渔网是海洋渔业养殖设施的重要组成部分,其主要功能是圈定鱼群活动范围、参与水体交换、为养殖鱼群提供可靠的生长栖息环境。然而,在深远海高海况作用下,网衣容易发生撕裂破损。如果不能及时检测到渔网的破损,将造成养殖鱼类的大批量逃逸,给水产养殖带来巨大的经济损失。因此,对深远海养殖网衣进行破损检测,意义重大。由于当前人工检测方式效率低且风险高,亟需开发一种可代替人工的数字化检测方法。当前网衣破损数字化检测方法主要包含三种:埋线探测法、声纳检测法以及图像分析法。然而,这些方法受到网衣自身或环境干扰的制约,不具有普适性。鉴于此,本文提出了一种基于数字孪生技术的渔网破损检测方法,可利用传感器代替人工来检测渔网破损。该方法首先从渔网的数值仿真模型获取大量的仿真传感数据,然后将数据用于人工神经网络的训练与测试,最后训练生成可进行网衣破损识别的数字孪生模型。数字孪生模型可根据传感器监测到的数据来判断网衣是否发生破损。利用该数字孪生模型,本文对二维（平面渔网）和三维结构（网箱）展开破损检测研究。涉及内容如下:首先,构建了数字孪生模型。数字孪生模型的构建主要分为数值模拟和人工神经网络训练两部分。在数值模拟中,考虑各种波浪条件以及网衣的破损情况,以充分获得仿真数据集。在人工神经网络训练中,将有效波高Hs、谱峰周期Tp以及传感数据作为输入变量,将网衣完整状态以及破损状态作为输出变量。用于构建数字孪生模型的数据需要全面,需考虑渔网/网箱所处海况、渔网破损程度以及破损位置。其次,对平面渔网进行破损检测。该部分研究充分考虑了海况、破损程度和位置,以及波流夹角对检测结果的影响。通过安装在横纲竖纲的拉力传感器对平面渔网的水动力进行监测,将传感数据输入到数字孪生模型中进行破损识别。经过测试分析,数字孪生模型识别网衣是否破损的平均准确率达94.32%以上。测试结果表明,该模型可针对不同破损网衣在不同海况作用下进行破损检测。最后,对网箱的网衣进行破损检测。该部分仅研究了一种破损情况,但考虑了不同海况。通过安装在网箱浮圈上的加速度传感器对完整网箱和破损网箱的运动响应进行监测,将传感数据输入到数字孪生模型中进行破损识别。经过测试分析,数字孪生模型识别网衣是否发生破损的平均准确率为98.69%。测试结果表明,该检测方法在网箱的破损检测上也具有可行性。综合上述研究结果,本文提出的数字孪生模型能准确检测到渔网/网箱的破损,为深远海网箱破损检测提供了一种新的解决方案。