CN117557109B - 一种船舶数字物理基础设施的融合协同运行方法及系统 - Google Patents

Abstract

本发明涉及设施协同运行领域，公开了一种船舶数字物理基础设施的融合协同运行方法及系统，包括以下步骤：基于模糊聚类法对货物装卸基础设施进行相似度分析，得到货物装卸同类基础设施；对货物装卸同类基础设施进行模拟运行测试，并对测试结果进行优化处理，生成货物装卸初步测试系统；对于所述货物装卸初步测试系统进行货物装卸流程测试并优化；通过灰色关联法货物货物装卸安全基础设施，并对所述货物装卸安全基础设施进行分析，构造货物安全装卸系统，最后对装卸风险进行分析，并基于分析结果获取相应的预防措施。本发明能够使船舶上的货物装卸相关的基础设施进行融合协同运行，提高货物装卸效率以及经济效益，同时降低人力资源的利用。

Description

一种船舶数字物理基础设施的融合协同运行方法及系统

技术领域

本发明涉及设施协同运行领域，特别是一种船舶数字物理基础设施的融合协同运行方法及系统。

背景技术

船舶指能够在水上航行的大型水上装卸船只，通常用于运输人员、货物等物品。而船舶数字物理基础设施指能通过数字技术进行工作的船舶基础设施，包括利用大数据分析、物联网连接等。船舶上基础设施种类数量较多，包括货物装卸基础设施、航行基础设施等。以货物装卸基础设施为例，货物装卸基础设施包括起吊机、传送带等各种基础设施，使各种的基础设施融合协同运行为将船舶和港口处的各种基础设施进行无缝集成，可以提高船舶整体的货物装卸的效率，保证货物装卸时候的安全性和可持续性，对经济效益有显著的影响，同时减少了人力物力的浪费。

发明内容

本发明克服了现有技术的不足，提供了一种船舶数字物理基础设施的融合协同运行方法及系统。

为达到上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种船舶数字物理基础设施的融合协同运行方法，包括以下步骤：

对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施；

对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化；

基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化；

基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统；

通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施。

进一步的，本发明的一个较佳实施例中，所述对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施，具体为：

基于历史数据检索，获取船舶上各种数字物理基础设施的使用场景，并基于使用场景获取用于货物装卸的各种数字物理基础设施，定义为货物装卸基础设施；

获取所有货物装卸基础设施的工作参数，并将货物装卸基础设施的工作参数转化为货物装卸基础设施特征数据；

引入模糊聚类法，构建多个模糊簇，所述模糊簇中均包含聚类中心，对所述聚类中心进行初始化处理，并计算所述货物装卸基础设施特征数据与初始化后的聚类中心的马氏距离；

分析货物装卸基础设施特征数据与初始化后的聚类中心的马氏距离，判断货物装卸基础设施之间的相似度，并将相似度大于预设相似度的货物装卸基础设施标定为货物装卸同类基础设施。

进一步的，本发明的一个较佳实施例中，所述对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化，具体为：

在所述货物装卸基础设施中均安装通信模块，并将通信模块与货物装卸基础设施的控制模块相连接；

对于货物装卸同类基础设施，启动所有通信模块，使货物装卸基础设施的通信模块进行数据连接，生成数据连接状态；

分析所述数据连接状态，若货物装卸基础设施中存在掉线情况，则对对应的货物装卸基础设施的通信模块进行修复，保持所有货物装卸基础设施处于上线状态；

基于激光扫描技术，对货物装卸基础设施进行建模处理，得到货物装卸基础设施模型，并在货物装卸基础设施模型中导入货物装卸基础设施的工作参数，得到货物装卸初步测试系统；

在所述货物装卸初步测试系统内进行货物装卸效果测试，通过所述货物装卸效果测试得到不同货物的装卸效果，并获取不同货物的标准装卸效果，若存在货物的装卸效果不满足标准装卸效果，则将对应的货物装卸基础设施定义为货物装卸效果异常基础设施；

若所有货物的装卸效果均满足标准装卸效果，则将对应的货物装卸基础设施定义为货物装卸效果正常基础设施；

获取货物装卸效果异常基础设施的工作参数，并引入贝叶斯网络，对货物装卸效果异常基础设施的工作参数进行故障推演，得到货物装卸基础设施的异常部位；

通过大数据网络检索货物装卸基础设施的异常部位的修复方法并输出，使货物装卸基础设施对不同货物的装卸效果均满足标准装卸效果。

进一步的，本发明的一个较佳实施例中，所述基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化，具体为:

获取货物订单信息，并基于所述货物订单信息，获取货物基本信息，所述货物基本信息包括货物种类、货物数量和货物大小；

在所述货物装卸初步测试系统中，获取不同种类货物的装卸速率，并构建装卸速率排序表，将所述装卸速率排序表与货物基本信息导入深度神经网络模型中进行货物装卸顺序初步预测，得到货物装卸顺序初步预测结果，并根据所述货物装卸顺序初步预测结果生成货物装卸初步顺序；

