CN110442936A - 基于数字孪生模型的设备故障诊断方法、装置及系统 - Google Patents

Abstract

本说明书实施例公开了一种基于数字孪生模型的设备故障诊断方法、装置及系统，所述方法包括根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型，利用所述数字孪生模型对目标设备进行故障诊断。利用本说明书各个实施例，可以实现设备故障的精准诊断。

Description

基于数字孪生模型的设备故障诊断方法、装置及系统

技术领域

本发明涉及机械设备诊断技术领域，特别地，涉及一种基于数字孪生模型的设备故障诊断方法、装置及系统。

背景技术

物联网、信息物理系统、大数据等信息技术的快速发展正在引领当代制造业迈向新的阶段，随着数据和计算机智能的普及，制造过程越来越数字化。新的制造模式开始以信息物理生产系统、物联网和大数据制造分析的形式出现，从而实现对系统物理过程的更深理解，提高对机器设备的环境意识，以及更好地控制生产过程。

由于现代制造业对高速、高精度和灵活性的要求，设备可靠性和操作安全性成为关键问题。保证设备长期可靠运行的关键不仅在于设计之初对设备运行因素的考虑，同时还需要在设备运行过程对设备进行加强监测和分析。然而，考虑到故障的复杂性以及故障与相应的系统响应之间的复杂关系，目前仅利用基于信息传感的数据驱动进行故障诊断的方法，并不能很好的避免错误警报(包括假阳性和故障阴性)的产生。同时，系统在执行灵活和自适应的制造操作时也存在无法深刻的理解物理过程、不能考虑到机器设备运行时的周边环境以及更好地控制生产过程的问题。因此，如何进一步提高设备故障诊断的准确性成为本技术领域亟需解决的技术问题。

发明内容

本说明书实施例的目的在于提供一种基于数字孪生模型的设备故障诊断方法、装置及系统，可以进一步提高设备故障诊断的准确性。

本说明书提供一种基于数字孪生模型的设备故障诊断方法、装置及系统是包括如下方式实现的：

一种基于数字孪生模型的设备故障诊断方法，包括：

根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型，利用所述数字孪生模型对所述目标设备进行故障诊断。

本说明书提供的所述方法的另一个实施例中，所述基于所述响应面模型确定所述修正参数的修正值，包括：

构建所述目标响应参数的实际值与基于所述初始数字孪生模型得到的仿真值之间的第一差异函数；

基于所述响应面模型对所述第一差异函数进行最小化处理，获得所述修正参数的修正值。

本说明书提供的所述方法的另一个实施例中，所述利用所述数字孪生模型对所述目标设备进行故障诊断，包括：

获取所述目标设备的目标故障对应的第一状态参数；

利用所述目标设备的响应参数表征所述第一状态参数，获得所述第一状态参数对应的响应参数表征函数；

基于所述响应参数表征函数构建响应参数在故障发生前后的实际变化量与基于所述数字孪生模型确定的仿真变化量之间的第二差异函数；

对所述第二差异函数进行最小化处理，获得所述第一状态参数的变化量，根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

本说明书提供的所述方法的另一个实施例中，所述利用所述数字孪生模型对所述目标设备进行故障诊断，包括：

根据所述第一状态参数的变化量对所述数字孪生模型进行更新处理，获得第一数字孪生模型；

将满足下述故障位置识别模型的L值作为故障发生的位置：

其中，L表示故障位置，o_i(L)表示故障发生在L位置处时响应参数的实际值，r_i(L)表示故障发生在L位置处时基于所述第一数字孪生模型获得的响应参数的仿真值，n表示故障测点。

