2. 武汉理工大学 内河航运技术湖北省重点实验室, 湖北 武汉 430063;
3. 武汉理工大学 创业学院, 湖北 武汉 430070;
4. 武汉理工大学 交通与物流工程学院, 湖北 武汉 430063;
5. 武汉理工大学 智能交通系统研究中心, 湖北 武汉 430063;
6. 武汉理工大学 国家水运安全工程技术研究中心, 湖北 武汉 430070;
7. 南方海洋科学与工程广东省实验室(珠海), 广东 珠海 519082
2. Hubei Provincial Key Laboratory of Inland Shipping Technology, Wuhan University of Technology, Wuhan 430063, China;
3. School of Entrepreneurship, Wuhan University of Technology, Wuhan 430070, China;
4. School of Transportation and Logistics Engineering, Wuhan University of Technology, Wuhan 430063, China;
5. Intelligent Transportation Systems Research Center, Wuhan University of Technology, Wuhan 430063, China;
6. National Engineering Research Center Water Transport Safety, Wuhan 430063, China;
7. China and Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China
数字孪生是指充分利用物理模型、传感器更新、运行历史等数据,并以数字化方式建立物理实体的多学科、多维度、多物理量、多尺度、多概率的仿真过程。其在虚拟场景中完成映射,从而反映相对应的物理实体的全生命周期过程,可被视为一个或多个重要的数字映射系统[1]。近几年,随着数字孪生在各个领域研究热度的提升,数字孪生技术体系也在逐渐完善,如图1所示。
船舶虚拟测试场景仿真从功能、性能、安全、稳定和鲁棒性等方面推动智能船舶航行技术研究、保证智能船舶航行安全可靠、促进智能船舶航行技术的不断迭代进步。近年来,国内外对船舶虚拟测试场景仿真的研究不断深入,然而,虚拟场景应用时的保真度差,建模难度大,仿真结果不够精确以及实时性差都是待解决的问题[2]。现有的船舶预测中假设环境过于单一,如假设风速和流速都不变,未能体现真正的海洋情况和其他各种环境要素的影响。
本文提出一种基于数字孪生的船舶虚拟测试构架,通过参考应用于其他领域的数字孪生方法,提出满足不同情况的船舶虚拟测试架构,根据不同需求进行相应架构的组合变化,将数字孪生技术应用于各个船舶领域。
1 数字孪生的关键技术 1.1 船舶周围大数据获取与分析技术船舶虚拟测试仿真时对周围大数据的获取至关重要,船舶航行所处的海洋环境潜在危险较多,现阶段主要是通过船舶虚拟测试进行船舶行为的模拟,以便尽早发现潜在危险。如何更加准确快速获取数据是数字孪生体系构建的基础和核心,就应用效果而言,考虑到周围噪声和船舶AIS数据存在数据异常的情况,获取数据方法的可行性和可靠性对数字孪生数据的影响更加直接。大数据的获取与分析包括数据采集、数据挖掘和数据处理,在此基础上,通过人、船、船基之间的通信技术进行信息实时共享,通过数据感知、数据采集、集中处理和数据应用4个步骤对船舶虚拟测试场景仿真进行数字驱动控制[3]如图2所示。近几年,数据获取与分析技术已逐渐成熟,如基于船舶AIS数据和周围海洋环境海况的特征分析,对已获取的航行数据进行挖掘从而开发出可视化程序,对其作业特性做出评估分析。