将所述货物装卸初步顺序导入货物装卸初步测试系统内进行货物装卸流程测试，得到货物装卸时间，若所述货物装卸时间小于预设时间，则将货物装卸初步顺序标定为合格货物装卸顺序；

若所述货物装卸时间大于预设时间，则对获取货物装卸效果正常基础设施的最大装卸容量及所在位置，并基于所述货物订单信息，获取货物的易损程度；

引入支持向量机模型，对所述货物的易损程度进行分类，得到易损货物和不易损货物，分别获取易损货物和不易损货物的货物基本信息，并将所述易损货物和不易损货物的货物基本信息和货物装卸效果正常基础设施的最大装卸容量及所在位置导入深度神经网络模型中进行分析，并根据分析结果得到货物装卸优化顺序；

将所述货物装卸优化顺序应用至货物装卸初步测试系统内进行货物装卸时间分析，若货物装卸时间小于预设时间，则将货物装卸优化顺序标定为合格货物装卸顺序；

若货物装卸时间仍大于预设时间，则对货物进行装卸优先级分类，得到货物装卸优先级分类结果，并将所述货物装卸优先级分类结果导入深度神经网络中对货物装卸优化顺序进行二次优化，得到货物装卸二次优化顺序；

将所述合格货物装卸顺序与货物装卸二次优化顺序导入货物装卸初步测试系统中进行优化，得到货物装卸优化测试系统。

进一步的，本发明的一个较佳实施例中，所述基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统，具体为：

在船舶上获取安全基础设施，并引入灰色关联法计算所有安全基础设施和货物装卸基础设施的关联值，选取关联值大于预设关联值的安全基础设施，定义为货物装卸安全基础设施；

在所述货物装卸安全基础设施上均安装通信模块，并与货物装卸基础设施进行数据连接，对所述货物装卸安全基础设施进行建模处理，得到货物装卸安全基础设施模型，并将所述货物装卸安全基础设施模型导入货物装卸优化测试系统内，得到货物安全装卸初始系统；

运行所述货物安全装卸初始系统，判断引入货物装卸安全基础设施后的货物装卸时间，若货物装卸时间大于预设时间，则获取货物装卸安全基础设施各个装卸步骤的工作时间，若存在货物装卸安全基础设施装卸步骤的工作时间大于预设值，则将对应的货物装卸安全基础设施装卸步骤定义为货物装卸安全基础设施异常装卸步骤；

基于贝叶斯网络模型分析货物装卸安全基础设施异常装卸步骤，得到货物装卸安全基础设施异常工作部位，对所述货物装卸安全基础设施异常工作部位进行修复优化，并重新分析货物装卸安全基础设施异常装卸步骤的工作时间；

若货物装卸安全基础设施异常装卸步骤的工作时间仍大于预设值，则在大数据网络中检索装卸步骤与货物装卸安全基础设施异常装卸步骤作用相同的货物安全基础设施，定义为一类货物装卸安全基础设施；

获取一类货物安全基础设施装卸步骤，并在货物安全装卸初始系统用所述一类货物装卸安全基础设施装卸步骤替代货物装卸安全基础设施异常装卸步骤，生成货物安全装卸系统。

进一步的，本发明的一个较佳实施例中，所述通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施，具体为：

提取货物安全装卸系统中各个装卸步骤的工作参数和工作区域，引入深度神经网络对货物安全装卸系统中各个装卸步骤的工作参数和工作区域进行风险预测训练，生成货物装卸风险预测画像；

运行所述货物装卸风险预测画像，生成货物安全装卸系统中各个装卸步骤的风险值，并构建装卸步骤风险值对照表；

分析所述装卸步骤风险值对照表，设定不同装卸步骤的风险警戒值，当装卸步骤的风险值大于对应的风险警戒值，则将对应的装卸步骤定义为危险装卸步骤；

分析危险装卸步骤的工作区域，若危险装卸步骤的工作区域为人物可活动区域，则将对应危险装卸步骤定义为第一危险装卸步骤；

在货物安全装卸系统中安装人物识别模块，当第一危险装卸步骤运行期间，所述人物识别模块工作，在第一危险装卸步骤的工作区域中进行人物识别，得到人物识别信息，并在货物安全装卸系统中预设工作人员的个人信息；

若所述人物识别信息与工作人员的个人信息不符，则所述货物安全装卸系统发出警报，提醒人物离开第一危险装卸步骤的工作区域。

本发明第二方面还提供了一种船舶数字物理基础设施的融合协同运行系统，所述融合协同运行系统包括存储器与处理器，所述存储器中储存有融合协同运行方法，所述融合协同运行方法被所述处理器执行时，实现如下步骤：

对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施；

对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化；

基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化；

基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统；

通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施。

本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：基于模糊聚类法对货物装卸基础设施进行相似度分析，得到货物装卸同类基础设施；对货物装卸同类基础设施进行模拟运行测试，并对测试结果进行优化处理，生成货物装卸初步测试系统；对于所述货物装卸初步测试系统进行货物装卸流程测试并优化；通过灰色关联法货物货物装卸安全基础设施，并对所述货物装卸安全基础设施进行分析，构造货物安全装卸系统，最后对装卸风险进行分析，并基于分析结果获取相应的预防措施。本发明能够使船舶上的货物装卸相关的基础设施进行融合协同运行，提高货物装卸效率以及经济效益，同时降低人力资源的利用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1示出了一种船舶数字物理基础设施的融合协同运行方法的流程图；

