CN117217097B - 一种船舶工业数字孪生体平台化构建方法及系统 - Google Patents

Abstract

本发明公开了一种船舶工业数字孪生体平台化构建方法，涉及船舶工业化技术领域，该方法通过若干个传感器和卫星遥感系统实时监测天气数值，计算得到天气条件系数tq；通过波浪雷达实时监测获得海浪高度、周期和方向，分析获得海浪系数hl；通过海洋传感器实时监测航线海水的温度、盐度、流速和流向数据，获得航线影响系数hx；实时收集船舶运行状态，获取船舶运行系数CByx；将天气条件系数tq、海浪系数hl和航线影响系数hx进行归一化处理后，进行相关性分析，获得构建参数GJcs；基于构建参数GJcs，建立神经网络模型；将所述神经网络模型和可视化三维模拟模型整合至数字孪生模型中，模拟船舶运行状态，进而提供实时优化建议和决策支持。

Description

一种船舶工业数字孪生体平台化构建方法及系统

技术领域

本发明涉及船舶工业化技术领域，具体为一种船舶工业数字孪生体平台化构建方法及系统。

背景技术

船舶工业化是指通过采用现代化生产工艺和工业化方式来制造船舶。船舶工业化是船舶制造业的发展趋势之一，它可以提高船舶制造的质量和效率，降低生产成本，从而促进船舶业的发展。

数字孪生作为解决智能制造信息物理融合难题和践行智能制造理念目标的关键使能技术得到学术界的广泛关注和研究，并由工业界引入到建筑行业进行落地应用。数字孪生作为解决智能制造信息物理融合难题和践行智能制造理念与目标的关键使能技术，得到了学术界的广泛关注和研究，并被工业界引入到越来越多的领域进行落地应用。数字孪生落地应用的首要任务是创建应用对象的数字孪生模型。在船舶工业中，数字孪生体可以用于设计、模拟、优化和管理船舶的各个阶段和环节。

随着信息化技术在海洋领域越来越高，船舶运行过程中配备的类型、设计、质量和团员的技能也越来越精细，数字孪生作为具有普适性的信息化解决方案，进行数字孪生建模可以大大提高船舶在运行过程中的安全性，然而，现有的船舶设计重心都在于船舶结构上，而忽略了船舶在运行的过程中会受到多种天气条件的影响，例如大的海浪可能会影响船舶的稳定性和翻覆、风力和洋流也可能会使船舶偏离航道，具体模拟不同的天气场景，便于理解和预测这些天气条件对船舶运行的影响，对于保证船舶的安全和效率至关重要。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种船舶工业数字孪生体平台化构建方法及系统，采用监控设备实时监测获得天气条件系数tq、海浪系数hl、航线影响系数hx，并将获得的数据归一化处理后，通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性，获得构建参数GJcs，并基于构建参数GJcs建立数字孪生模型中，模拟各种天气和海浪条件，以及不同的航线对船舶性能的影响，从而优化设计，提高船舶的性能和航行安全性。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种船舶工业数字孪生体平台化构建方法，通过若干个传感器和卫星遥感系统实时监测天气数值，计算得到天气条件系数tq；

通过波浪雷达实时监测获得海浪高度、周期和方向，分析获得海浪系数hl；

通过深度计和声纳测量水深和海底地形，建立可视化三维模拟模型；

通过海洋传感器实时监测航线海水的温度、盐度、流速和流向数据，获得航线影响系数hx；

在船舶各个部位上安装传感器，实时收集船舶的运行数据，包括船舶速度sud、船舶总重量czl、位置gpg和船体结构应力yl，获取船舶运行系数CByx；

将天气条件系数tq、海浪系数hl和航线影响系数hx进行归一化处理后，将处理后的天气条件系数tq、海浪系数hl和航线影响系数hx通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性，获得构建参数GJcs；

基于构建参数GJcs，建立神经网络模型；

将所述神经网络模型和可视化三维模拟模型整合至数字孪生模型中，模拟船舶运行状态，进而提供实时优化建议和决策支持。

优选的，实时获取天气数值，建立天气数值库；

实时获取海浪数值，建立海浪数据库；

实时获取航线影响数据，建立航线影响数据库；

选择天气数值库、海浪数据库、航线影响数据库中的主题标签数量，计算主题标签的活跃度；获取所有库中的主题标签数量，计算主题标签的影响度；

计算天气数值库中主题标签、海浪数据库中主题标签和航线影响数据库中主题标签，获取影响度数据；

获取海浪活跃度HyD、影响度Xs及海浪总活跃度ZhY，进行归一化处理后，关联汇总形成库标准值，记为库标准值BZ；

其计算方式符合如下公式：

其中，0≤a＜1，0≤β＜1，0≤χ＜1且1.5≤a+β+χ＜3，a、β、χ为权重，其具体值可由用户依据实际经验进行调整及修正，通过改变的a、β及χ的数值，来对库的标准值BZ进行修正。