运用数字孪生技术构建数字孪生体的本质是先探索出物理实体的内在规律,再根据规律构建出能够反映出物理实体的数字孪生体,使两者之间实现有效闭环。而融合数字孪生后建立的数字孪生体模型会随着虚拟测试场景仿真模型的状态更新、维护、升级和改造,具有一定的实时性。因此,需要将孪生数据与虚拟仿真模型参数等比例映射以便实现控制逻辑和数据传输时的实时接收和驱动。虚拟测试场景仿真的数字驱动技术[4]是利用传感器、计算机、多媒体等设备,通过构建出三维虚拟测试场景实现人与虚拟场景的实时交互控制。如图3所示,数字驱动控制虚拟测试场景仿真架构主要包括数字孪生体、数据控制和数据反馈等。随着智能航运的不断发展,数字驱动技术在船舶虚拟测试场景仿真的研究与应用也会逐步深入。
船舶虚拟测试场景仿真模型的构建需要考虑到众多因素,如何在混乱复杂的数据中提取自己所需的目标数据是模型的构建基础,随着智能船舶的研究逐渐深入,目前可基于船舶上的雷达、AIS和其他感知设备获取航行环境中的数据,再结合岸基提供的参考信息可对多源感知数据进行融合从而实现数据的匹配与航行态势估计,如图4所示。根据感知到的不同来源数据进行环境态势重构和航行态势的虚拟呈现,可以很大程度上规避航行过程中的潜在危险。
采用对航行环境周围目标船、风浪和障碍物等影响航行的多源感知数据重构技术,需要从不同维度去理解本船所处环境的特征和潜在危险的威胁程度,从而推断出本船的航行态势。在此基础上进行更深层次的研究,预测本船下一步的态势,根据预测出的信息进行轨迹修正,并针对潜在危险设计应对方案。
2 基于数字孪生的船舶测试架构目前,船舶虚拟测试研究大致可分为2个阶段,第1阶段是根据物理模型进行的虚拟测试,其实验是基于商用软件的通用船模,船舶模型精度较低,适用于船舶流体线型、水动力等方面的优化研究;第2阶段是基于数字孪生的虚拟测试,由数字孪生产生的数字模型不仅具有更高精度的模型,还能模拟出更真实的船舶航行场景,其更适用于对船舶的操纵性能、感知、决策和控制算法[5]等方面的优化研究。为此,本文提出一种虚拟测试数字孪生体的建立方法,如图5所示。
近年来数字孪生体的研究已逐渐完善,其中船舶数字孪生体主要包括船舶参数的确立、船舶虚拟建模以及船舶数据采集3部分[6]。通过对实船的操纵性能、船舶吃水和航行数据等参数数据的采集,运用数字孪生技术进行1∶1的虚拟建模,根据不同需求构建出面向机器的2D模型、面向大众的3D模型以及面向专业人员的2.5D模型。
其中,面向机器的2D 船舶模型虽然不够精细,但其构建较为简单,能够降低机器运行时的负担,在面对大量重复性实验工作时,2D船模尤其适用。面向大众的3D模型精度最高,同时建模负担最大,其能够更加直观显示出船舶参数细节,满足精细化工作需求,对使用者的船舶相关专业知识要求较少,具有一定的普适性。面向专业人员的2.5D模型在降低建模难度的同时也能保证一定的精度,其适用于专业人士进行相关实验,对模型精度要求不高的实验适用性更高。
2.2 虚拟测试场景构建虚拟测试场景本质上是实景的数据映射,运用数字孪生技术能够构建出更贴合现实的虚拟测试场景。虚拟测试场景孪生体的构建主要包括场景数据映射、数据处理以及视图构建[7]3部分。其中数据映射主要包括虚拟场景的识别、场景数据的重构以及场景数据的融合。将经过数据处理后的场景数据通过数据映射到虚拟测试场景进行视图构建,可根据需求分为2D场景、3D场景和2.5D场景。
不同维度的场景可与相应的船舶模型相结合以满足不同需求:2D场景结合2D船舶模型,针对通过机器进行大量实验工作时,可提高机器工作时的效率,实现快速仿真的需求。3D场景结合3D船舶模型,实现虚拟场景的可视化,以更高精度的虚拟场景进行精确的实验。2.5D场景结合2.5D船舶模型可以以更低的成本,又能保证可靠性地进行实验,具有更高的灵活性和可行性,适合进行专业性较强的实验。
2.3 基于数字孪生的测试架构构建智能船舶的航行测试需要考虑海况、人员状况和天气等诸多因素,实施成本较大,难以开展,针对此问题,基于数字孪生的船舶虚拟测试架构的构建展现出重要意义和价值。数字孪生的本质是基于物理实体的内部规律进行1∶1参数建模,实体参数的准确性至关重要,因此如何构建物理实体的高精度数字模型则是实现结合数字孪生技术的关键。船舶虚拟测试是以虚拟测试场景为基础,通过计算机程序运用相关算法构建出虚拟三维模型,从而在各种场景中进行复杂的测试实验。基于数字孪生的虚拟测试可以更进一步进行感知、决策和控制算法优化等精细的研究。
