舰船上层建筑是指水面舰船主体最上一层纵通甲板的围蔽结构和附属结构^[1,2]，其包括船楼、甲板室、机舱棚等，在船楼、甲板室以及机舱棚内有电信设备、雷达设备、传动装置以及升降舵等多种设备^[3]，因此对舰船上层建筑的设备进行运维管理是舰船管理的重中之重。张凡等^[4]提出船舶动力装置保障系统，该系统通过采集舰船上层建筑内设备全寿周期运行数据后，利用大数据分析算法获得舰船上层建筑内设备故障状态，并依据设备故障状态对其进行运维。但该系统在应用过程中，其利用传感器采集设备运行数据时容易受到噪声干扰，导致其故障状态判断不够准确，无法达到较好的运维效果。战翌婷等^[5]提出船舶智能运维系统，该系统采集到船舶上层建筑设备实时运行数据后，将该数据输入到设备衰退机制动态决策树模型内，利用该模型输出舰船上层建筑设备故障水平，并依据设备故障水平对设备进行运维。该系统在应用过程中，兼容性能较差，因此应用范围较小。

数字孪生技术是通过在数字空间内构建虚实结合的全信息映射，反映当前目标的实时动态。数字孪生技术可与通信技术、传感技术等相结合为用户提供目标的物理模型以及目标当前运行状态。本文以数字孪生技术为基础，设计舰船上层建筑运维系统，提升舰船上层建筑运维技术水平。

系统结构由数据采集层、数字孪生层、业务逻辑层展示层和用户层组成，如图1所示。采集舰船上层建筑设备基础信息和运行信息，对其进行报文解析后，将其存储到MySQL数据库内。数字孪生层通过调取MySQL数据库内舰船上层建筑中控数据，利用该数据构建数字孪生体，通过数字孪生体模拟舰船上层建筑设备生产并同步虚拟运行，产生舰船上层建筑设备虚拟运行数据，将该数据传输到业务逻辑层内。业务逻辑层对舰船上层建筑设备虚拟运行数据进行降维、去冗余预处理后，利用映射驱动将其传输到故障诊断模块内，故障诊断模块使用基于规则变量分析的舰船上层建筑故障诊断方法得到舰船上层建筑设备运行故障信息，并将该信息发送到展示层内。展示层为用户提供舰船上层建筑设备相关运维信息管理并通过监控屏幕、后台PC端和移动终端呈现给用户。

图 1 舰船上层建筑运维系统结构示意图 Fig. 1 Structural diagram of operation and maintenance system of ship superstructure

舰船上层建筑运维系统通信功能是该系统运行的基础，以数据通信板作为舰船上层建筑运维系统通信硬件，设计系统通信核心硬件架构，其结构如图2所示。通信核心硬件结构由核心板和载板组成，利用5V电源为核心板提供稳定电压，核心板为Cortex-A系列ARM内核，其主频高达450 MHz，核心板连接以太网收发器，并通过3个UART接口连接不同类型接收芯片，利用不同类型接收芯片连接载板不同类型连接器，再通过不同类型连接器连接芯片背板接口，利用该接口连接以太网，实现整个舰船上层建筑运维系统的通信过程，并使用指示灯提示当前网络连接状态。

图 2 通信核心硬件结构示意图 Fig. 2 Schematic diagram of communication core hardware structure

利用对象-节点方式建立舰船上层建筑设备数字孪生体模型，该模型结构如图3所示。从数据采集层内调取舰船上层建筑设备运行信息后，得到设备的通用数据、基础数据、运行数据以及用户操作数据后，将每个设备看做一个对象，将其命名为Groups，每个设备由若干个Group构成，在每个Group内存在一组Item，每个Item被看作一个节点。利用以太网服务器赋予每个Item一个映射地址，依据服务器的映射地址，使用数字孪生技术的调用读取函数Item节点映射地址，生成对象数字孪生体模型。通过运行对象数字孪生体模型，即可模拟舰船上层建筑设备虚拟运行状态，得到设备实时运行虚拟数据。

图 3 设备数字孪生体模型组成 Fig. 3 Composition of digital twin model of equipment

基于规则变量分析诊断方法是通过设备虚拟运行数据进行离线建模，利用该模型对舰船上层建筑设备运行状态进行预测，当实际值与预测值差值较大，则诊断故障发生。舰船上层建筑设备状态空间模型表达公式如下：

式中： $i$ 为时刻；x(i+1)为 $i + 1$ 时刻设备状态向量；y(i)为 $i$ 时刻预测向量；e(i)为预测误差； $\kappa x(i)$ 为预测状态最佳估计值； $Be(i)$ 为控制量； $H$ 为测量参数矩阵。

