基于数字孪生的船机电装备信息动态匹配模型研究

张宇河，姜海龙

（海军潜艇学院，山东青岛 266199）

0 引言

数字孪生（Digital Twins，DT）技术是一种船机电装备信息与物理资源整合、共享和使用的高效组织方法[3]。数字孪生借助数字化模型技术构建真实的物理实体，使用数字化模型之间的交互来模拟物理世界的实体交互，融合数字化交互反馈，物理传感器数据、维修与决策数据的深度融合，拓展实际物理装备的功能，作为纽带连接数字化信息与动态物理数据。已有文献针对船厂厂区管理，提出了数字化船舶数字孪生生产模式，探索设计、生产决策、装备运行状态故障诊断与管理等应用模式，将厂区所有信息进行建模仿真[4]，优化生产工作流程。数字孪生技术在船机电装备保障方面已经开始应用，整合传感器网络获取的高质量发动机及机舱环境参数、船舶实时运行数据、邻近位置海况天气信息、实际维修历史记录、人员操控及估计模拟状态，实现船舶装备保障混合人机交互界面[5]。但针对实际装备保障中，个人操作兴趣的影响问题研究较少，也少有文献报道人的操作兴趣与数字孪生数据匹配问题。

1 数字化孪生船用机电装备维修保障架构

为解决机电装备维修保障模型中人在回路的问题，在传统IETM 的机电装备装配分层与信息组织方式基础上，考虑用户兴趣与信息自动匹配需求，构建了机电装备信息的数字孪生模型架构（图1）。

图1 数字化孪生船用机电装备维修保障架构

其中，船舶信息物理混合资源层，为船舶数字孪生DT 模型提供基础数据；以机电装备的设备编号系统作为基础ID 编码，组织实时的物理世界的船舶维修保障传感器数据与船机电设备控制指令，拓展数字孪生的信息的实时性、动态性与双向控制。

数字孪生信息匹配层，建立起船机电设备DT 数字化组件的属性关联。技术实现上，采用数字孪生DT 模型建模方法[6]，根据船舶系统关系构建DT 数字化组件之间的网络关系，如船体结构与船舶装置、推进系统、电力系统、辅助保障系统、任务系统等装备及零部件之间的关联。物理船舶状态及环境数据通过人与装备动态交互事件进行组织，如船舶装备维修、保障物流、人员管理等全周期的动态交互。信息智能化匹配网络模块通过智能算法向用户推荐最合适的资源层信息与数据。

用户交互层，通过人机交互界面获取用户的个人访问兴趣、船员或维修保障人员的岗位组织关系及访问权限。该信息作为数字孪生信息匹配的目标和约束条件。

2 信息—物理—人员混合网络模型

图2 信息—物理—人员混合网络模型

采用数字孪生DT 模型建模方法，构建信息—物理—人员混合网络模型，如图2 所示。在IETM 中，图纸及维修保障技术规范文件一般按照船舶系统及装备装配图组织，形成“系统—装备—部件—零件”的分层树形结构，且三维模型与维修保障信息通过零件ID 进行关联，构成数字资源的网络拓扑图；在DT 数字组件中，船舶实时运行数据由无线传感器网络拓扑及船舶系统分类编码组织，实时数据通过零件ID 进行绑定，形成船舶状态数据资源的网络拓扑图；用户兴趣指特定维修包装主题的设备及维修信息，且本质为一组具有访问权限的零件ID 所对应的信息—物理资源，形成的用户需求网络拓扑图。

数字孪生DT 数字组件混合网络通过零件ID 关联，由用户动态决策选择不确定性感兴趣的内容，实现网络节点之间交互。这类场景通常可用Multi-Agent 系统建模。

2.1 DT 组件资源模型

当前被用户选择的DT 组件j 提供信息资源，该资源由一组单元Agent 资源[7]提供，该单元Agent 资源集合为Sp（j）：

第一，破除“读书无用论”等观念，重视教育对个人主观社会地位评价的积极作用，推动我国教育事业的发展。对于我国中西部地区而言，接受高等教育能够获得更高的社会地位回报，从而要关注中西部地区教育事业的发展，尤其是高等教育的发展。

其中，Si表示各个DT 组件资源的输入和输出二元组。每个单元Agent 资源仅分别有一个输入和输出，k[0，Ni]，其中，Ni表示DT 组件提供的信息资源数。如船员访问IETM 电子交互式手册场景中，图纸单元Agent 资源以机电设备零件图纸信息资源为例：输入表示零件ID编号，输出表示该零件蓝图的PDF 文件。

2.2 用户兴趣模型

用户交互层，人员产生IETM 信息访问兴趣，对应一组数字孪生组件节点集合Sr（h），并向权限范围内的DT 网络资源发起请求，权限所包含的DT 代理拓扑图为ga（V，E）。人与DT 资源混合网络图为ghybrid（V，E），数字孪生DT 节点集合为V。用户兴趣节点i（iV）：