本说明书提供的所述方法的另一个实施例中，所述利用所述数字孪生模型对所述目标设备进行故障诊断，包括：

获取所述目标设备的目标故障的第一状态参数，构建所述第一状态参数对应的响应参数表征函数，其中，基于所述数字孪生模型构建的第一响应参数表征函数为：

基于所述目标设备的实际运行状态构建的第二响应参数表征函数为：

根据所述第一响应参数表征函数、第二响应参数表征函数以及下述最小化处理后的第二差异函数确定所述第一状态参数的变化量：

其中，Δc_m表示第m个第一状态参数的变化量，m表示所述目标故障对应的第一状态参数的类型数，n表示响应参数的类型数，Δr_mi表示基于所述数字孪生模型获得的第i个响应参数相对Δc_m的仿真变化量，Δo_mi表示第i个响应参数相对Δc_m的实际变化量，表示Δc_m与Δr_mi之间的函数关系，表示Δc_m与Δo_mi之间的函数关系，k_mi、l_mi为系数，{Δo_ji}表示实际变化量组成的数据集合，{Δr_ji}表示仿真变化量组成的数据集合；

根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

本说明书提供的所述方法的另一个实施例中，所述构建所述目标响应参数与所述修正参数之间的响应面模型，包括：

根据对所述目标设备的工作特征的分析结果划分响应面模型的构建阶段；

获取各构建阶段的目标响应参数及目标响应参数对应的修正参数，根据各构建阶段的目标响应参数及目标响应参数对应的修正参数进行响应面模型的构建，获得各构建阶段对应的响应面模型；

相应的，所述基于所述响应面模型确定所述修正参数的修正值包括基于各构建阶段对应的响应面模型依次确定各构建阶段的修正参数的修正值。

另一方面，本说明书实施例还提供一种基于数字孪生模型的设备故障诊断装置，包括：

初始模型构建模块，用于根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

修正参数确定模块，用于获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

修正量确定模块，用于构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

模型更新模块，用于利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型；

故障诊断模块，用于利用所述数字孪生模型对所述目标设备进行故障诊断。

本说明书上述装置提供的另一个实施例中，所述故障诊断模块包括：

参数获取单元，用于获取所述目标设备的目标故障对应的第一状态参数；

参数关系确定单元，用于利用所述目标设备的响应参数表征所述第一状态参数，获得所述第一状态参数对应的响应参数表征函数；

差异函数构建单元，用于基于所述响应参数表征函数构建响应参数在故障发生前后的实际变化量与基于所述数字孪生模型确定的仿真变化量之间的第二差异函数；

变化量确定单元，用于对所述第二差异函数进行最小化处理，获得所述第一状态参数的变化量，根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

另一方面，本说明书实施例还提供一种基于数字孪生模型的设备故障诊断设备，包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：

根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型，利用所述数字孪生模型对所述目标设备进行故障诊断。

另一方面，本说明书实施例还提供一种基于数字孪生模型的设备故障诊断系统，所述系统包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个实施例所述方法的步骤。

本说明书一个或多个实施例提供的基于数字孪生模型的设备故障诊断方法、装置及系统，可以通过综合分析目标设备的状态参数和外在响应参数来构建初始数字孪生模型，然后，可以基于响应面模型对初始数字孪生模型参数进行实时更新，构建用于设备故障参数诊断分析的高保真数字孪生模型。同时，基于目标设备的数字孪生模型进行设备故障的诊断分析，还可以实现设备故障的定量分析和精准定位，进而提高设备故障诊断的精准性。

附图说明

为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本说明书提供的一种基于数字孪生模型的设备故障诊断方法实施例的流程示意图；

图2为本说明书提供的一个实施例中的数字孪生模型的参数更新示意图；

图3为本说明书提供的另一种基于数字孪生模型的设备故障诊断方法实施例的流程示意图；

图4为本说明书提供的一种基于数字孪生模型的设备故障诊断装置实施例的模块结构示意图；

图5为本说明书提供的另一种基于数字孪生模型的设备故障诊断装置实施例的模块结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是说明书一部分实施例，而不是全部的实施例。基于说明书一个或多个实施例，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，都应当属于本说明书实施例方案保护的范围。