图2示出了构建货物装卸优化测试系统的方法流程图；

图3示出了一种船舶数字物理基础设施的融合协同运行系统的程序视图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了一种船舶数字物理基础设施的融合协同运行方法的流程图，包括以下步骤：

S102：对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施；

S104：对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化；

S106：基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化；

S108：基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统；

S110：通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施。

进一步的，本发明的一个较佳实施例中，所述对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施，具体为：

基于历史数据检索，获取船舶上各种数字物理基础设施的使用场景，并基于使用场景获取用于货物装卸的各种数字物理基础设施，定义为货物装卸基础设施；

获取所有货物装卸基础设施的工作参数，并将货物装卸基础设施的工作参数转化为货物装卸基础设施特征数据；

引入模糊聚类法，构建多个模糊簇，所述模糊簇中均包含聚类中心，对所述聚类中心进行初始化处理，并计算所述货物装卸基础设施特征数据与初始化后的聚类中心的马氏距离；

分析货物装卸基础设施特征数据与初始化后的聚类中心的马氏距离，判断货物装卸基础设施之间的相似度，并将相似度大于预设相似度的货物装卸基础设施标定为货物装卸同类基础设施。

需要说明的是，船舶上存在各种数字物理基础设施，所述数字物理基础设施指将数字技术应用至船舶及相关的基础设施上，使各种基础设施能够通过物联网连接，并相互作用。而在同一个船舶上，基础设施的种类及用途多种多样，比如有用于装卸货物的基础设施，也有用于航行的基础设施等。而以装卸货物的基础设施为例，用于装卸货物的基础设施可能是吊机、传送带等，且在船舶上的数量可能不止一件，所以需要在船舶上获取同种类的货物装卸基础设施进行融合协同分析。通过模糊聚类法计算货物装卸基础设施之间的相似度，相似度较高的货物装卸基础设施合称为货物装卸同类基础设施。本发明能够通过对货物装卸基础设施进行相似度计算，得到货物装卸同类基础设施。

进一步的，本发明的一个较佳实施例中，所述基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统，具体为：

在船舶上获取安全基础设施，并引入灰色关联法计算所有安全基础设施和货物装卸基础设施的关联值，选取关联值大于预设关联值的安全基础设施，定义为货物装卸安全基础设施；

在所述货物装卸安全基础设施上均安装通信模块，并与货物装卸基础设施进行数据连接，对所述货物装卸安全基础设施进行建模处理，得到货物装卸安全基础设施模型，并将所述货物装卸安全基础设施模型导入货物装卸优化测试系统内，得到货物安全装卸初始系统；

运行所述货物安全装卸初始系统，判断引入货物装卸安全基础设施后的货物装卸时间，若货物装卸时间大于预设时间，则获取货物装卸安全基础设施各个装卸步骤的工作时间，若存在货物装卸安全基础设施装卸步骤的工作时间大于预设值，则将对应的货物装卸安全基础设施装卸步骤定义为货物装卸安全基础设施异常装卸步骤；

基于贝叶斯网络模型分析货物装卸安全基础设施异常装卸步骤，得到货物装卸安全基础设施异常工作部位，对所述货物装卸安全基础设施异常工作部位进行修复优化，并重新分析货物装卸安全基础设施异常装卸步骤的工作时间；

若货物装卸安全基础设施异常装卸步骤的工作时间仍大于预设值，则在大数据网络中检索装卸步骤与货物装卸安全基础设施异常装卸步骤作用相同的货物安全基础设施，定义为一类货物装卸安全基础设施；

获取一类货物安全基础设施装卸步骤，并在货物安全装卸初始系统用所述一类货物装卸安全基础设施装卸步骤替代货物装卸安全基础设施异常装卸步骤，生成货物安全装卸系统。

需要说明的是，船舶上有各种用于货物装卸的安全基础设施，比如货物装卸过程中的货物装卸切断装置、货物固定设备等。通过灰色关联法计算安全基础设施与货物装卸基础设施之间的关联值，并对关联值大于预设值的安全基础设施定义为货物装卸安全基础设施，并与货物装卸优化测试系统结合，得到货物安全装卸初始系统。因为货物装卸有时间要求，所以需要分析引入货物装卸安全基础设施的货物装卸时间，货物装卸时间大于预设值则要对每一步的装卸步骤进行分析，得到货物装卸安全基础设施异常装卸步骤。贝叶斯网络可以对货物装卸安全基础设施异常装卸步骤进行分析，获取货物装卸安全基础设施异常工作部位，并对货物装卸安全基础设施异常工作部位进行修复。若修复后货物装卸时间仍较长，则需要应用装卸效果相同，且装卸时间更快的一类货物装卸安全措施，并得到货物安全装卸系统。本发明能够通过对货物装卸安全基础设施进行装卸时间分析，并基于分析结果生成相应的解决措施。

