數字孿生海戰場動態聲場預報

呂曜輝，李 瑞，成 霄

(中國海洋大學 電子工程學院，山東 青島 266100)

0 引言

數字孿生是利用數字化映射的方式創建物理實體的虛擬模型，通過物理實體與孿生體的實時交互，不斷優化孿生體模型。國內外學者對數字孿生的應用進行了綜述，趙浩然等[1]提出了面向數字孿生車間的三維可視化實時監控方法;Jiang等[2]利用機器學習技術開發了第一個地球海岸線的數字孿生體，取得的成果為大規模加速沿海動力學模擬器提供了新方法。數字孿生作為連接物理世界和虛擬空間的紐帶，為推動科技創新的發展提供了平臺。

動態海洋聲場預報以水聲傳播理論為基礎，目前發展的聲場預報模型主要有：射線理論模型、簡正波理論模型和拋物方程理論模型[3]。考慮到深海聲場環境的復雜性，現有的預報模型難以滿足要求，因此將數字孿生應用于動態海洋聲場預報，通過物理實體與虛擬模型的實時交互反饋，不斷優化動態聲場預報結果。本文基于數字孿生的虛擬平臺，利用大數據、機器學習等先進技術，對動態海洋聲場預報模型進行了仿真模擬，為實時監控動態聲場預報的設計優化提供可靠依據。

1 數字孿生的內涵

數字孿生技術利用數字化方式在虛擬空間創建物理實體的孿生體模型，借助觀測數據在虛擬空間模擬物理實體的行為狀態，通過虛實體之間的交互反饋、數據融合分析等手段[4-5]，利用計算機建模技術，構建一個與現實世界中一樣的虛擬模型，從而實現對物理實體的了解、分析和優化。數字孿生主要包括3部分：現實世界的物理實體、虛擬空間的孿生體、物理實體與孿生體之間的數據和信息交互接口[6-7]。

數字孿生這一顛覆性技術驅動著軍事革命，美國空軍研究實驗室與NASA合作構建了F-15戰斗機的孿生機體，旨在對飛機機體結構做出健康評估并給出維修指導[8-9]。潛艇作戰系統為了提高潛艇的作戰能力，利用數字孿生技術在虛擬空間開展作戰系統的改造活動，將潛艇作戰系統的真實情況應用于數字孿生體[10]，最終將改造效果反饋給物理實體來提高系統的作戰能力，而且工作人員在實驗室就可以了解到系統的實際作戰情況，為系統的有效改進提供了支持。

數字孿生技術在工業領域的理論和應用層面也取得了快速發展[11]，在產品的設計、制造和運維服務等方面都有所涉及。在現實世界，可以利用傳感器或測量儀器對產品、設備等物體實體進行測量，用獲得的真實數據來構建數字孿生副本。以飛機為例，通過傳感器可以實時得到飛機的飛行高度、行進速度、經緯度等實際數據，基于數字孿生技術在虛擬空間建立一個飛機模型，利用機器學習、大數據和預測分析算法，可以實時預測和預防飛機可能出現的組件故障，并采取相應的措施避免機器故障的發生[12]。以色列的Cognata公司結合現實世界的汽車實體與等效的虛擬模型，采用了3層(靜態層、動態層和傳感層)技術構建虛擬孿生的世界，驗證了自動駕駛汽車的安全性，為汽車實時運行狀態檢測、故障定位等方面的服務應用提供了一種新思路[13]。

數字孿生技術在動態聲場預報中的應用是將觀測數據與孿生體模型相結合，根據實際觀測的數據反演無法觀測的復雜海洋聲場信息，可實現模型參數的優化。在聲場預報系統中，以海洋運動模型作為約束條件，利用拉格朗日乘子法建立孿生體模型，用代價函數來度量實際觀測值與孿生體模擬值之間的偏差，通過對無約束的極小值求解完成模擬動態聲場預報過程。代價函數定義為：

式中，x和c分別是模型中隨時間變化的量(如溫度、鹽度等)、模型中的參數；x1和c1是觀測值和估計值；x和c對應的權重矩陣為Kx和Kc。在復雜海洋環境中，數字孿生模擬的聲場預報允許存在誤差，可以利用觀測數據不斷優化模型中的參數，使孿生體模擬預報結果與實際海洋環境聲場預報盡可能地接近，從而提高孿生體模擬的精度。

2 動態聲場預報系統

動態海洋聲場預報一直是水聲學非常重要的研究課題，相關科研人員根據聲場在海洋中時空結構的不同，提出了相應的理論預報模型。由于海洋聲場環境的復雜性，特別是對于異常海區，如內波、黑潮、暖流和鋒面等各種海洋活動，都會引起聲場預報的劇烈變化，因此利用傳統的聲場預報方法很難得到與實際復雜海洋環境相匹配的聲場預報結果[14]。本文結合數字孿生技術，在虛擬空間構建出海洋運動狀態的孿生體，通過物理實體和虛擬空間的實時信息交互，實現動態聲場預報的數字化和虛擬化。數字孿生海戰場動態聲場預報系統示意如圖1所示。

圖1 數字孿生海戰場動態聲場預報系統示意Fig.1 Schematic diagram of dynamic sound field prediction system in digital twin sea battlefield