由于现代制造业对高速、高精度和灵活性的要求，设备可靠性和操作安全性成为关键问题。保证设备长期可靠运行的关键不仅在于设计之初对设备运行因素的考虑，同时还需要在设备运行过程对设备进行加强监测和分析。然而，考虑到故障的复杂性以及故障与相应的系统响应之间的复杂关系，目前仅利用基于信息传感的数据驱动进行故障诊断的方法，并不能很好的避免错误警报(包括假阳性和故障阴性)的产生。

相应的，本说明书实施例提供了一种基于数字孪生模型的设备故障诊断方法，可以通过综合分析目标设备的状态参数和外在响应参数来构建初始数字孪生模型，然后，可以基于响应面模型对初始数字孪生模型参数进行实时更新，构建用于设备故障参数诊断分析的高保真数字孪生模型。同时，基于目标设备的数字孪生模型进行设备故障的诊断分析，还可以实现设备故障的定量分析和精准定位，进而提高设备故障诊断的精准性。

图1是本说明书提供的所述一种基于数字孪生模型的设备故障诊断方法实施例流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。

具体的一个实施例如图1所示，本说明书提供的基于数字孪生模型的设备故障诊断方法的一个实施例中，所述方法可以包括：

S102：根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型。

所述状态参数可以包括设备尺寸、弹性模量、材料密度、轴承刚度等设备静态参数。一些实施方式中，状态参数初始数据可以从设计阶段获取。所述响应参数可以为反映设备运行状态的表观参数，如可以为固有频率、振型等静力学参数以及临界变速等动力学参数，还可以包括反映机械设备工作环境的环境表征参数，如机械设备运行当地的温度等。响应参数的实时数据可以通过安装在目标设备上的传感器进行实时采集获得。可以将获取的状态参数的初始数据及采集的响应参数数据传输到数字空间中，在数字空间中建立初始数字孪生模型。

S104：获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

通常设备状态参数发生变化会影响设备响应参数的变化，相应的，设备状态参数的变化也可以通过响应参数的变化直观的反映出来。一些实施方式中，可以根据专家经验将目标设备的部分或者全部响应参数作为目标响应参数，同时，还可以根据专家经验初步确定部分对目标响应参数的变化影响比较明显的状态参数，作为目标响应参数对应的更新参数。

然后，可以计算各更新参数相对目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数。如可以将灵敏度大于预设阈值的参数作为修正参数，或者，将状态参数按照灵敏度大小进行排序，将排序靠前的更新参数作为修正参数。

本说明书的一个实施例中，可以通过下述方法计算各更新参数相对目标响应参数的灵敏度：

对于n个更新参数{p_i}＝[p₁,p₂,…,p_n]^T，对应的目标响应参数分别为{q_j}＝[q₁,q₂,…,q_m]^T，第i个更新参数相对于第j个目标响应参数的灵敏度可以表示为：

其中，h表示假设的变化量；o(h2)为泰勒公式的余项，可以忽略。

第i个更新参数的综合灵敏度可以表示为：

设定阈值t，当S_z(p_i)≥t时，认为该更新参数p_i对目标响应参数的贡献较大，可以选定其作为修正参数，p_max表示修正参数的修正上限值，p_min表示修正参数的修正下限值。

当然，具体实施时，也可以采用其他的方案进行灵敏度的计算，这里不做限定。

S106：构建所述修正参数与目标响应参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值。

可以以修正参数作为自变量，以目标响应参数作为应变量，对所述修正参数和目标响应参数进行多元回归或差值拟合，构造响应面模型，然后，可以基于所述响应面模型确定所述修正参数的修正值。

一些实施方式中，所述响应面模型的构建方法可以包括全因子方法、正交方法、中心复合方法和均匀方法等，以利用较少的样本点数来构建出精度较高的响应面模型。本说明书的一个实施例中，可以将修正参数与目标响应参数之间的关系表示为下述的带交叉项的完整二次型形式：