优选的，所述天气条件系数tq通过以下公式获得：

式中，fl表示风力值，jy表示降雨量，wd表示温度值，F₁、F₂、F₃分别为fl、jy及wd的权重值，且F₁+F₂+F₃＝1；

A为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

优选的，所述海浪系数hl通过以下公式获得：

式中，gd表示海浪高度平均值、zq表示海浪周期，yl表示洋流，A₁、A₂、A₃分别为gd、zq及yl的权重值，且A₁+A₂+A₃＝1；B为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

优选的，所述航线影响系数hx通过以下公式获得：

式中，lxsj表示流向平均值数据、yd表示海水盐度，hswd表示海水温度值，G₁、G₂、G₃分别为lxsj、yd及hswd的权重值，且G₁+G₂+G₃＝1；C为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

优选的，所述船舶运行系数CByx通过以下公式获得：

式中，czl表示船舶速度，sud表示船舶平均速度，yl表示船舶结构应力，D₁、D₂、D₃分别为czl、sud及yl的权重值，且D₁+D₂+D₃＝1；E为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

优选的，归一化处理后的天气条件系数tq、海浪系数hl和航线影响系数hx通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性后，生成构建参数GJcs，并将船舶运行拟合数据GJcs与相应阈值进行对比，判断是否在阈值之外，如果构建参数GJcs已经超过阈值，则意味着在船舶运行时，存在一定的安全隐患，向外部发出警报；

在构建参数GJcs超过阈值时，获取与船舶构建相关的船舶速度czl、船舶平均速度sud、船舶结构应力yl，并且和库标准值BZ进行参照比较，如果其中至少一个超过相应的阈值，则向外部发出预警信息。

优选的，获取建立的神经网络模型和可视化三维模拟模型整合至数字孪生体模型中，并通过可视化三维模拟模型展现，将获得船舶运行拟合数据GJcs，确定拟合函数，并基于拟合函数及实际参与制，进行若干次地运行联系后，从数字孪生体模型中重新获取相应参数，并计算相应参数和船舶运行拟合数据GJcs的相关性系数；

判断相关性系数是否低于阈值，如果在阈值范围之内，则意味着建立的数字孪生体模型能够满足实际需求。

一种船舶工业数字孪生体平台化构建系统，包括数据采集单元；

所述数据采集单元包括天气监测单元、航线监测单元和运行监测单元；

天气监测单元：通过安装在船舶各个部位的传感器，实时监测气象数据，获得天气条件系数tq；

航线监测单元：实时收集航线的地形、礁石、监测航线海水的温度、盐度、流速和流向数据，获得海浪系数hl和航线影响系数hx；

运行监测单元：实时收集船舶的运行数据，如速度、位置、船体结构应力，获得船舶运行系数CByx；

数据处理分析单元：负责接收和处理来自数据采集与传输模块的实时数据，数据采集后，通过物联网技术传输至云端或本地数据中心进行处理、计算和相关性分析；

获取分析获得将天气条件系数tq、海浪系数hl和航线影响系数hx进行相关性分析获得构建参数GJcs；

数字孪生模型单元：根据收集到的实时数据，构建船舶的数字孪生模型；

优化决策单元：通过对数字孪生模型进行仿真和分析，为船舶操作人员和维护团队提供优化建议和决策支持，包括航线规划、燃料消耗优化、维修计划。

(三)有益效果

本发明提供了一种船舶工业数字孪生体平台化构建方法及系统。具备以下有益效果：

(1)该一种船舶工业数字孪生体平台化构建方法及系统，采用若干个传感器、卫星遥感技术、波浪雷达、深度计、声纳、海洋传感器和船舶上传感器等监控设备实时监测获得天气条件系数tq、海浪系数hl、航线影响系数hx，并将获得的数据归一化处理后，通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性，获得构建参数GJcs，并基于构建参数GJcs建立数字孪生模型中，通过模拟运行状态，模拟各种天气和海浪条件，以及不同的航线对船舶性能的影响，可以预测船舶在各种条件下的性能，帮助船舶制定最优的航行策略，减少燃油消耗，提高航行效率，通过数字孪生体模型的构建，设计师可以在设计阶段就考虑到各种天气、海浪和航线条件对船舶性能的影响，从而优化设计，提高船舶的性能和航行安全性。