进一步的，本发明的一个较佳实施例中，所述通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施，具体为：

提取货物安全装卸系统中各个装卸步骤的工作参数和工作区域，引入深度神经网络对货物安全装卸系统中各个装卸步骤的工作参数和工作区域进行风险预测训练，生成货物装卸风险预测画像；

运行所述货物装卸风险预测画像，生成货物安全装卸系统中各个装卸步骤的风险值，并构建装卸步骤风险值对照表；

分析所述装卸步骤风险值对照表，设定不同装卸步骤的风险警戒值，当装卸步骤的风险值大于对应的风险警戒值，则将对应的装卸步骤定义为危险装卸步骤；

分析危险装卸步骤的工作区域，若危险装卸步骤的工作区域为人物可活动区域，则将对应危险装卸步骤定义为第一危险装卸步骤；

在货物安全装卸系统中安装人物识别模块，当第一危险装卸步骤运行期间，所述人物识别模块工作，在第一危险装卸步骤的工作区域中进行人物识别，得到人物识别信息，并在货物安全装卸系统中预设工作人员的个人信息；

若所述人物识别信息与工作人员的个人信息不符，则所述货物安全装卸系统发出警报，提醒人物离开第一危险装卸步骤的工作区域。

需要说明的是，货物装卸过程中，各个装卸步骤可能都存在风险，通过深度神经网络分析各个装卸步骤的工作参数和工作区域可以生成货物装卸风险预测画像，所述货物装卸风险预测画像可以判断装卸步骤的风险值，并对风险值大于预设值的装卸步骤定义为危险装卸步骤。危险装卸步骤的工作区域可能会存在工作人员进行装卸监控或者装卸辅助等工作，而由于危险装卸步骤的工作区域的风险值较高，非专业人士进入会使风险值大大提升，造成人身安全危害，所以需要在货物安全装卸系统内设置人物识别模块，实时监控危险装卸步骤的工作区域内的人物信息，并对非工作人员进行驱赶。本发明能够通过对装卸步骤的工作参数和工作区域进行风险值获取及分析，并基于分析在第一危险装卸步骤的工作区域进行风险降低处理。

图2示出了构建货物装卸优化测试系统的方法流程图，包括以下步骤：

S202：分析货物装卸基础设施的通信状态，构建货物装卸初步测试系统；

S204：在货物装卸初步测试系统内进行货物装卸效果测试，并基于测试结果对货物装卸基础设施的异常部位进行修复；

S206：基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化。

进一步的，本发明的一个较佳实施例中，所述分析货物装卸基础设施的通信状态，构建货物装卸初步测试系统，具体为：

在所述货物装卸基础设施中均安装通信模块，并将通信模块与货物装卸基础设施的控制模块相连接；

对于货物装卸同类基础设施，启动所有通信模块，使货物装卸基础设施的通信模块进行数据连接，生成数据连接状态；

分析所述数据连接状态，若货物装卸基础设施中存在掉线情况，则对对应的货物装卸基础设施的通信模块进行修复，保持所有货物装卸基础设施处于上线状态；

基于激光扫描技术，对货物装卸基础设施进行建模处理，得到货物装卸基础设施模型，并在货物装卸基础设施模型中导入货物装卸基础设施的工作参数，得到货物装卸初步测试系统。

需要说明的是，货物装卸基础设施在工作期间需要协同运行，比如多个传送带协同运行，共同运送货物，所以需要对多个货物装卸基础设施进行数据连接。数据连接过程中可能存在掉线情况，掉线后不能获取掉线设备的工作状态，则无法判断工作进程，所以需要对掉线的货物装卸基础设施进行修复处理，使所有的货物装卸基础设施保持上线状态。通过激光扫描建模并构建货物装卸初步测试系统目的使通过模型获取装卸过程中可能存在的问题，并加以修复。

进一步的，本发明的一个较佳实施例中，所述在货物装卸初步测试系统内进行货物装卸效果测试，并基于测试结果对货物装卸基础设施的异常部位进行修复，具体为：

在所述货物装卸初步测试系统内进行货物装卸效果测试，通过所述货物装卸效果测试得到不同货物的装卸效果，并获取不同货物的标准装卸效果，若存在货物的装卸效果不满足标准装卸效果，则将对应的货物装卸基础设施定义为货物装卸效果异常基础设施；

若所有货物的装卸效果均满足标准装卸效果，则将对应的货物装卸基础设施定义为货物装卸效果正常基础设施；

获取货物装卸效果异常基础设施的工作参数，并引入贝叶斯网络，对货物装卸效果异常基础设施的工作参数进行故障推演，得到货物装卸基础设施的异常部位；

通过大数据网络检索货物装卸基础设施的异常部位的修复方法并输出，使货物装卸基础设施对不同货物的装卸效果均满足标准装卸效果。

需要说明的是，船舶上可能会存在多种货物，而不同种类货物需要的装卸方式可能不同。比如，对于大体积大重量的货物，装卸速度和装卸所需的力度需要增加，所以不同货物的装卸效果不同。而不同货物均有标准装卸效果，若货物的装卸效果小于标准装卸效果，则将对应的货物装卸基础设施定义为货物装卸效果异常基础设施。通过贝叶斯网络对货物装卸效果异常基础设施进行分析，获取货物装卸效果异常基础设施的异常部位并进行修复，使所有货物的装卸效果均达到标准状态。本发明能够通过对货物的装卸效果进行分析，并基于分析结果对货物装卸效果异常基础设施进行修复。