其中：a₀为常数项待定系数，a_j为一次项待定系数，a_ij为二次项待定系数，为修正参数的修正空间，分别为p_j修正空间的上下限，各待定系数可用最小二乘法进行估计。

然后，可以基于该关系进行响应面模型构建，以获得较高精度的响应面模型。

本说明书的一个实施例中，可以构建目标响应参数的实际值与基于所述初始数字孪生模型得到的仿真值之间的第一差异函数，基于响应面模型对所述第一差异函数进行最小化处理，获得修正参数的修正值。

所述目标响应参数的实际值可以通过采集传感器上的监测数据获得。可以构建目标响应参数的实际值与基于所述初始数字孪生模型得到的仿真值之间的第一差异函数，然后，可以通过优化算法对该第一差异函数进行最小化处理。一些实施方式中，所述最小化处理后的第一差异函数可以表示为：

其中，q_e是目标响应参数的实际值，q_p是目标响应参数的仿真值，R(p)是误差向量，p是修正参数，VLB和VUB分别是修正参数的上下限。

然后，可以在响应面模型对应的空间中寻找能够满足上述公式(1.4)的修正参数的值。通过响应面构建技术重构能够反映修正参数与目标响应参数关系的响应面，在重构的响应面上进行优化迭代，可以降低数字孪生模型与实际设备之间的误差，从而能够准确的确定数字孪生模型各参数对应的实时数据，实现数字孪生模型的实时映射。同时，基于响应面模型进行参数数据的更新处理，还可以获得较好的收敛速度，大幅提高数据处理的计算分析速度，提高数字孪生模型实时映射的处理效率。

S108：利用所述修正参数的修正值对所述初始数字孪生模型进行修正处理，获得所述目标设备的数字孪生模型，利用所述数字孪生模型对所述目标设备进行故障诊断。

可以利用上述确定的各修正参数的修正值对初始数字孪生模型中各修正参数的数据进行更新处理，获得更新处理后的数字孪生模型。如图2所示，图2给出了基于上述步骤S106-S108进行数字孪生模型参数数据实时更新的示例图。依据上述方式，对数字孪生模型进行实时更新，可以实现数字孪生的实时映射，获得反映设备的真实运转状态的数字孪生模型。然后，可以利用上述方式构建的数字孪生模型对目标设备进行设备的精准故障诊断。

本说明书的另一个实施例中，还可以根据对所述目标设备的工作特征的分析结果划分响应面模型的构建阶段；获取各构建阶段的目标响应参数及目标响应参数对应的修正参数，根据各构建阶段的目标响应参数及目标响应参数对应的修正参数进行响应面模型的构建，获得各构建阶段对应的响应面模型。

可以根据所分析的机械设备的工作特征，进行多阶段响应面模型的构建。以旋转机械设备为例，可以划分静力学和动力学两个阶段模型修正，在静力学修正阶段，目标响应参数可选择固有频率、振型等参数，修正参数可选择弹性模量、材料密度等参数。在动力学修正阶段，目标响应参数可选择临界转速等变量，修正参数可选择轴承刚度等参数。然后，可以分别基于各阶段对应的目标响应参数及修正参数进行相应阶段的响应面模型的构建。然后，可以基于各阶段对应的响应面模型分别确定该阶段的修正参数的修正值。

例如，可以先构建静力学修正阶段对应的第一响应面模型，然后，基于该第一响应面模型确定静力学修正阶段各修正参数的修正量，然后，利用静力学修正阶段各修正参数的修正量对所述初始数字孪生模型进行更新处理。然后，可以构建动力学修正阶段对应的第二响应面模型，再在更新处理后的数字孪生模型的基础上，进一步基于第二响应面模型确定动力学修正阶段各修正参数的修正量，并根据动力学修正阶段各修正参数的修正量对上述更新处理后的数字孪生模型进一步更新处理，获得最终的数字孪生模型，完成对数字孪生模型的实时映射。采用分阶段进行数字孪生模型更新的方式，可以进一步提高数字孪生模型更新的效率和准确性。