(2)该一种船舶工业数字孪生体平台化构建方法及系统，在实时获取天气、海浪、航线影响的数值时，将不同的数据分别存储在相应的数据库中，可以更方便地管理和检索数据，提高数据处理的效率，计算主题标签的活跃度(HyD)、影响度(Xs)和海浪总活跃度(ZhY)，可以实时了解各个因素的变化情况和影响程度，帮助做出快速和准确的决策；通过关联汇总形成库标准值BZ，可以从多个角度和层面对数据进行分析，挖掘数据的潜在价值，提供更全面和深入的洞察。

(3)该一种船舶工业数字孪生体平台化构建方法及系统，通过实时获取和处理天气、海浪和航线的数据，计算出构建参数GJcs，然后与设定的阈值进行比较，可以实时监控船舶的运行状态，及时发现可能的问题和风险，提前发出警报，防止事故的发生；通过同时考虑天气条件系数tq、海浪系数hl、航线影响系数hx、船舶速度czl、船舶平均速度sud、船舶结构应力yl等多个因素，可以全面和综合地评估船舶的运行状态，避免因为忽视某个因素而产生误判；

通过与库标准值BZ进行比较，可以提供参考和指导，帮助判断和决策。同时，阈值和标准值可以根据需要进行调整，提高方案的灵活性和适应性。

(4)该一种船舶工业数字孪生体平台化构建方法及系统，结合了神经网络模型、三维模拟模型和数字孪生体技术，为船舶运行提供了一种全新的管理和预测工具，神经网络模型能够从大量的历史数据中学习和抽象出船舶运行的规律和模式，提高预测和拟合的精度；通过三维模拟模型，可以直观地展现船舶的运行状态和环境条件，帮助人们更好地理解和分析问题；通过实时获取和处理数据，然后与数字孪生体模型进行比较，可以实时验证模型的准确性和可靠性。

附图说明

图1为本发明船舶工业数字孪生体平台化构建方系统框图示意图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

船舶工业化是指通过采用现代化生产工艺和工业化方式来制造船舶。船舶工业化是船舶制造业的发展趋势之一，它可以提高船舶制造的质量和效率，降低生产成本，从而促进船舶业的发展。

数字孪生作为解决智能制造信息物理融合难题和践行智能制造理念目标的关键使能技术得到学术界的广泛关注和研究，并由工业界引入到建筑行业进行落地应用。数字孪生作为解决智能制造信息物理融合难题和践行智能制造理念与目标的关键使能技术，得到了学术界的广泛关注和研究，并被工业界引入到越来越多的领域进行落地应用。数字孪生落地应用的首要任务是创建应用对象的数字孪生模型。在船舶工业中，数字孪生体可以用于设计、模拟、优化和管理船舶的各个阶段和环节。

随着信息化技术在海洋领域越来越高，船舶运行过程中配备的类型、设计、质量和团员的技能也越来越精细，数字孪生作为具有普适性的信息化解决方案，进行数字孪生建模可以大大提高船舶在运行过程中的安全性，然而，现有的船舶设计重心都在于船舶结构上，而忽略了船舶在运行的过程中会受到多种天气条件的影响，例如大的海浪可能会影响船舶的稳定性和翻覆、风力和洋流也可能会使船舶偏离航道，具体模拟不同的天气场景，便于理解和预测这些天气条件对船舶运行的影响，对于保证船舶的安全和效率至关重要。

一种船舶工业数字孪生体平台化构建方法，通过若干个传感器和卫星遥感系统实时监测天气数值，计算得到天气条件系数tq；

通过波浪雷达实时监测获得海浪高度、周期和方向，分析获得海浪系数hl；

通过深度计和声纳测量水深和海底地形，建立可视化三维模拟模型；海底地形，有礁石等，船舶可能会碰撞、触礁、搁浅，甚至翻覆，建立可视化三维模拟模型便于船舶能更直观的观测；

通过海洋传感器实时监测航线海水的温度、盐度、流速和流向数据，获得航线影响系数hx；

在船舶各个部位上安装若干个传感器，实时收集船舶的运行数据，包括船舶速度sud、船舶总重量czl、位置gpg和船体结构应力yl，获取船舶运行系数CByx；

将天气条件系数tq、海浪系数hl和航线影响系数hx进行归一化处理后，将处理后的天气条件系数tq、海浪系数hl和航线影响系数hx通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性，获得构建参数GJcs；

