[发明专利]基于数学孪生的网箱网衣破损检测方法、装置及存储介质

说明书

本发明公开了基于数学孪生技术的网箱网衣破损检测方法、装置及存储介质，涉及水产养殖工程和海洋工程防灾减灾技术领域，该方法是利用数值模拟和人工神经网络相结合的方法来开发用于网衣破损检测的数字孪生体，识别模型可根据环境参数和拉力传感数据进行快速破损识别。首先利用渔网的等效数值模型模拟渔网的完整和破损的情况来获取大量的仿真传感数据，然后将这些数据用于人工神经网络的训练，人工神经网络可根据不同的仿真传感信号进行网衣是否发生破损的识别，最后，根据现实的传感数据，识别模型可以迅速识别网衣是否发生破损。本发明实现了渔网的实时破损监测且节约人力成本、提高了检测效率、克服了网衣自身或环境干扰的限制。

技术领域

本发明涉及水产养殖工程和海洋工程防灾减灾技术领域，尤其涉及基于数学孪生技术的网箱网衣破损检测方法、装置及存储介质。

背景技术

网衣(或称渔网)是渔业养殖设施的重要组成部分，作为一种复杂的柔性结构，在海况恶劣的深远海环境中极易发生破坏，若未及时发现，会对水产养殖业造成经济损失，因此网衣破损检测是发展深远海渔业养殖的关键技术之一。

目前，检测渔网破损的方法主要是工作人员潜入水中进行人工检查，此外，国内外学者主要提出了三种相对较新的方法：一是埋线探测法，该方法通过金属导线的通断检测网衣的破损，当网衣破损时，金属线会与海水形成闭合回路，触动警报装置，并报告网箱编号及网衣编号；二是声呐检测法，该方法的工作原理是当网衣系统发生破损有鱼群逃逸时，网箱内外的声波图像会有明显差异；三是图像分析法，该方法是将水下摄像机安装在AUV/ROV上进行图像采集，检测网衣是否发生破损。

人工检查这种方法劳动强度大且效率低下；埋线探测法需要在网衣周围安装金属线，这会增加网衣的负荷，容易造成疲劳损伤，从而缩短网衣使用寿命；声呐检测法无法确定破损位置及其破损程度，同时如果有鱼群围绕网箱周围游动，声呐也会检测出破损状况，导致检测结果的不准确；图像分析法对摄像头的像素质量以及水体浑浊程度有极高的要求，不易判断处在浑浊水质中的网衣是否破损。

发明内容

为了实现渔网的实时破损监测且节约人力成本、提高检测效率、克服网衣自身或环境干扰的限制，本发明的发明目的是提供基于数学孪生技术的网箱网衣破损检测方法、装置及存储介质。

为此，本发明提供了以下技术方案：

一方面，本发明提供了一种基于数字孪生技术的网箱网衣破损检测方法，包括：

获取渔网的纲绳上安装的拉力传感器检测出的拉力数据；

将所述拉力数据输入预先构建的网衣数字孪生体，得到网衣数字孪生体输出的网衣破损识别结果；

其中，预先构建网衣数字孪生体包括：

根据待检测网箱网衣的尺寸建立等效网衣数值模型，并模拟渔网完整和破损时的动态响应；

根据渔网所处环境，结合多种波浪范围以及预先设计的不同海况环境下发生的网衣破损情况，利用所述网衣数值模型进行纲绳的拉力仿真模拟，得到仿真数据集；

建立人工神经网络破损识别模型并利用所述仿真数据集对所述人工神经网络破损识别模型进行网衣破损识别训练；

训练好的人工神经网络破损识别模型构成网衣数字孪生体。

进一步地，所述人工神经网络模型使用BP神经网络。

进一步地，所述BP神经网络的结构数设置为3层，包括输入层、隐藏层和输出层，隐藏层神经元个数设置为9个。

进一步地，利用所述仿真数据集对所述人工神经网络破损识别模型进行网衣破损识别训练，包括：

采用误差反向传播的训练方法，将有效波高Hs、谱峰周期Tp以及横纲竖纲的拉力值这4个值作为输入，将网衣完整状态以及破损状态作为输出。