当设备因状态退化而发生故障时，设备的状态参数随之发生变化：但导致故障出现的设备部件通常位于设备的内部，因此，具体哪个部件导致的设备故障，该部件对应的状态参数的具体变化量都较难准确确定。如图3所示，本说明书的另一个实施例中，还可以采用下述方式对目标设备进行故障诊断，以更为准确的确定目标设备发生故障的部件、该部件对应的状态参数及其变化量：

S202：获取所述目标设备的目标故障对应的第一状态参数；

S204：利用所述目标设备的响应参数表征所述第一状态参数，获得所述第一状态参数对应的响应参数表征函数；

S206：基于所述响应参数表征函数构建响应参数在故障发生前后的实际变化量与基于所述数字孪生模型确定的仿真变化量之间的第二差异函数；

S208：对所述第二差异函数进行最小化处理，获得所述第一状态参数的变化量，根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

机械设备发生故障的原因通常在于系统的状态发生了退化，一些实施方式中，可以利用若干个状态参数来表征该状态的退化，即一个故障可以由若干个状态参数及其变化量表示：Fault＝[c₁,c₂,…,c_m]。如旋转系统的不平衡故障可以由不平衡量及其相位定量表示：Fault_unbalance＝[mass_unbalance,phase_unbalance]。

一些实施方式中，可以利用预先构建的机械设备故障模式库、故障案例库、故障特征库等故障数据库，结合频谱分析、小波分析、倒谱分析、阶比分析等信号处理方法，以及支持向量机(Support Vector Machine,SVM)、人工神经网络(Artificial Neural Network,ANN)等机器学习方法对故障进行分类，定性判断机械设备转轴偏心、联轴器不对中、轴承磨损、匝间短路等故障，确定各故障对应的状态参数类型，获得目标故障对应的第一状态参数。

设备的状态参数的变化量较难直接测得，但各状态参数的变化可以动态的反映在系统的外在响应参数数据上。如，若设备的风扇扇叶出现裂痕，则可能会导致风扇的转速、设备的温度、设备的振动参数等响应参数发生改变，而目标设备的响应参数在发生故障前后的实际变化量可以通过设备上安装的传感器测得。

状态参数与响应参数之间的关系可以由下述公式表示：r＝f(c)，其函数关系f(·)可以根据数字孪生模型的物理特性得到，相应的，系统的状态参数可以表示为：c＝f^-1(r)。假设目标故障对应有m个状态参数，若目标设备上安装有n个传感器，则任意一个状态参数可以由n个系统响应值线性表示：则当目标设备发生故障后，基于数字孪生模型得到的目标设备的状态参数可以表示为：相应的，基于数字孪生模型得到的故障发生前后状态参数的仿真变化量可以表示为：则基于所述数字孪生模型构建的第一响应参数表征函数可以表示为：

基于所述目标设备的实际运行状态构建的第二响应参数表征函数可以表示为：

若机械设备的数字孪生模型足够精确，则

然后，可以构建目标设备发生故障前后响应参数的实际变化量与仿真变化量之间的第二差异函数，并对第二差异函数进行最小化处理后，可以表示为：

其中，Δc_m表示第m个第一状态参数的变化量，m表示所述目标故障对应的第一状态参数的类型数，n表示响应参数的类型数，Δr_mi表示基于所述数字孪生模型获得的第i个响应参数相对Δc_m的仿真变化量，Δo_mi表示第i个响应参数相对Δc_m的实际变化量，表示Δc_m与Δr_mi之间的函数关系，表示Δc_m与Δo_mi之间的函数关系，k_mi、l_mi为系数，{Δo_ji}表示实际变化量组成的数据集合，{Δr_ji}表示仿真变化量组成的数据集合。