基于构建参数GJcs，建立神经网络模型；

将所述神经网络模型和可视化三维模拟模型整合至数字孪生模型中，模拟船舶运行状态，进而提供实时优化建议和决策支持。

本实施例中，采用若干个传感器、卫星遥感技术、波浪雷达、深度计、声纳、海洋传感器和船舶上传感器等监控设备实时监测获得天气条件系数tq、海浪系数hl、航线影响系数hx，并将获得的数据归一化处理后，通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性，获得构建参数GJcs，并基于构建参数GJcs建立数字孪生模型中，通过模拟运行状态，模拟各种天气和海浪条件，以及不同的航线对船舶性能的影响，可以预测船舶在各种条件下的性能，帮助船舶制定最优的航行策略，减少燃油消耗，提高航行效率，通过数字孪生体模型的构建，设计师可以在设计阶段就考虑到各种天气、海浪和航线条件对船舶性能的影响，从而优化设计，提高船舶的性能和航行安全性。

实施例2

本实施例是在实施例1中进行的改进说明，具体的，

实时获取天气数值，建立天气数值库；

实时获取海浪数值，建立海浪数据库；

实时获取航线影响数据，建立航线影响数据库；

选择天气数值库、海浪数据库、航线影响数据库中的主题标签数量，计算主题标签的活跃度；获取所有库中的主题标签数量，计算主题标签的影响度；

计算天气数值库中主题标签、海浪数据库中主题标签和航线影响数据库中主题标签，获取影响度数据；

获取海浪活跃度HyD、影响度Xs及海浪总活跃度ZhY，进行归一化处理后，关联汇总形成库标准值，记为库标准值BZ；

其计算方式符合如下公式：

其中，0≤a＜1，0≤β＜1，0≤χ＜1且1.5≤a+β+χ＜3，a、β、χ为权重，其具体值可由用户依据实际经验进行调整及修正，通过改变的a、β及χ的数值，来对库的标准值BZ进行修正。

本实施例中，在实时获取天气、海浪、航线影响的数值时，将不同的数据分别存储在相应的数据库中，可以更方便地管理和检索数据，提高数据处理的效率，计算主题标签的活跃度(HyD)、影响度(Xs)和海浪总活跃度(ZhY)，可以实时了解各个因素的变化情况和影响程度，帮助做出快速和准确的决策；通过关联汇总形成库标准值BZ，可以从多个角度和层面对数据进行分析，挖掘数据的潜在价值，提供更全面和深入的洞察。

实施例3

本实施例是在实施例1中进行的解释说明，具体的，

所述天气条件系数tq通过以下公式获得：

式中，fl表示风力值，jy表示降雨量，wd表示温度值，F₁、F₂、F₃分别为fl、jy及wd的权重值，且F₁+F₂+F₃＝1；

A为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

所述海浪系数hl通过以下公式获得：

式中，gd表示海浪高度平均值、zq表示海浪周期，yl表示洋流，A₁、A₂、A₃分别为gd、zq及yl的权重值，且A₁+A₂+A₃＝1；B为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

所述航线影响系数hx通过以下公式获得：

式中，lxsj表示流向平均值数据、yd表示海水盐度，hswd表示海水温度值，G₁、G₂、G₃分别为lxsj、yd及hswd的权重值，且G₁+G₂+G₃＝1；C为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

强大的洋流可以增加或减少船舶的航速。例如，如果船舶顺流而行，其速度会增加；如果逆流而行，其速度会减少。大的海浪同样会使船舶的速度降低；

海浪和洋流可能会使船舶偏离预定的航线。船舶可能需要消耗更多的能量来对抗洋流，以保持在预定的航线上。

所述船舶运行系数CByx通过以下公式获得：

式中，czl表示船舶速度，sud表示船舶平均速度，yl表示船舶结构应力，D₁、D₂、D₃分别为czl、sud及yl的权重值，且D₁+D₂+D₃＝1；E为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成。

归一化处理后的天气条件系数tq、海浪系数hl和航线影响系数hx通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性后，生成构建参数GJcs，并将船舶运行拟合数据GJcs与相应阈值进行对比，判断是否在阈值之外，如果构建参数GJcs已经超过阈值，则意味着在船舶运行时，存在一定的安全隐患，向外部发出警报；