进一步的，本发明的一个较佳实施例中，所述基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化，具体为:

获取货物订单信息，并基于所述货物订单信息，获取货物基本信息，所述货物基本信息包括货物种类、货物数量和货物大小；

在所述货物装卸初步测试系统中，获取不同种类货物的装卸速率，并构建装卸速率排序表，将所述装卸速率排序表与货物基本信息导入深度神经网络模型中进行货物装卸顺序初步预测，得到货物装卸顺序初步预测结果，并根据所述货物装卸顺序初步预测结果生成货物装卸初步顺序；

将所述货物装卸初步顺序导入货物装卸初步测试系统内进行货物装卸流程测试，得到货物装卸时间，若所述货物装卸时间小于预设时间，则将货物装卸初步顺序标定为合格货物装卸顺序；

若所述货物装卸时间大于预设时间，则对获取货物装卸效果正常基础设施的最大装卸容量及所在位置，并基于所述货物订单信息，获取货物的易损程度；

引入支持向量机模型，对所述货物的易损程度进行分类，得到易损货物和不易损货物，分别获取易损货物和不易损货物的货物基本信息，并将所述易损货物和不易损货物的货物基本信息和货物装卸效果正常基础设施的最大装卸容量及所在位置导入深度神经网络模型中进行分析，并根据分析结果得到货物装卸优化顺序；

将所述货物装卸优化顺序应用至货物装卸初步测试系统内进行货物装卸时间分析，若货物装卸时间小于预设时间，则将货物装卸优化顺序标定为合格货物装卸顺序；

若货物装卸时间仍大于预设时间，则对货物进行装卸优先级分类，得到货物装卸优先级分类结果，并将所述货物装卸优先级分类结果导入深度神经网络中对货物装卸优化顺序进行二次优化，得到货物装卸二次优化顺序；

将所述合格货物装卸顺序与货物装卸二次优化顺序导入货物装卸初步测试系统中进行优化，得到货物装卸优化测试系统。

需要说明的是，由于货物的种类数量大小等不一样，所以装卸所需的时间也不同。为保证在预设时间内将货物装卸完毕，需要对货物的装卸顺序进行分析优化。不同种类货物的装卸速率稳定，所以使用深度神经网络信息对装卸速率排序表和货物基本信息进行分析，得到货物装卸初步顺序，并进行货物装卸流程测试。所述货物装卸流程测试能货物每一个装卸步骤的装卸时间。若存在装卸时间大于预设时间，则需要对货物装卸初步顺序进行优化处理。在货物装卸过程中，可能不会每一个货物装卸基础设施都是最大利用率，且货物的易损程度不同。对于易损程度较低的货物，可以充分利用货物装卸基础设施的装卸容量，使一次装卸的易损程度较低的货物尽可能较多，从而达到所见装卸时间的目的。同时对货物装卸基础设施的位置进行分析，若货物装卸基础设施在货物较多的位置，则所需要一次装卸的货物则越多。通过深度神经网络模型将上述要素结合预测，得到货物装卸优化顺序。若在货物装卸优化顺序下，货物的装卸时间仍大于预设时间，则需要对货物进行优先级分类。不同货物的重要程度和紧急程度不同，例如冰鲜等生品的保质期较短，需要优先装卸。优先级分类后，通过深度神经网络模型对货物装卸优化顺序进行二次优化，最后得到货物装卸优化测试系统。本发明能够通过货物装卸时间进行分析，并基于分析结果提出相应的解决措施，缩短货物装卸时间，提高装卸效率。

此外，所述一种船舶数字物理基础设施的融合协同运行方法，还包括以下步骤：

基于港口交通管理系统，获取船舶所在港口内的地理信息并进行建模分析，得到港口地理模型；

在所述港口地理模型中标记船舶所在位置和货物的目标运输位置，并将所述船舶所在位置定义为运输起点，所述货物的目标运输位置定义为运输终点；

基于所述运输起点和运输终点，结合港口内的地理信息，获取所有货物运输路线，并获取不同货物运输路线的路线长度，对所有货物运输路线进行分析，将路线长度大于预设路线长度的货物运输路线剔除，并将剩下的货物运输路线定义为一类货物运输路线；

获取所有一类货物运输路线的拥堵情况，结合一类货物运输路线的拥堵情况生成各条一类货物运输路线的运输时间，并将运输时间在预设运输时间范围内的一类货物运输路线标定为二类货物运输路线；

基于大数据网络检索，获取货物的性质，所述货物的性质包括货物的燃点、爆点和对环境的影响程度，将货物的性质导入支持向量机中进行货物危险程度分类，得到危险货物和安全货物；