基于上述公式(1.7)，即可确定上述m个第一状态参数的变化量。一些实施方式中，如可以利用粒子群优化(Particle Swarm Optimization,PSO)等算法对上述第二差异函数进行处理，当达到全局最优解时，目标设备的数字孪生模型的m状态参数数据即可视为当前运行条件下设备的状态参数实际数据，获得了所述目标设备的故障诊断结果，从而实现了设备的定量诊断。

本说明书的另一个实施例中，还可以采用下述方式确定所述目标故障发生的位置：

根据所述第一状态参数的变化量对所述数字孪生模型进行更新处理，获得第一数字孪生模型；

将满足下述故障位置识别模型的L值作为故障发生的位置：

其中，L表示故障位置，o_i(L)表示故障发生在L位置处时响应参数的实际值，r_i(L)表示故障发生在L位置处时基于所述第一数字孪生模型获得的响应参数的仿真值，N表示故障测点。

假设该故障发生在设备的L处，对实际的设备，若有N个测点，发生故障后的响应参数的实际值为o＝[o₁,o₂,···,o_N]，相对应的数字孪生模型的响应参数r＝[r₁,r₂,···,r_N]，此时o和r都是故障位置L的函数，根据以上数据可建立设备故障位置识别模型(1.8)，然后，可以利用如粒子群优化算法对设备故障位置L进行估计，将上述识别模型达到最小值时对应的L值作为故障设备的发生位置，从而可以实现设备故障的精准定位。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述，在此不做一一赘述。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书一个或多个实施例提供的基于数字孪生模型的设备故障诊断方法，可以通过综合分析目标设备的状态参数和外在响应参数来构建初始数字孪生模型，然后，可以基于响应面模型对初始数字孪生模型参数进行实时更新，构建用于设备故障参数诊断分析的高保真数字孪生模型。同时，基于目标设备的数字孪生模型进行设备故障的诊断分析，还可以实现设备故障的定量分析和精准定位，进而提高设备故障诊断的精准性。

基于上述所述的基于数字孪生模型的设备故障诊断方法，本说明书一个或多个实施例还提供一种基于数字孪生模型的设备故障诊断装置。所述的装置可以包括使用了本说明书实施例所述方法的系统、软件(应用)、模块、组件、服务器等并结合必要的实施硬件的装置。基于同一创新构思，本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似，因此本说明书实施例具体的装置的实施可以参见前述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。具体的，图4表示说明书提供的一种基于数字孪生模型的设备故障诊断装置实施例的模块结构示意图，如图4所示，所述装置可以包括：

初始模型构建模块302，可以用于根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

修正参数确定模块304，可以用于获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

修正量确定模块306，可以用于构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

模型更新模块308，可以用于利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型；

故障诊断模块310，可以用于利用所述数字孪生模型对所述目标设备进行故障诊断。

图5表示本说明书另一个实施例中故障诊断模块310的结构示意图。如图5所示，本说明书的另一个实施例中，所述故障诊断模块310可以包括：

参数获取单元，可以用于获取所述目标设备的目标故障对应的第一状态参数；

参数关系确定单元，可以用于利用所述目标设备的响应参数表征所述第一状态参数，获得所述第一状态参数对应的响应参数表征函数；

差异函数构建单元，可以用于基于所述响应参数表征函数构建响应参数在故障发生前后的实际变化量与基于所述数字孪生模型确定的仿真变化量之间的第二差异函数；

变化量确定单元，可以用于对所述第二差异函数进行最小化处理，获得所述第一状态参数的变化量，根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

需要说明的，上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

本说明书一个或多个实施例提供的基于数字孪生模型的设备故障诊断装置，可以通过综合分析目标设备的状态参数和外在响应参数来构建初始数字孪生模型，然后，可以基于响应面模型对初始数字孪生模型参数进行实时更新，构建用于设备故障参数诊断分析的高保真数字孪生模型。同时，基于目标设备的数字孪生模型进行设备故障的诊断分析，还可以实现设备故障的定量分析和精准定位，进而提高设备故障诊断的精准性。