在构建参数GJcs超过阈值时，获取与船舶构建相关的船舶速度czl、船舶平均速度sud、船舶结构应力yl，并且和库标准值BZ进行参照比较，如果其中至少一个超过相应的阈值，则向外部发出预警信息。

本实施例中，通过实时获取和处理天气、海浪和航线的数据，计算出构建参数GJcs，然后与设定的阈值进行比较，可以实时监控船舶的运行状态，及时发现可能的问题和风险，提前发出警报，防止事故的发生；

通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性，可以更准确地判断各种因素对船舶运行的影响，提高预警的准确性和敏感性；

通过同时考虑天气条件系数tq、海浪系数hl、航线影响系数hx、船舶速度czl、船舶平均速度sud、船舶结构应力yl等多个因素，可以全面和综合地评估船舶的运行状态，避免因为忽视某个因素而产生误判；

通过与库标准值BZ进行比较，可以提供参考和指导，帮助判断和决策。同时，阈值和标准值可以根据需要进行调整，提高方案的灵活性和适应性。

实施例4

获取建立的神经网络模型和可视化三维模拟模型整合至数字孪生体模型中，并通过可视化三维模拟模型展现，将获得船舶运行拟合数据GJcs，确定拟合函数，并基于拟合函数及实际参与值，进行若干次地运行联系后，从数字孪生体模型中重新获取相应参数，并计算相应参数和船舶运行拟合数据GJcs的相关性系数；

判断相关性系数是否低于阈值，如果在阈值范围之内，则意味着建立的数字孪生体模型能够满足实际需求。

本实施例中，此方案结合了神经网络模型、三维模拟模型和数字孪生体技术，为船舶运行提供了一种全新的管理和预测工具，神经网络模型能够从大量的历史数据中学习和抽象出船舶运行的规律和模式，提高预测和拟合的精度；通过三维模拟模型，可以直观地展现船舶的运行状态和环境条件，帮助人们更好地理解和分析问题；通过实时获取和处理数据，然后与数字孪生体模型进行比较，可以实时验证模型的准确性和可靠性。

一种船舶工业数字孪生体平台化构建系统，包括数据采集单元；

所述数据采集单元包括天气监测单元、航线监测单元和运行监测单元；

天气监测单元：通过安装在船舶各个部位的传感器，实时监测气象数据，获得天气条件系数tq；

航线监测单元：实时收集航线的地形、礁石、监测航线海水的温度、盐度、流速和流向数据，获得海浪系数hl和航线影响系数hx；

运行监测单元：实时收集船舶的运行数据，如速度、位置、船体结构应力，获得船舶运行系数CByx；

数据处理分析单元：负责接收和处理来自数据采集与传输模块的实时数据，数据采集后，通过物联网技术传输至云端或本地数据中心进行处理、计算和相关性分析；

获取分析获得将天气条件系数tq、海浪系数hl和航线影响系数hx进行相关性分析获得构建参数GJcs；

数字孪生模型单元：根据收集到的实时数据，构建船舶的数字孪生模型；

优化决策单元：通过对数字孪生模型进行仿真和分析，为船舶操作人员和维护团队提供优化建议和决策支持，包括航线规划、燃料消耗优化、维修计划。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (4)

1.一种船舶工业数字孪生体平台化构建方法，其特征在于：通过若干个传感器和卫星遥感系统实时监测天气数值，计算得到天气条件系数tq；所述天气条件系数tq通过以下公式获得：

式中，fl表示风力值，jy表示降雨量，wd表示温度值，F₁、F₂、F₃分别为fl、jy及wd的权重值，且F₁+F₂+F₃＝1；

A为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；

通过波浪雷达实时监测获得海浪高度、周期和方向，分析获得海浪系数hl；所述海浪系数hl通过以下公式获得：

式中，gd表示海浪高度平均值、zq表示海浪周期，yl表示洋流，A₁、A₂、A₃分别为gd、zq及yl的权重值，且A₁+A₂+A₃＝1；B为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；

通过深度计和声纳测量水深和海底地形，建立可视化三维模拟模型；

通过海洋传感器实时监测航线海水的温度、盐度、流速和流向数据，获得航线影响系数hx；所述航线影响系数hx通过以下公式获得：

式中，lxsj表示流向平均值数据、yd表示海水盐度，hswd表示海水温度值，G₁、G₂、G₃分别为lxsj、yd及hswd的权重值，且G₁+G₂+G₃＝1；C为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；