基于所述港口地理模型，获取二类货物运输路线的分布位置，并获取港口中的人流分布情况，在深度神经网络中结合所述港口中的人流分布情况对所述二类货物运输路线的分布位置进行分析，生成危险货物运输路线和安全货物运输路线。

需要说明的是，在货物装卸完毕后，需要运出港口，而港口中的路四通八达，所以运输路线有许多条。需要对运输路线进行逐步分析筛选。首先需要将运输长度大于预设值的运输路线剔除，此举能节省运输时间，提高运输效率，得到第一运输路线。在第一运输路线上可能存在交通堵塞，比如塞车等情况，为确保货物运输时间缩短，需考虑一类货物运输路线的拥堵情况，得到二类货物运输路线。货物可能为易燃易爆物品，或者性质稳定的物品，对于易燃易爆物品，在运输过程中可能会带来危险，所以需要避开人流量密集的地方，规划危险货物运输路线和安全货物运输路线。本发明能够通过与港口交通管理系统协同运行，对港口内的货物的运输路线进行分析，得到危险货物运输路线和安全货物运输路线，能够节省运输时间，提高运输效率，避免灾害发生，提高经济效益。

此外，所述一种船舶数字物理基础设施的融合协同运行方法，还包括以下步骤：

在货物装卸基础设施工作期间，获取货物装卸基础设施的实时工作参数，所述货物装卸基础设施的实时工作参数包括货物装卸力度和货物装卸速度；

预设货物装卸基础设施单日最大工作时间，当货物装卸基础设施的单日工作时间小于单日最大工作时间，且货物装卸基础设施的实时工作参数小于预设值，则通过马尔科夫链算法对货物装卸基础设施进行故障部位溯源；

对于货物装卸基础设施内的故障部位，通过大数据网络检索获取故障部位修复方案输出；

当货物装卸基础设施的单日工作时间大于单日最大工作时间，则同样使用马尔科夫链算法对货物装卸基础设施进行故障部位溯源，若货物装卸基础设施内存在故障部位，则通过大数据网络检索获取故障部位修复方案输出；

若货物装卸基础设施内不存在故障部位，则对货物装卸基础设施的燃料存量进行分析，若货物装卸基础设施的燃料存量少于预设燃料存量，则在货物装卸基础设施内添加燃料，使货物装卸基础设施内的燃料存量达到预设值；

若货物装卸基础设施的燃料存量在预设范围内，则对货物装卸基础设施的供电状态进行分析，并基于分析结果对货物装卸基础设施的供电状态进行优化。

需要说明的是，货物装卸基础设施包含起吊机、传送带等设备，以起吊机为例，起吊机的工作参数主要为起吊力量，若起吊机的起吊力量较小，则会影响货物装卸时间，甚至会对货物或人物造成损害。在单日最大工作时间内，若货物装卸基础设施的实时工作参数小于预设值，则判断货物装卸基础设施出现故障，使用马尔科夫链算法可以对货物装卸基础设施进行故障排查。货物装卸基础设施的单日燃料用量是固定的，若单日工作时间大于单日最大工作时间，则货物装卸基础设施的燃料用量会超标，导致货物装卸基础设施的实时工作参数小于标准值。若货物装卸基础设施的燃料用量未超标，则可能是货物装卸基础设施的供电端电力供应不足，或者电源不稳定，使货物装卸基础设施无法以额定工作参数工作。

如图3所示，本发明第二方面还提供了一种船舶数字物理基础设施的融合协同运行系统，所述融合协同运行系统包括存储器31与处理器32，所述存储器31中储存有融合协同运行方法，所述融合协同运行方法被所述处理器32执行时，实现如下步骤：

对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施；

对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化；

基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化；

基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统；

通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种船舶数字物理基础设施的融合协同运行方法，其特征在于，包括以下步骤：

对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施；

对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化；

基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化；

基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统；

通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施；

其中，所述基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统，具体为：

在船舶上获取安全基础设施，并引入灰色关联法计算所有安全基础设施和货物装卸基础设施的关联值，选取关联值大于预设关联值的安全基础设施，定义为货物装卸安全基础设施；

在所述货物装卸安全基础设施上均安装通信模块，并与货物装卸基础设施进行数据连接，对所述货物装卸安全基础设施进行建模处理，得到货物装卸安全基础设施模型，并将所述货物装卸安全基础设施模型导入货物装卸优化测试系统内，得到货物安全装卸初始系统；

运行所述货物安全装卸初始系统，判断引入货物装卸安全基础设施后的货物装卸时间，若货物装卸时间大于预设时间，则获取货物装卸安全基础设施各个装卸步骤的工作时间，若存在货物装卸安全基础设施装卸步骤的工作时间大于预设值，则将对应的货物装卸安全基础设施装卸步骤定义为货物装卸安全基础设施异常装卸步骤；

基于贝叶斯网络模型分析货物装卸安全基础设施异常装卸步骤，得到货物装卸安全基础设施异常工作部位，对所述货物装卸安全基础设施异常工作部位进行修复优化，并重新分析货物装卸安全基础设施异常装卸步骤的工作时间；

