）引入RBF神经网络，通过Abaqus二次开发生成1000个样本，实现拉伸刚度与影响因素之间的高维映射；3）输出最优结构参数以供工程验证。
研究方法和结果可用于预测软管的拉伸刚度。拉伸刚度是船舶和软管耦合流体动力分析中的一个重要力学参数。例如，在FPSO、软管和油轮之间的耦合流体动力分析中，刚度用于计算软管在环境载荷下的张力。
模型假设
为了在有限元方法对海上原油卸载软管主体进行拉伸仿真时最小化边界效应的影响，基于Gao等人（2021a）的研究，选择了长度直径比为3的模型（即长度为900毫米）。鉴于海上原油卸载软管的复杂复合结构和材料特性，做出了以下假设以简化计算：
识别软管拉伸中的关键承重部件
在海上原油卸载软管中，加强绳层和螺旋钢层是主要的承重部件（Liu等人，2024年）。为了研究哪个部分主要提供软管的抗拉能力，在其他结构参数相同的条件下建立了两个有限元模型：一个只有加强绳层而没有螺旋钢层（橡胶+加强绳），另一个只有螺旋钢层而没有加强绳层（橡胶+螺旋钢），两者均具有14层加强绳。
讨论
神经网络在高效分析和预测复杂工程结构的力学行为方面发挥着重要作用。为了确保神经网络模型的准确性和预测效率，采用了全因子实验设计。通过Python API使用Abaqus进行了参数建模（Razbin等人，2022年）（图17）。结合海上原油拉伸力学性能的参数敏感性分析
结论
本研究以国产海上原油出口软管为研究对象，利用有限元软件Abaqus建立了该软管的轴向拉伸模型。基于全因子实验方法获取了有限元仿真数据样本，并构建、训练和验证了RBF神经网络模型。得出以下结论：
(1)建立的海上原油卸载软管Abaqus有限元模型
CRediT作者贡献声明
王浩：撰写——初稿撰写、资金获取、正式分析、概念构思。姜金南：撰写——审阅与编辑、可视化、正式分析、数据管理。高强：撰写——审阅与编辑、监督、方法论指导。王立伟：撰写——审阅与编辑、验证、软件应用。刘小雷：撰写——审阅与编辑、监督、调查。刘家豪：撰写——审阅与编辑、资源协调、资金获取。王侃：撰写——审阅与编辑、项目统筹
利益冲突声明
本手稿的提交不存在利益冲突，所有作者均同意发表。我代表我的合作者声明，所描述的工作尚未在任何地方发表，也未被其他地方考虑发表。所有列出的作者均已批准所附的手稿。
致谢
本研究得到了国家自然科学基金（编号：52404230、52001196和52471378）和上海市自然科学基金（编号：24ZR1428000）的财政支持。作者们对此表示衷心的感谢。