本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上，所述的存储介质可以计算机读取并执行，实现本说明书实施例所描述方案的效果。因此，本说明书还提供一种基于数字孪生模型的设备故障诊断设备，包括处理器及存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：

根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型，利用所述数字孪生模型对所述目标设备进行故障诊断。

需要说明的，上述所述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

所述存储介质可以包括用于存储信息的物理装置，通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括：利用电能方式存储信息的装置如，各式存储器，如RAM、ROM等；利用磁能方式存储信息的装置如，硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘；利用光学方式存储信息的装置如，CD或DVD。当然，还有其他方式的可读存储介质，例如量子存储器、石墨烯存储器等等。

上述实施例所述的基于数字孪生模型的设备故障诊断设备，可以通过综合分析目标设备的状态参数和外在响应参数来构建初始数字孪生模型，然后，可以基于响应面模型对初始数字孪生模型参数进行实时更新，构建用于设备故障参数诊断分析的高保真数字孪生模型。同时，基于目标设备的数字孪生模型进行设备故障的诊断分析，还可以实现设备故障的定量分析和精准定位，进而提高设备故障诊断的精准性。

本说明书还提供一种基于数字孪生模型的设备故障诊断系统，所述系统可以为单独的基于数字孪生模型的设备故障诊断系统，也可以应用在多种故障诊断或者数据监控系统中。所述的系统可以为单独的服务器，也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述基于数字孪生模型的设备故障诊断系统可以包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。

需要说明的，上述所述的系统根据方法或者装置实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照相关方法实施例的描述，在此不作一一赘述。

上述实施例所述的基于数字孪生模型的设备故障诊断系统，可以通过综合分析目标设备的状态参数和外在响应参数来构建初始数字孪生模型，然后，可以基于响应面模型对初始数字孪生模型参数进行实时更新，构建用于设备故障参数诊断分析的高保真数字孪生模型。同时，基于目标设备的数字孪生模型进行设备故障的诊断分析，还可以实现设备故障的定量分析和精准定位，进而提高设备故障诊断的精准性。

需要说明的是，本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类、存储介质+程序实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

尽管本说明书实施例内容中提到的初始数字孪生模型构建、灵敏度计算等获取、定义、交互、计算、判断等操作和数据描述，但是，本说明书实施例并不局限于必须是符合标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例，仍然可以属于本说明书的可选实施方案范围之内。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种基于数字孪生模型的设备故障诊断方法，其特征在于，包括：

根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型，利用所述数字孪生模型对所述目标设备进行故障诊断。

2.根据权利要求1所述的方法，其特征在于，所述基于所述响应面模型确定所述修正参数的修正值，包括：

构建所述目标响应参数的实际值与基于所述初始数字孪生模型得到的仿真值之间的第一差异函数；

基于所述响应面模型对所述第一差异函数进行最小化处理，获得所述修正参数的修正值。

3.根据权利要求1所述的方法，其特征在于，所述利用所述数字孪生模型对所述目标设备进行故障诊断，包括：

获取所述目标设备的目标故障对应的第一状态参数；

利用所述目标设备的响应参数表征所述第一状态参数，获得所述第一状态参数对应的响应参数表征函数；

基于所述响应参数表征函数构建响应参数在故障发生前后的实际变化量与基于所述数字孪生模型确定的仿真变化量之间的第二差异函数；

对所述第二差异函数进行最小化处理，获得所述第一状态参数的变化量，根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

4.根据权利要求3所述的方法，其特征在于，所述利用所述数字孪生模型对所述目标设备进行故障诊断，包括：

根据所述第一状态参数的变化量对所述数字孪生模型进行更新处理，获得第一数字孪生模型；

将满足下述故障位置识别模型的L值作为故障发生的位置：

其中，L表示故障位置，o_i(L)表示故障发生在L位置处时响应参数的实际值，r_i(L)表示故障发生在L位置处时基于所述第一数字孪生模型获得的响应参数的仿真值，n表示故障测点。