基于数字孪生的虚拟测试架构构建流程如图6所示。周毅等[8]初步搭建出船舶数字孪生体,同时基于孤立森林算法对船舶设备寿命进行预测研究,为今后数字孪生体的研究提供一些参考。
近年来,应用于船舶领域的虚拟测试实验大部分是基于商用软件的通用船舶模型,模型精度较低,无法做到与实船的完全拟合,实验过程中大概率会出现因参数误差导致的失败结果,极大地增加了实验难度。而结合数字孪生技术可以很大程度上预防该问题的产生。
运用数字孪生技术建立的模型精度高,但同时难度较大,更为复杂。在进行虚拟测试时,数字孪生模型的选取至关重要,不同类型的实验对模型的精细度要求不同。如进行操舵和旋回圈实验时,对船舶模型要求精度较高,对虚拟场景精度要求较低,此时选取3D/2.5D船舶模型与2D/2.5D场景的组合更为合适。在进行虚拟测试实验前通过数字孪生技术进行实验的全生命周期预演,可提前找到更适用于本实验的模型与场景,同时易于发现本实验存在的问题和潜在危险,极大地提高了实验的成功概率。
基于数字孪生虚拟测试的关键在于模型与实物之间进行1∶1参数还原,基于高精度的模型可进行更深层次的研究。虚拟测试后,根据实验结果运用数字孪生技术校验船舶模型,提高船舶模型的精细度,使其与实船的相似度达到95%及以上,再基于相似度更高的模型进行智能船舶的感知、决策和控制算法的优化,很大程度上提高了控制算法的研究效率和准确性。
3.2 基于数字孪生的船舶远程操作时延弥补随着航运智能化的不断发展,目前,针对船舶远程操作技术的研究也不断深入。远程操作时信息的传递必不可少,受环境、距离以及障碍物等多个因素的影响,如何及时将操作指令传达给船舶并得到信息反馈是目前有待解决的问题[9]。
对此,提出一种基于数字孪生建立的“人—机—船”船舶远程操作系统,如图7所示,该系统的搭建主要考虑操作人员运用何种控制算法使基于数字孪生的虚拟测试结果及时传递给船舶,船舶数据如何及时反馈到操作人员。
目前常见的时延控制方法包括滑模控制、H∞控制和Smith预估控制3种。其中,滑模控制主要是利用滑模结构所控制的鲁棒性达到时延补偿的效果,其具有快速响应、对应参数变化、扰动不灵敏以及物理实现简单等优点。但在时延参数和环境参数不明确的情况下,会对系统稳定性造成不利影响。
H∞控制方法是用H∞范数作为目标函数的度量边进行优化设计,在Hardy空间上进行的优化控制方法。H∞控制在表示上较为简单,而在考虑鲁棒性问题时,相较其他方法H∞控制方法更为直观。但其求解时需要用到如频域法、多项式法和状态空间法等复杂方法。
Smith预估控制通过将预估器的一部分与被控制对象并联在一起,从而使系统提早反馈达到消除时延对系统稳定性的影响。其需要基于高精度的系统模型才能达到良好的效果,而如果没有时延影响,可将Smith预估系统不予考虑,使系统设计更为简单。
受周围环境影响,船舶航行时不可避免会产生短时间的信号缺失,理论上运用数字孪生技术可将信号及时发送给操作人员,但在实际应用上存在一定的阻碍,如其很难应用于船舶避碰和靠离泊等精细的船舶操作。
4 结 语近年来,数字孪生技术,在船舶领域的应用逐渐开展,拥有可观的研究前景。本文提出一种基于数字孪生的测试架构,介绍该架构在虚拟测试前后以及船舶远程操作时延问题弥补的应用。运用数字孪生技术构建出的高精度模型,更有利于在虚拟测试进行“一百万”实验时更加高效准确地得出实验结果,并在此基础上进行更进一步的控制算法研究。
基于数字孪生的测试比传统的虚拟测试更加精确,在此实验结果的基础上可分析得出适用于不同类型船舶的感知、决策和控制算法及其优化,同时可应用于船舶航行的评估等方面的研究,对船舶智能化的发展有重要的应用价值。
[1] |
刘大同, 郭凯, 王本宽, 等. 数字孪生技术综述与展望[J]. 仪器仪表学报, 2018, 39(11): 1-10. LIU Datong, GUO Kai, WANG Benkuan, et al. Summary and perspective survey on digital twin technology[J]. Chinese Journal of Scientific Instrument, 2018, 39(11): 1-10. DOI:10.19650/j.cnki.cjsi.J1804099 |
