论文: Generative design of steel-prestressed concrete hybrid wind turbine tower based on machine learning and multi-objective optimization
DOI: https://doi.org/10.1016/j.engstruct.2025.120835
钢-预应力混凝土混合塔筒是一种新型的高性能塔筒形式，在提升风能利用效率方面展现出巨大的发展潜力。如何在给定风场环境下为已选定的风电机组匹配合适的塔筒设计方案成为了工程师面临的难题。针对传统
设计过程中依赖人工试算、仿真流程繁琐且优效率低等问题，本研究提出一种基于代理模型的钢-混凝土混合塔筒多目标智能优化方法，实现了在复杂荷载条件下混合塔筒建造成本与发电效益的综合平衡。该研究有效提升了钢-混凝土混合塔筒的设计效率与智能化水平，为风电工程结构的经济化设计提供了可靠的技术支持。
荷载自动仿真及结构响应自动获取
本研究基于专业风机仿真平台OpenFAST进行了系统性二次开发，创新性地提出了三维风场自动建模、叶片-塔筒一体化结构自动建模、以及极限荷载与疲劳时序荷载自动计算的一体化解决方案。通过开发自动化建模与分析程序，实现了建模文件的自动生成与OpenFAST多模块的智能调度，从而高效完成一体化结构建模与荷载分析。该程序基于预设设计条件与模板文件，动态配置并生成风模型塔架模型及主控程序文件，进而依次调用turbism.exe、bmodes.exe与OpenFAST.exe等核心模块，实现一体化结构建模与荷载响应的全流程自动化分析。为显著提升优化过程中的计算效率，项目在优化前构建了覆盖不同轮毂高度的风机荷载数据库。该数据库以5米为高度间隔，预计算并存储各高度对应的极限荷载与疲劳荷载数据，支持优化过程中的快速检索与调用，有效避免了重复仿真带来的时间消耗。在得到不同工况的仿真荷载后，为了将其荷载响应转化为结构响应评估指标，建立了混合塔筒的精细化有限元模型并基于设计规范对结构响应进行了后处理。此外，优化过程需要执行大量的有限元迭代分析，为了实现优化过程中有限元模型的自动化创建，对有限元程序OpenSees进行二次开发，编写了参数化建模以及结构响应自动提取和整理的脚本文件以便优化算法调用。
基于代理模型的钢-混凝土混合塔筒多目标智能优化方法
本研究提出了一种基于代理模型与多目标优化算法的钢-混凝土混合塔筒生成设计框架。该框架通过高效探索与精准评估自动生成的设计方案，实现混合塔筒建造成本与发电量之间的最优平衡。如下图所示，该框架涵盖数据库构建、代理模型开发与多目标优化三大核心模块。在数据库构建阶段，开发了高效的参数化有限元分析模型，并通过拉丁超立方采样方法系统生成包含一阶频率、塔顶位移与转角、材料应力响应及疲劳损伤等关键指标的结构响应数据集，为机器学习模型开发提供完备数据基础。在代理模型开发阶段，集成支持向量机、人工神经网络与XGBoost等先进机器学习算法，精准学习结构参数与响应之间的复杂映射关系。针对不同响应特性，采用差异化代理建模策略：对频率、应力、变形等指标采用回归算法进行拟合预测；对离散性显著的疲劳损伤指标，则采用分类算法进行失效状态判别，从而实现设计方案的快速智能评估。在多目标优化阶段，建立了以性能约束下建造成本最小化和基于风速概率分布的年发电量最大化为目标的优化模型，综合考虑振动特性、应力状态、变形控制、稳定性及疲劳性能等多准则约束条件。通过NSGA-II优化算法系统求解，最终获得满足工程实际需求的最佳设计解集。
本研究提出的钢-混凝土混合塔筒智能优化设计方法在某大型风电场项目中进行了工程验证。该风电场采用代表性5MW级风力发电机组，其混合塔筒结构混凝土强度等级为C80，钢材等级为Q355，预应力系统采用极限抗拉强度1860MPa的高强钢绞线。
为了获取适用于混合塔筒的代理模型，本研究采用拉丁超立方采样方法，系统生成了4096组塔筒设计参数样本，并通过有限元分析获取相应的结构响应数据。通过对设计参数进行归一化处理，有效消除了量纲差异对机器学习性能的影响。开发了支持向量机、人工神经网络和XGBoost三种机器学习模型的回归与分类算法。回归算法用于预测塔筒频率、应力及变形等连续响应，分类算法则用于判断结构是否发生疲劳破坏。多类型模型性能评估表明，人工神经网络模型在各项结构响应预测中均表现最优，其拟合优度R²普遍高于其他模型，均方根误差和平均绝对误差显著降低，预测值误差主要集中在±10%范围内。在疲劳破坏分类任务中，三种模型均展现出优异的分类性能，准确率均满足工程应用要求。
优化阶段采用上述训练后的机器学习模型作为有限元分析的代理模型，结合NSGA-II算法进行多目标优化求解。在优化效率方面，基于代理模型的生成式设计方法将计算时间从传统方法的117,340秒大幅缩减至7,898秒，效率提升约90%，同时获得的帕累托前沿与传统基于有限元优化的方法高度吻合，证明了该框架在解决复杂工程优化问题中的有效性与高效性。最终优化方案在保证结构安全性的前提下，实现了建造成本与年发电量的最佳平衡，所有方案均通过有限元验证确认满足疲劳性能要求，且关键结构响应指标均接近设计限值，体现了良好的材料利用效率。
为解决风电机组钢-混凝土混合塔筒发电量和建造成本难以平衡以及人工优化效率低等关键技术问题，本研究基于仿真平台二次、机器学习及多目标优化算法提出了混合塔筒的多目标优化方法，实现了从荷载仿真到结构优化的全流程自动化。主要创新及结论如下：
（1）基于风机仿真平台OpenFAST进行二次开发，提出了三维风场自动建模、叶片-塔筒一体化结构自动建模、极限荷载以及疲劳时序荷载自动计算方法；对有限元分析程序OpenSees进行二次开发，建立了混合塔筒的参数化有限元模型，并实现了结构响应自动提取。
（2）基于拉丁超立方抽样获取训练机器学习代理模型所需的优质数据集，针对不同响应特性采用差异化代理建模策略开发了响应预测模型，实现设计方案的快速智能评估。
（3）以年最大发电量和最小建造成本为目标函数建立了混合塔筒的优化数学模型，基于NSGA-II优化算法实现混合塔筒在建造成本与发电量之间平衡的最佳设计，提升设计效率约90%。
本研究提出的混合塔筒生成式设计框架显著提升了大型风电塔筒的智能化设计能力。该方法能够在极短时间内完成大规模设计空间的自动探索，实现塔筒结构建造成本与发电量的全局权衡。生成式设计方法的应用能在工程前期快速形成多套高质量备选方案，大幅缩短风电塔筒设计周期，为风电装备产业化、标准化、自动化奠定坚实技术基础。预期该技术将在陆上与海上大容量风电塔筒研发、个性化塔筒方案定制化设计、智能优化设计平台建设等领域具有广泛的应用前景和显著的经济效益。