若货物装卸安全基础设施异常装卸步骤的工作时间仍大于预设值，则在大数据网络中检索装卸步骤与货物装卸安全基础设施异常装卸步骤作用相同的货物安全基础设施，定义为一类货物装卸安全基础设施；

获取一类货物安全基础设施装卸步骤，并在货物安全装卸初始系统用所述一类货物安全基础设施装卸步骤替代货物装卸安全基础设施异常装卸步骤，生成货物安全装卸系统；

其中，所述通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施，具体为：

提取货物安全装卸系统中各个装卸步骤的工作参数和工作区域，引入深度神经网络对货物安全装卸系统中各个装卸步骤的工作参数和工作区域进行风险预测训练，生成货物装卸风险预测画像；

运行所述货物装卸风险预测画像，生成货物安全装卸系统中各个装卸步骤的风险值，并构建装卸步骤风险值对照表；

分析所述装卸步骤风险值对照表，设定不同装卸步骤的风险警戒值，当装卸步骤的风险值大于对应的风险警戒值，则将对应的装卸步骤定义为危险装卸步骤；

分析危险装卸步骤的工作区域，若危险装卸步骤的工作区域为人物可活动区域，则将对应危险装卸步骤定义为第一危险装卸步骤；

在货物安全装卸系统中安装人物识别模块，当第一危险装卸步骤运行期间，所述人物识别模块工作，在第一危险装卸步骤的工作区域中进行人物识别，得到人物识别信息，并在货物安全装卸系统中预设工作人员的个人信息；

若所述人物识别信息与工作人员的个人信息不符，则所述货物安全装卸系统发出警报，提醒人物离开第一危险装卸步骤的工作区域。

2.根据权利要求1中所述的一种船舶数字物理基础设施的融合协同运行方法，其特征在于，所述对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施，具体为：

基于历史数据检索，获取船舶上各种数字物理基础设施的使用场景，并基于使用场景获取用于货物装卸的各种数字物理基础设施，定义为货物装卸基础设施；

获取所有货物装卸基础设施的工作参数，并将货物装卸基础设施的工作参数转化为货物装卸基础设施特征数据；

引入模糊聚类法，构建多个模糊簇，所述模糊簇中均包含聚类中心，对所述聚类中心进行初始化处理，并计算所述货物装卸基础设施特征数据与初始化后的聚类中心的马氏距离；

分析货物装卸基础设施特征数据与初始化后的聚类中心的马氏距离，判断货物装卸基础设施之间的相似度，并将相似度大于预设相似度的货物装卸基础设施标定为货物装卸同类基础设施。

3.根据权利要求1中所述的一种船舶数字物理基础设施的融合协同运行方法，其特征在于，所述对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化，具体为：

在所述货物装卸基础设施中均安装通信模块，并将通信模块与货物装卸基础设施的控制模块相连接；

对于货物装卸同类基础设施，启动所有通信模块，使货物装卸基础设施的通信模块进行数据连接，生成数据连接状态；

分析所述数据连接状态，若货物装卸基础设施中存在掉线情况，则对对应的货物装卸基础设施的通信模块进行修复，保持所有货物装卸基础设施处于上线状态；

基于激光扫描技术，对货物装卸基础设施进行建模处理，得到货物装卸基础设施模型，并在货物装卸基础设施模型中导入货物装卸基础设施的工作参数，得到货物装卸初步测试系统；

在所述货物装卸初步测试系统内进行货物装卸效果测试，通过所述货物装卸效果测试得到不同货物的装卸效果，并获取不同货物的标准装卸效果，若存在货物的装卸效果不满足标准装卸效果，则将对应的货物装卸基础设施定义为货物装卸效果异常基础设施；

若所有货物的装卸效果均满足标准装卸效果，则将对应的货物装卸基础设施定义为货物装卸效果正常基础设施；

获取货物装卸效果异常基础设施的工作参数，并引入贝叶斯网络，对货物装卸效果异常基础设施的工作参数进行故障推演，得到货物装卸基础设施的异常部位；

通过大数据网络检索货物装卸基础设施的异常部位的修复方法并输出，使货物装卸基础设施对不同货物的装卸效果均满足标准装卸效果。

4.根据权利要求1中所述的一种船舶数字物理基础设施的融合协同运行方法，其特征在于，所述基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化，具体为:

获取货物订单信息，并基于所述货物订单信息，获取货物基本信息，所述货物基本信息包括货物种类、货物数量和货物大小；

在所述货物装卸初步测试系统中，获取不同种类货物的装卸速率，并构建装卸速率排序表，将所述装卸速率排序表与货物基本信息导入深度神经网络模型中进行货物装卸顺序初步预测，得到货物装卸顺序初步预测结果，并根据所述货物装卸顺序初步预测结果生成货物装卸初步顺序；

将所述货物装卸初步顺序导入货物装卸初步测试系统内进行货物装卸流程测试，得到货物装卸时间，若所述货物装卸时间小于预设时间，则将货物装卸初步顺序标定为合格货物装卸顺序；