定义舰船上层建筑设备离线数据线为：

式中， $p$ 为舰船上层建筑设备离线数据个数。

定义舰船上层建筑设备在线数据线为：

由式(2)、式(3)得到舰船上层建筑设备离线数据Y_p和在线数据Y_f，表达公式如下：

式中， $N$ 为数据总数。

${{\displaystyle\sum} _{pp}}$ 和 ${{\displaystyle\sum} _{ff}}$ 分别表示式(4)、式(5)的协方差矩阵，则 $k$ 时刻的舰船上层建筑设备状态x(k)如下：

将式(6)结果代入到式(1)内，即可得到舰船上层建筑设备运行预测值，将其与实际值进行对比即可得到其故障状态。

以某舰船作为实验对象，该舰船上层建筑设备包含动力机、内燃机、推进电机组、减速箱、离合器、机舱内箱柜、冷却水管路、燃油管路以及不同类型的显示设备、导航设备、甲板机械等。将本文系统应用在该舰船上层建筑设备运维管理过程中，为该舰船运维提供技术支持，同时验证本文系统的应用效果。

首先验证本文系统在应用过程中的可靠性。以系统自动热启动次数作为衡量系统运行可靠性指标，测试本文系统下连续运行300 d时，自动热启动次数，结果如图4所示。分析可知，本文系统在运行时，其自动热启动累计次数与运行时间成正比例关系。在运行时间为90 d之前时，本文系统运行时的自动热启动累计次数始终为0。当运行时间超过90 d时，本文系统自动热启动累计次数呈现阶段性增加趋势，但增加幅度较小。上述结果说明，本文系统运行较为稳定，其出现自动热启动次数较少，可靠性较好。

图 4 系统可靠性测试结果 Fig. 4 System reliability test results

以舰船上层建筑设备故障诊断通知时间作为指标，测试本文系统诊断出舰船上层设备故障后为用户发出通知的及时性以及故障诊断精度，以呈现本文系统对舰船上层建筑设备运维的及时性，同时设置故障通知阈值为1s测试结果如表1所示。分析可知，当设备状态值变化次数较多时，本文系统诊断其故障通知时间也呈现增加趋势。但诊断故障次数与设备值变化次数存在的关联关系不大。其中仅在设备状态值变化次数为60次、90次和100次时，本文系统诊断故障次数与实际设备状态值变化次数存在差异，但差异数值较小。在设备状态值变化次数为100次时，本文系统故障通知时间仅为0.07 s，低于预设阈值。上述结果表明，本文系统可有效诊断舰船上层建筑设备故障，并可及时通知用户对设备进行运维，具备较好的应用效果。

表 1(Tab. 1)

表 1 故障诊断精度与通知及时性测试结果 Tab. 1 Test results of fault diagnosis accuracy and timeliness of notification 设备状态值变化次数 诊断故障次数 状态诊断通知时间/s 设备状态值变化次数 诊断故障次数 状态诊断通知时间/s 10 10 0.01 60 59 0.04 20 20 0.01 70 70 0.05 30 30 0.02 80 80 0.05 40 40 0.02 90 88 0.06 50 50 0.03 100 99 0.07

表 1 故障诊断精度与通知及时性测试结果 Tab.1 Test results of fault diagnosis accuracy and timeliness of notification

以该舰船上小型发动设备作为实验对象，使用本文系统建立该设备数字孪生模型，结果如图5所示。分析可知，本文系统可有效建立其上层建筑设备数字孪生模型，设备数字孪生模型与设备实体为等比例关系，模型与实体相似度完全相同，可较好构建舰船上层建筑设备数字孪生模型，有效获取设备虚拟运行数据。

图 5 舰船设备数字孪生模型 Fig. 5 Digital twin model of ship equipment

以该舰船上层建筑设备为实验对象，使用本文系统对其展开运维管理，给出设备视情维护优先级，结果如图6所示。

图 6 运维测试结果 Fig. 6 Operation and maintenance test results

可知，本文系统可为用户呈现该舰船上层建筑设备视情维护优先级，用户可依据该优先级对其上层建筑设备进行运维管理。

本文利用数字孪生技术建立舰船上层建筑设备的数字孪生体，有利用舰船上层建筑设备数字孪生体模拟设备运行数据，为诊断故障和维保提供实时数据基础。实验结果表明，本文系统运行较为可靠，其诊断舰船上层建筑设备故障较为准确，同时可为用户呈现舰船上层建筑设备运维的视情优先级，应用效果较好。