[2] |
王洋, 薛静, 刘春龙, 等. 一种高速系统级虚拟测试环境实现技术[J]. 航天控制, 2019, 37(2): 49-54. WANG Yang, XUE Jing, LIU Chunlong, et al. High Speed System-Level Virtual Testing Environment Implementation Technology[J]. Aerospace Control, 2019, 37(2): 49-54. DOI:10.16804/j.cnki.issn1006-3242.2019.02.009 |
[3] |
王凯, 徐浩, 张梦妍, 等. 数字孪生技术在水路运输领域的应用及研究[J/OL]. 中国舰船研究: 1-10[2022-09-14]: https://kns.cnki.net/kcms/detail/42.1755.TJ.20220808.1332.002.html WANG Kai, XU Hao, ZHANG Mengyan, et al. Research and application of digital twin technology in waterway transportation[J/OL]. Chinese Journal of Ship Research: 1-10[2022-09-14]:https://kns.cnki.net/kcms/detail/42.1755.TJ.20220808.1332.002.html. |
[4] |
向卓文. 数字孪生虚拟实体在线实时组装与驱动技术研究及应用[D]. 成都: 电子科技大学, 2022.
|
[5] |
周毅, 李萌, 华先亮, 等. 船舶数字孪生平台的设计与应用[J]. 天津科技, 2022, 49(3): 84-89. ZHOU Yi, LI Meng, HUA Xianliang, et al. Design and Application of Ship Digital Twin Platform[J]. Tianjin Science & Technology, 2022, 49(3): 84-89. DOI:10.3969/j.issn.1006-8945.2022.03.021 |
[6] |
JONES D, SNIDER C, NASSEHI A, et al. Characterising the Digital Twin: A systematic literature review[J]. CIRP Journal of Manufacturing Science and Technology, 2020, 29: 36-52. DOI:10.1016/j.cirpj.2020.02.002 |
[7] |
RASHEED A, SAN O, KVAMSDAL T. Digital twin: Values, challenges and enablers from a modeling perspective[J]. IEEE Access, 2020(8): 21980-22012. DOI:10.1109/ACCESS.2020.2970143 |
[8] |
FULLER A, FAN Z, DAY C, et al. Digital twin: Enabling technologies, challenges and open research[J]. IEEE Access, 2020, 8: 108952-108971. DOI:10.1109/ACCESS.2020.2998358 |
[9] |
刘刚. 基于数字孪生的机器人遥操作系统时延补偿研究[D]. 西安: 长安大学, 2021.
|