若所述货物装卸时间大于预设时间，则对获取货物装卸效果正常基础设施的最大装卸容量及所在位置，并基于所述货物订单信息，获取货物的易损程度；

引入支持向量机模型，对所述货物的易损程度进行分类，得到易损货物和不易损货物，分别获取易损货物和不易损货物的货物基本信息，并将所述易损货物和不易损货物的货物基本信息和货物装卸效果正常基础设施的最大装卸容量及所在位置导入深度神经网络模型中进行分析，并根据分析结果得到货物装卸优化顺序；

将所述货物装卸优化顺序应用至货物装卸初步测试系统内进行货物装卸时间分析，若货物装卸时间小于预设时间，则将货物装卸优化顺序标定为合格货物装卸顺序；

若货物装卸时间仍大于预设时间，则对货物进行装卸优先级分类，得到货物装卸优先级分类结果，并将所述货物装卸优先级分类结果导入深度神经网络中对货物装卸优化顺序进行二次优化，得到货物装卸二次优化顺序；

将所述合格货物装卸顺序与货物装卸二次优化顺序导入货物装卸初步测试系统中进行优化，得到货物装卸优化测试系统。

5.一种船舶数字物理基础设施的融合协同运行系统，其特征在于，所述融合协同运行系统包括存储器与处理器，所述存储器中储存有融合协同运行方法，所述融合协同运行方法被所述处理器执行时，实现如下步骤：

对船舶数字物理基础设施进行相似度分析，得到分析结果，并基于所述分析结果获取货物装卸同类基础设施；

对货物装卸同类基础设施进行数据连接，并对货物装卸同类基础设施进行模拟运行测试，基于测试结果对货物装卸基础设施进行优化；

基于货物装卸初步测试系统，对货物装卸效果正常基础设施进行货物装卸流程测试，并根据货物装卸流程测试结果对货物装卸初步测试系统进行优化；

基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统；

通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施；

其中，所述基于关联性分析，获取与货物装卸基础设施相关的安全基础设施，并将安全基础设施与货物装卸优化测试系统结合分析，构造货物安全装卸系统，具体为：

在船舶上获取安全基础设施，并引入灰色关联法计算所有安全基础设施和货物装卸基础设施的关联值，选取关联值大于预设关联值的安全基础设施，定义为货物装卸安全基础设施；

在所述货物装卸安全基础设施上均安装通信模块，并与货物装卸基础设施进行数据连接，对所述货物装卸安全基础设施进行建模处理，得到货物装卸安全基础设施模型，并将所述货物装卸安全基础设施模型导入货物装卸优化测试系统内，得到货物安全装卸初始系统；

运行所述货物安全装卸初始系统，判断引入货物装卸安全基础设施后的货物装卸时间，若货物装卸时间大于预设时间，则获取货物装卸安全基础设施各个装卸步骤的工作时间，若存在货物装卸安全基础设施装卸步骤的工作时间大于预设值，则将对应的货物装卸安全基础设施装卸步骤定义为货物装卸安全基础设施异常装卸步骤；

基于贝叶斯网络模型分析货物装卸安全基础设施异常装卸步骤，得到货物装卸安全基础设施异常工作部位，对所述货物装卸安全基础设施异常工作部位进行修复优化，并重新分析货物装卸安全基础设施异常装卸步骤的工作时间；

若货物装卸安全基础设施异常装卸步骤的工作时间仍大于预设值，则在大数据网络中检索装卸步骤与货物装卸安全基础设施异常装卸步骤作用相同的货物安全基础设施，定义为一类货物装卸安全基础设施；

获取一类货物安全基础设施装卸步骤，并在货物安全装卸初始系统用所述一类货物安全基础设施装卸步骤替代货物装卸安全基础设施异常装卸步骤，生成货物安全装卸系统；

其中，所述通过货物安全装卸系统，构建货物装卸风险预测画像，运行所述货物装卸风险预测画像，对货物装卸风险进行分析，并基于分析结果获取相应的预防措施，具体为：

提取货物安全装卸系统中各个装卸步骤的工作参数和工作区域，引入深度神经网络对货物安全装卸系统中各个装卸步骤的工作参数和工作区域进行风险预测训练，生成货物装卸风险预测画像；

运行所述货物装卸风险预测画像，生成货物安全装卸系统中各个装卸步骤的风险值，并构建装卸步骤风险值对照表；

分析所述装卸步骤风险值对照表，设定不同装卸步骤的风险警戒值，当装卸步骤的风险值大于对应的风险警戒值，则将对应的装卸步骤定义为危险装卸步骤；

分析危险装卸步骤的工作区域，若危险装卸步骤的工作区域为人物可活动区域，则将对应危险装卸步骤定义为第一危险装卸步骤；

在货物安全装卸系统中安装人物识别模块，当第一危险装卸步骤运行期间，所述人物识别模块工作，在第一危险装卸步骤的工作区域中进行人物识别，得到人物识别信息，并在货物安全装卸系统中预设工作人员的个人信息；

若所述人物识别信息与工作人员的个人信息不符，则所述货物安全装卸系统发出警报，提醒人物离开第一危险装卸步骤的工作区域。