本发明涉及船舶监测，具体为基于数字孪生的船舶结构健康监测与运维决策支持系统。
背景技术：
1、随着全球航运业的快速发展，船舶作为重要的海上运输工具，面临着日益复杂的运行环境和更高的安全要求，船舶在长期运行过程中，受到海水腐蚀、风浪冲击、货物装载应力以及航行振动等多种因素的影响，其结构和涂层不可避免地会发生形变、损伤或老化。近年来，数字孪生作为新型工业技术的重要组成部分，数字孪生技术也开始逐步应用至航运业，而船舶运行环境的高度不确定性和结构损伤的多样性，也对监测系统的适应性和预测能力提出了更高要求。
2、现有技术多采用定期检查或事后维修的方式，无法实时获取船舶结构的形变状态数据，难以捕捉损伤的动态演变过程，通常针对结构变形或涂层脱落的单一损伤类型进行独立分析，忽视了多目标损伤之间的关联性，导致风险评估不全面，进而缺乏对未来周期内损伤方向和扩散范围的精准判断能力，难以快速定位问题区域，缺乏系统化的维护策略支持，容易导致过度维护或维护不足的问题，增加成本或安全隐患。
技术实现思路
1、（一）解决的技术问题
2、针对现有技术所存在的上述缺点，本发明提供了基于数字孪生的船舶结构健康监测与运维决策支持系统，能够有效地解决现有技术的问题。
3、（二）技术方案
4、为实现以上目的，本发明通过以下技术方案予以实现：
5、本发明公开了基于数字孪生的船舶结构健康监测与运维决策支持系统，包括：
6、结构采集模块，用于实时采集预设区域内的船舶结构或涂层的形变状态数据；
7、目标提取模块，用于从形变状态数据中根据目标种类对应提取结构或涂层的凸起、凹陷与脱落数据；
8、属性提取模块，用于获取目标种类对应的结构或涂层的原始强度属性参数；
9、事件提取模块，用于获取未来周期内的驾驶事件及环境影响参数；
10、趋势预测单元，用于根据环境影响参数与强度属性参数，预测当前目标的损伤方向与扩散范围，划分细分区域，并输出联合风险恶化趋势；
11、数据汇总模块，用于提取并暂存趋势预测单元所得数据，并进行分类管理；
12、点位标记模块，用于对数据汇总模块暂存数据，对异常的细分区域及其区域内对应的目标结构或涂层的异常位置、异常及风险等级进行标记；
13、维护策略库，用于预设并存储维护策略，定义对应索引标签；
14、匹配模块，用于根据当前联合风险恶化趋势的位置、类型和等级，在维护策略库中搜索对应标签的维护策略。
15、更进一步地，所述趋势预测单元下级部署有子模块，子模块包括方向判断模块、尺度判断模块、规划模块和联合预测模块，所述联合预测模块与方向判断模块、尺度判断模块和规划模块通过无线网络交互连接，其中：
16、方向判断模块，用于基于当前环境影响参数及某一目标结构或涂层的原始强度属性参数，判断未来周期内该目标结构或涂层的损伤方向；
17、尺度判断模块，用于基于当前环境影响参数、目标结构或涂层的原始强度属性参数及方向判断模块所得的未来周期内的损伤方向，计算所述目标结构或涂层在所述损伤方向上的未来周期内的损伤扩散范围数据；
18、规划模块，用于分析各目标结构或涂层的损伤扩散范围数据的关联性，基于所得关联性将船舶结构划分为若干细分区域；
19、联合预测模块，用于构建联合预测模型，以当前所有目标结构或涂层的各方向损伤扩散范围数据作为输入，计算输出当前采集区域中某一指定预设细分区域在指定周期内的联合风险恶化趋势。
20、更进一步地，所述尺度判断模块的工作逻辑为：
21、基于方向判断模块输出的损伤方向，定义目标结构或涂层在所述方向上的材料薄弱区域，结合当前环境影响参数中的海水盐度、温度及风浪强度，获取环境载荷在损伤方向上的动态作用分量；
22、根据属性提取模块提供的原始强度属性参数，分析目标结构或涂层在所述损伤方向上的抗疲劳特性及损伤容限阈值，模拟环境载荷持续作用下的强度衰减趋势；
23、将未来周期拆分为多个连续时间段，在每个时间段内计算损伤在当前方向上的瞬时扩展速率；