5.根据权利要求1所述的方法，其特征在于，所述利用所述数字孪生模型对所述目标设备进行故障诊断，包括：

获取所述目标设备的目标故障的第一状态参数，构建所述第一状态参数对应的响应参数表征函数，其中，基于所述数字孪生模型构建的第一响应参数表征函数为：

基于所述目标设备的实际运行状态构建的第二响应参数表征函数为：

根据所述第一响应参数表征函数、第二响应参数表征函数以及下述最小化处理后的第二差异函数确定所述第一状态参数的变化量：

其中，Δc_m表示第m个第一状态参数的变化量，m表示所述目标故障对应的第一状态参数的类型数，n表示响应参数的类型数，Δr_mi表示基于所述数字孪生模型获得的第i个响应参数相对Δc_m的仿真变化量，Δo_mi表示第i个响应参数相对Δc_m的实际变化量，表示Δc_m与Δr_mi之间的函数关系，表示Δc_m与Δo_mi之间的函数关系，k_mi、l_mi为系数，{Δo_ji}表示实际变化量组成的数据集合，{Δr_ji}表示仿真变化量组成的数据集合；

根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

6.根据权利要求1所述的方法，其特征在于，所述构建所述目标响应参数与所述修正参数之间的响应面模型，包括：

根据对所述目标设备的工作特征的分析结果划分响应面模型的构建阶段；

获取各构建阶段的目标响应参数及目标响应参数对应的修正参数，根据各构建阶段的目标响应参数及目标响应参数对应的修正参数进行响应面模型的构建，获得各构建阶段对应的响应面模型；

相应的，所述基于所述响应面模型确定所述修正参数的修正值包括基于各构建阶段对应的响应面模型依次确定各构建阶段的修正参数的修正值。

7.一种基于数字孪生模型的设备故障诊断装置，其特征在于，包括：

初始模型构建模块，用于根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

修正参数确定模块，用于获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

修正量确定模块，用于构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

模型更新模块，用于利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型；

故障诊断模块，用于利用所述数字孪生模型对所述目标设备进行故障诊断。

8.根据权利要求7所述的装置，其特征在于，所述故障诊断模块包括：

参数获取单元，用于获取所述目标设备的目标故障对应的第一状态参数；

参数关系确定单元，用于利用所述目标设备的响应参数表征所述第一状态参数，获得所述第一状态参数对应的响应参数表征函数；

差异函数构建单元，用于基于所述响应参数表征函数构建响应参数在故障发生前后的实际变化量与基于所述数字孪生模型确定的仿真变化量之间的第二差异函数；

变化量确定单元，用于对所述第二差异函数进行最小化处理，获得所述第一状态参数的变化量，根据所述第一状态参数的变化量确定所述目标设备的故障诊断结果。

9.一种基于数字孪生模型的设备故障诊断设备，其特征在于，包括处理器及用于存储处理器可执行指令的存储器，所述指令被所述处理器执行时实现包括以下步骤：

根据目标设备的状态参数初始数据及响应参数数据构建所述目标设备的初始数字孪生模型；

获取所述目标设备的目标响应参数及所述目标响应参数对应的更新参数，计算各更新参数相对所述目标响应参数的灵敏度，将灵敏度满足预设要求的更新参数作为修正参数；

构建所述目标响应参数与所述修正参数之间的响应面模型，基于所述响应面模型确定所述修正参数的修正值；

利用所述修正参数的修正值对所述初始数字孪生模型进行更新处理，获得所述目标设备的数字孪生模型，利用所述数字孪生模型对所述目标设备进行故障诊断。

10.一种基于数字孪生模型的设备故障诊断系统，其特征在于，所述系统包括至少一个处理器以及存储计算机可执行指令的存储器，所述处理器执行所述指令时实现所述权利要求1-6任一项所述方法的步骤。