其中，Sr（i）包含满足用户需求所需要的DT 单元Agent 信息，Sr（i）={s1，s2，...，sm}，n[0，Ni]，Si表示DT 单元Agent 资源，Ni表示节点i 的访问需求中包含的单元Agent 资源的总数；Li表示用户权限范围，装备被授权访问的系统、零件等信息分支的深度范围，Li=depth（Gr），如电子手册中信息或三维设备模型的ID 树形结构的深度；ghybrid（i）表示用户节点i 内DT 信息物理资源的代理连接关系图，来源于人机互操作中数字资源与物理数据的连接关系约束、人对设备信息历史遍历访问记录、DT 组件节点的访问权限等。

2.3 用户兴趣的动态性模型

根据节点i 的访问需求，电子交互式手册IETM 信息资源节点j 提供单元Agent 集合中被用户i 选择的单元Agent 资源集合为Sselect（j）：

则，获得节点j 提供信息资源后，用户节点i 当前剩余的需求为：

用户节点个体访问请求集合包含的单元Agent 请求数量随时间渐进变化，且访问请求通过DT 组件节点联盟的形式满足。

其中，Ni同式（1），Wi表示当前被用户访问的DT 组件所提供的DT 节点能向用户节点提供满足用户i 需求的比例，Wi[0，1]。当Wi=0，表示用户访问的DT 组件或者网页资源不提供任何有用信息；当Wi=1 时，当前DT 组件绑定的智能设备信息能单独满足用户的访问请求。

3 信息智能匹配算法研究

人与信息物理资源网络的智能匹配问题，可以分解为人的选择规则和DT 节点资源的主动推荐规则。通常，船舶人员访问电子交互式手册效率的评价指标为响应快速、反馈资料准确。除交互硬件及计算机网络因素外，减少授权过程可提升响应速度，即使用户关心的数据尽可能多地由具有访问权限的DT 组件提供；除用户直接点击静态已知信息外，考虑根据历史使用记录推荐最相关资源可提高反馈的准确性。在理想情况下，在高度不确定的信息—物理—人员混杂网络中，DT 组件资源之间不可发起需求、人员之间不直接发起需求，仅人员与DT 组件资源发生“需求—提供”交互。这种用户“需求”与DT 组件资源“提供”之间的匹配具有类电磁特性，因此可采用电磁优化算法[8]求解匹配问题。

本文设用户请求代理与DT 组件信息资源提供代理为异种电荷，则节点j 置于用户请求节点i 的需求势场中，在两个连线方向，用户请求代理与DT 信息资源提供代理之间的虚拟引力F（i，j）：

其中，k0表示DT 组件类型常量，dij是用户节点i 到DT 组件信息资源节点j 的距离，dij=Lij，权限Lij定义同式（2）。同一个DT 组件信息资源被选择的策略为：最大虚拟吸引力、历史最相关DT 信息资源。可转换为如下优化问题：

其中，Wi表示历史访问记录中DT 资源组件的数据集Gr与人兴趣的相关度。将最大相关度转化为最短路径问题求解。

4 案例分析与性能评估

本文以某型船舶机电设备维修保障为实例，面向船舶机电设备维修保障场景，设计船员操作IETM 资源的仿真案例。

针对船员历史IETM 操作数据、机电装备关键词偏好的动态性与不确定性，采用WordNet 搭建用户兴趣的关键词网络；设置IETM 信息与物理混合资源与用户需求的相关度为[0,W]的随机平均分布；用户请求的单元Agent DT 组件资源数量为Ns=100，用户权限包含单元AgentDT 组件资源数量Nr=100，可提供DT 组件数量为Np=200，其中每个DT 组件包含的单元Agent 信息资源设置为平均分布[0,100]。考虑船舶系统的父子层次装配关系，DT 组件使用树形结构构建图纸、维修信息等数字信息的网络拓扑。

传统方法船员逐级打开维修信息目录、依照机电设备天然的树形结构网络逐一访问。这是一类网络定向扩散（Directed Diffusion，DD）路由问题。本文新方案与传统DD 方案性能比较如图3 所示：DD 方案中，提供单元Agent 资源的数量集中在20～40，表明每个DT 节点被用户逐次访问的概率较大；新方案中，超过30 个节点提供单元Agent 节点数为0，表明部分节点未被访问的情形下用户的需求得到满足，且第25 号、33 号、65号、200 号节点单独提供单元Agent 服务数量大于70，表明能访问较少DT 数字组件节点快速地满足用户需求。DD 方案中DD提供单元Agent 资源的数量均值为37，而新方案的单元Agent资源节点的数量均值为15，平均每个DT 组件被浏览的次数减少59.5%，表征为信息匹配的效率提升。

图3 新匹配方案与DD 方案的效率比较

5 总结与展望

本文提出了船机电装备保障数字孪生模型，并构建了用户与信息融合网络，设计了一种维修保障信息快速定位与推荐算法。与静态的分级点选方法相比，该方案能有效提升信息获取效率达到59.5%。用户使用IETM 越频繁、用户权限越大，获取信息的效率越高。下一步将针对本文所提的方法，构建更贴合实际装备保障场景的仿真实验，开展更深入的验证，以期为船机电装备信息动态保障领域提供一种可靠的信息动态匹配方案。