在船舶各个部位上安装传感器，实时收集船舶的运行数据，包括船舶速度sud、船舶总重量czl、位置gpg和船体结构应力yl，获取船舶运行系数CByx；所述船舶运行系数CByx通过以下公式获得：

式中，czl表示船舶速度，sud表示船舶平均速度，yl表示船舶结构应力，D₁、D₂、D₃分别为czl、sud及yl的权重值，且D₁+D₂+D₃＝1；E为常数修正系数，其具体值可由用户调整设置，或者由分析函数拟合生成；

将天气条件系数tq、海浪系数hl和航线影响系数hx进行归一化处理后，将处理后的天气条件系数tq、海浪系数hl和航线影响系数hx通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性，获得构建参数GJcs；

基于构建参数GJcs，建立神经网络模型；

将所述神经网络模型和可视化三维模拟模型整合至数字孪生模型中，模拟船舶运行状态，进而提供实时优化建议和决策支持；

实时获取天气数值，建立天气数值库；

实时获取海浪数值，建立海浪数据库；

实时获取航线影响数据，建立航线影响数据库；

选择天气数值库、海浪数据库、航线影响数据库中的主题标签数量，计算主题标签的活跃度；获取所有库中的主题标签数量，计算主题标签的影响度；

计算天气数值库中主题标签、海浪数据库中主题标签和航线影响数据库中主题标签，获取影响度数据；

获取海浪活跃度HyD、影响度Xs及海浪总活跃度ZhY，进行归一化处理后，关联汇总形成库标准值，记为库标准值BZ；

其计算方式符合如下公式：

其中，0≤a＜1，0≤β＜1，0≤χ＜1且1.5≤a+β+χ＜3，a、β、χ为权重，其具体值可由用户依据实际经验进行调整及修正，通过改变的a、β及χ的数值，来对库的标准值BZ进行修正。

2.根据权利要求1所述的一种船舶工业数字孪生体平台化构建方法，其特征在于：归一化处理后的天气条件系数tq、海浪系数hl和航线影响系数hx通过皮尔森相关系数分析各个系数与船舶运行系数CByx之间的相关性后，生成构建参数GJcs，并将船舶运行拟合数据GJcs与相应阈值进行对比，判断是否在阈值之外，如果构建参数GJcs已经超过阈值，则意味着在船舶运行时，存在一定的安全隐患，向外部发出警报；

在构建参数GJcs超过阈值时，获取与船舶构建相关的船舶速度czl、船舶平均速度sud、船舶结构应力yl，并且和库标准值BZ进行参照比较，如果其中至少一个超过相应的阈值，则向外部发出预警信息。

3.根据权利要求1所述的一种船舶工业数字孪生体平台化构建方法，其特征在于：获取建立的神经网络模型和可视化三维模拟模型整合至数字孪生体模型中，并通过可视化三维模拟模型展现，将获得船舶运行拟合数据GJcs，确定拟合函数，并基于拟合函数及实际参与制，进行若干次地运行联系后，从数字孪生体模型中重新获取相应参数，并计算相应参数和船舶运行拟合数据GJcs的相关性系数；

判断相关性系数是否低于阈值，如果在阈值范围之内，则意味着建立的数字孪生体模型能够满足实际需求。

4.一种船舶工业数字孪生体平台化构建系统，包括上述权利要求1-3任一一项所述的一种船舶工业数字孪生体平台化构建方法，其特征在于：包括数据采集单元；

所述数据采集单元包括天气监测单元、航线监测单元和运行监测单元；

天气监测单元：通过安装在船舶各个部位的传感器，实时监测气象数据，获得天气条件系数tq；

航线监测单元：实时收集航线的地形、礁石、监测航线海水的温度、盐度、流速和流向数据，获得海浪系数hl和航线影响系数hx；

运行监测单元：实时收集船舶的运行数据，如速度、位置、船体结构应力，获得船舶运行系数CByx；

数据处理分析单元：负责接收和处理来自数据采集与传输模块的实时数据，数据采集后，通过物联网技术传输至云端或本地数据中心进行处理、计算和相关性分析；

获取分析获得将天气条件系数tq、海浪系数hl和航线影响系数hx进行相关性分析获得构建参数GJcs；

数字孪生模型单元：根据收集到的实时数据，构建船舶的数字孪生模型；

优化决策单元：通过对数字孪生模型进行仿真和分析，为船舶操作人员和维护团队提供优化建议和决策支持，包括航线规划、燃料消耗优化、维修计划。