動態海洋聲場預報模型如圖2所示，利用觀測數據、地形數據和聲源參數啟動海洋運動模型，獲得計算結果后輸入數據孿生體，與敏感區的觀測數據對比，若滿足要求則輸出溫鹽深、流速數據；若不滿足要求，根據計算結果和敏感區觀測結果生成參數，直到產生滿足要求的結果。根據溫鹽深數據可以得到聲速場數據，將其作為聲場計算模型的輸入參數，然后啟動聲場計算模型，計算研究區域的聲場分布情況，最終得到聲場預報結果，即聲速分布和聲場傳播損失[15-16]。通過上述流程，可以不斷地產生聲場預報結果，形成動態聲場預報。

圖2 動態海洋聲場預報模型Fig.2 Dynamic ocean sound field prediction model

數字孿生通過實體和虛體之間的實時交互，可以及時、準確地在虛擬空間反映物理實體的運動狀態[17]。數字孿生的實現分為2個步驟：預測和更新。預測是根據模型當前時刻的狀態預測模型下一時刻的狀態；更新是利用觀測數據對狀態預測值做出適當調整，從而得到狀態值的最優解。循環執行上述步驟，直到將所有時刻狀態值的預測與更新全部完成，達到利用虛擬孿生實現動態聲場預報的目的。

3 仿真分析

3.1 動態聲場預報結果

利用上述方法，結合虛擬孿生體對動態聲場預報進行仿真分析。根據得到的溫鹽深數據，利用聲速的經驗公式[18]可以得到該海域的聲速分布，通過聲速可以計算聲場的能量損失。

以某海域為例，選取被測海域的水平范圍為0～80 km、深度為0～2 500 m，在同一緯度(21°N)上使用RAM模型模擬該海域的低頻聲傳播損失，設置聲源的中心頻率為500 Hz，聲源深度為200 m。利用在虛擬空間構建的海洋運動模型數字孿生體，得到聲場預報結果。圖3為該海域的聲速分布和聲場傳播情況，其中縱坐標為水深，橫坐標為水平距離。

由圖3可以看出，若以海面為深度的原點，聲速隨深度的增加先減小后增大。在影響聲速的各類因素中，溫度起著主要作用，由于海洋表面溫度較高，隨著深度的增加溫度逐漸降低，對應圖中深度約為0～1.2 km范圍內聲速減小。海水中的聲速也受到含鹽度與海洋深度的影響，溫度和含鹽度在水平方向沒有明顯變化，在深度方向接近于分層變化[19]，因此呈現出孿生體模擬的聲速梯度分布。傳播損失隨著水平距離和深度的增加也在增大，而且隨水平距離起伏變化顯著，最大值約為95 dB，最小值約為55 dB，主要分布在72～85 dB，這種起伏是由水文環境的變化引起的。

(a) 聲速分布

(b) 聲線圖

(c) 聲場傳播損失圖3 RAM模型模擬結果Fig.3 RAM model simulation results

3.2 動態聲場預報精度

在實際海洋環境下，利用某海域動態海洋聲場預報系統進行7 d的聲場預報，與不采用敏感區孿生優化觀測數據進行預報比較，測試方法如圖4所示。實際海洋環境預報精度的計算公式為：

圖4 實際海洋環境預報精度測試方法Fig.4 Accuracy test method of actual ocean environment prediction

式中，①，②，③分別表示實際海洋環境的實測聲傳播損失、不采用敏感區孿生優化的聲傳播損失和采用敏感區孿生優化的聲傳播損失。

以某海域為例，設置聲源的中心頻率為600 Hz，聲源深度70 m，發射角度30°，坐標為115.3°E,19.6°N，水平距離1.75 km，水聽器的深度分別為20，120，220 m。根據實際海洋環境預報精度的計算方法，得到如表1所示的動態海洋聲場預報結果。

表1 動態海洋聲場預報情況Tab.1 Prediction of dynamic ocean sound field

表1中的真值、未優化值、優化值分別對應圖4中的①，②，③，從7 d的預報結果可以看出，利用孿生體模型預報的聲傳播損失誤差有所降低，實際海洋環境綜合預報誤差優化量達到34.97%。

通過上面的分析，根據實際海洋環境聲場，綜合考慮海洋聲場中存在的不確定性，利用觀測數據對孿生體進行修正，不斷優化虛擬模型，得到了較為契合實際情況的動態聲場預報，為實時監控聲場預報的設計優化提供了可靠依據。

4 結束語

基于數字孿生的動態聲場預報是未來復雜海洋聲場預報系統的發展趨勢，孿生體來源于物理實體，也可以反作用于物理實體。本文建立基于數字孿生的動態聲場預報系統，利用虛實結合跨空間數據融合原理，將在物理空間觀測的實際海洋數據與虛擬空間的模型信息融合，能夠在虛擬空間真實映射復雜海洋環境的運動狀態。根據物理實體和孿生體的信息交互，可以在虛擬空間預測下一時間段的海洋狀態，仿真結果驗證了數字孿生體能夠實現動態海洋聲場預報，減小實際海洋環境的預報誤差，為海洋聲學技術的發展構建了創新技術平臺體系。然而，利用數字孿生技術優化得到的海洋運動模型，較依賴于觀測樣本量和地形分布，如何得到最優化的觀測數據是需要進一步研究的內容。