24、基于瞬时扩展速率，累加计算未来周期内损伤在预定方向上的扩散总范围，并引入历史损伤数据的统计分布特征，对扩散范围边界进行概率性修正，生成包括最小扩散值、最大扩散值及最可能扩散值的范围数据包。
25、更进一步地，所述规划模块对各目标结构或涂层的损伤扩散范围数据关联性的计算公式为：
26、；
27、式中，代表目标结构或涂层与的损伤扩散关联度，代表目标与的损伤扩散范围的空间重叠面积，代表目标与的损伤扩散范围的并集总面积，代表损伤扩散关联度的权重系数，代表距离衰减函数的权重系数，代表损伤扩散主方向夹角的权重系数，代表目标与的损伤扩散主方向夹角，代表距离衰减因子，代表距离衰减函数，其值随增大而指数衰减，代表目标与的损伤核心点之间的欧氏距离。
28、更进一步地，所述联合预测模块通过机器学习算法构建联合风险评估模型，通过对历史损伤数据和环境参数的特征提取及标注进行模型训练，其联合风险评估模型的运行逻辑为：
29、联合风险评估模型以各目标结构或涂层的损伤扩散范围数据为输入特征，分析多区域损伤数据的时空关联性，识别指定预设细分区域内损伤的集中出现规律或特定分布模式；
30、基于当前集中出现规律或特定分布模式，定义单一区域涂层脱落、结构变形等独立事件在指定周期内叠加作用时的风险联合效应，并量化该细分区域的整体风险恶化趋势，获取风险等级和风险种类；
31、当多类型损伤在指定细分区域内呈聚集性发生或按预设危险序列出现，联合风险评估模型自动触发升级机制，将风险等级提升至超出单一损伤分析的预设阈值。
32、更进一步地，所述联合预测模块所得的风险等级根据损伤叠加后的综合破坏概率划分为低、中、高三级，风险种类包括结构失效、涂层大面积剥落及复合型连锁损伤。
33、更进一步地，所述结构采集模块包括多个分布式传感器，分布式传感器包括应变传感器、位移传感器和振动传感器，所有传感器以预设频率采集船舶结构的形变状态数据，并通过无线通信网络将数据传输至目标提取模块。
34、更进一步地，所述点位标记模块采用可视化技术对异常的细分区域和区域内对应目标结构或涂层进行三维标记，定义异常位置的经纬度坐标、异常类型的分类标签及风险等级的量化值，并提供多级预警功能，所述点位标记模块在运行阶段，根据对应风险等级生成对应级别的警示信号，通过图形界面或声音提示传递至运维人员。
35、更进一步地，所述维护策略库所预设维护策略包括局部修补、结构更换、额外加固和预防性维护。
36、更进一步地，所述结构采集模块与目标提取模块、属性提取模块和事件提取模块通过无线网络交互连接，所述趋势预测单元与目标提取模块、属性提取模块、事件提取模块和数据汇总模块通过无线网络交互连接，所述点位标记模块与数据汇总模块和匹配模块通过无线网络交互连接，所述维护策略库与匹配模块通过无线网络交互连接。
37、（三）有益效果
38、采用本发明提供的技术方案，与已知的现有技术相比，具有如下有益效果：
39、1、通过对船舶结构和涂层的实时数据采集与分析，即时捕捉损伤扩散过程，通过趋势预测单元进行多目标结构或涂层损伤的关联性分析，预测未来周期内的损伤方向和扩散范围，整合环境参数和事件参数动态预测整体风险恶化趋势，从而提前识别多损伤协同作用下的潜在高危区域，帮助用户快速知悉如涂层脱落与结构腐蚀的链式反应，在复杂航行条件下，进一步减少事故发生概率，从而显著提高船舶安全性和使用寿命，在恶劣海况下能够提供可靠的决策支持。
40、2、通过规划模块基于损伤扩散范围数据的关联性划分细分区域，并利用匹配模块从维护策略库中智能搜索最优维护方案，涵盖局部修补到结构更换等多种策略，避免了传统人工决策的主观性和滞后性，同时综合考虑运维成本与时间约束，优化资源配置，还能通过点位标记模块对异常区域精准标记，辅助运维人员快速定位问题，减少不必要的检查和维护成本，从而提升整体运维效率，确保船舶在全生命周期内的经济性和可靠性。