CN111368417B - 面向重大装备或关键部件的“形-性”一体化数字孪生方法 - Google Patents

Abstract

一种面向重大装备或关键部件的“形‑性”一体化数字孪生方法，属于数字孪生领域。针对重大装备或关键部件，利用传感器技术采集其关键数据，将所得大量实时数据通过大数据技术简化分类；按照数据的不同响应要求，采用“云‑边结合”的计算模式，开发对应AI算法与数值求解器得到所需的性能数据，充分利用边缘计算低延迟与云计算高性能的特性完成数据融合；利用计算机图形技术将所得性能数据映射为物理设备的高保真孪生体，搭建直观、可信、虚实高度一致的孪生映射模型。本发明实现了在复杂工况下，利用少量的传感器信息即可实时计算出装备的整体性能，结合历史数据实现对装备性能的评估、预测及反馈控制，保障装备的正常作业，防止事故的发生。

Description

面向重大装备或关键部件的“形-性”一体化数字孪生方法

技术领域

本发明属于数字孪生领域，涉及一种基于大数据与人工智能技术、面向重大装备或关键部件的“形-性”一体化数字孪生方法。

背景技术

数字孪生：以数字化方式搭建物理实体的忠实虚拟映射，在全生命周期实现物理实体与虚拟映射的交互反馈、数据融合、决策优化等。数字孪生的优势在于利用虚拟映射对物理实体的状态进行实时监测、动态模拟与信息扩展，结合运行历史数据和人工智能算法对物理实体各项参数、行为等实现动态、高可信度快速预测，最终通过多源信息回馈与系统评估决策完成对物理实体的行为纠偏或优化指导。

当前，数字孪生在航空、船舶、电力、复杂机械、物流、医疗、智慧城市等领域都有研究与应用，众多国际著名企业已开始探索数字孪生技术在产品设计、制造和服务等方面的应用。在制造领域，数字孪生技术得到了PTC、SIEMENS等著名公司的高度重视。如PTC开发的IIoT平台——ThingWorx，其借助云计算与边缘计算结合的方式，为企业用户提供了可靠、强大的设备互联与数据处理能力；利用AR技术实现物理设备各项数据的高保真可视化呈现，提供设备数据、外观的双重虚拟映射；为用户提供Web、移动和AR体验的同时，也使用户具备了获取、综合、分析物理设备数据的能力。SIEMENS公司利用数字孪生技术搭建无人工厂，将工厂实际生产过程中的各项流程数字化，搭建覆盖整个工厂各项关键要素的忠实数字映射。基于数字孪生技术对各生产要素进行模拟、监测、分析等，为工厂的总体调度与人工分配提供指导，提升效率，降低损失。

目前制造领域对数字孪生技术的研究与开发多集中在对装备、车间等行为状态的互联、监测、模拟、回馈与控制等，侧重对实体外在行为与常用性能指标的孪生映射。而针对复杂、昂贵的重大装备(如大型起重机、大型挖掘机、风力发电机、盾构机等)或关键部件而言，更多关注的则是内在结构性能的可靠性。但是在装备产品的实际运作过程中，难免会出现过载、超速、不可预知的环境影响等不符合理论设计的情况出现，故装备产品一旦负载达到极限状态，就极易引起性能受损、结构损坏等，轻则损伤设备，重则发生事故，造成重大人身伤害与财产损失。

目前针对产品内在结构关键性能的数字孪生研究尚缺乏，特别是对基于数字孪生的重大装备或部件内在结构性能的实时模拟仿真、动态预测维护还没有解决方案。因此，针对重大装备或关键部件，实现其内在结构性能信息的高保真数字化，在数字层面对装备产品运行过程中的各关键环节进行实时模拟与仿真分析，动态预测装备产品在运行时的结构性能极限状态，及时防护与止损。运用“形-性”一体化数字孪生技术，通过提前预警装备产品运行过程中可能出现的结构性警报或损伤问题，降低甚至避免财产损失和人员伤亡，同时也为产品的结构优化设计提供宝贵的危险工况数据，提高下代产品性能可靠性。

发明内容

本发明的目的是提供一种基于大数据与人工智能、面向重大装备或关键部件的“形-性”一体化数字孪生方法，实现对作业装备内在结构性能的实时监测、模拟、分析、预测以及反馈控制。

本发明所要解决的技术难点包括：

(1)在处理传感器采集的数据时，如何对传感器漂移以及噪音进行处理，保障数据的可信度？

(2)在计算装备实时性能时，如何实现通过固定位置与数量的传感器“小数据”回馈，得到整个装备的内在结构性能的“大数据”实时预测？

(3)在内在结构性能“大数据”传输与存储时，如何解决传输数据量大与读取低延迟要求的矛盾，实现数据传输的实时性、动态性，保障虚实两端的同步？

(4)在建立内在结构性能孪生体时，如何降低孪生模型实时渲染的计算开销？

为了解决上述技术问题，本发明采用的技术方案如下：

一种重大装备或关键部件的“形-性”一体化数字孪生方法，该方法基于一体化数字孪生系统实现，所述一体化数字孪生系统包括物理装备系统、数据解码系统、数据通信系统、数据处理系统、数值计算系统、数据融合系统、孪生仿真系统以及数据存储系统八部分实现。针对物理装备系统，遴选需重点监测的关键零部件，抽象提取装备的输入量、需求未知量，并在相应位置分别布置适合的传感器采集物理装备的多种数据信息；利用所述数据解码系统，对多种数据信息进行译码解码；将解码后的数据信息通过所述数据通信系统传输至所述数据处理系统进行数据的清洗、约简，得到可用的关键传感数据；将得到的关键传感数据导入所述数值计算系统分析求解，所得结果与所述数据处理系统中得到的约简数据一同传入所述数据融合系统，完成多源、异维数据的融合，得到最终的渲染数据；在孪生仿真系统中借助计算机图形技术将所得数据渲染映射为物理设备的高保真孪生体，提供直观、可信、与物理装备实体高度一致的内在结构性能孪生映射；在整个系统架构中，所述数据处理系统精简后的数据、所述数值计算系统中的结果数据、所述数据融合系统中的融合数据以及所述孪生仿真系统中的高保真模型数据都需要借助数据存储系统保存在不同数据库中，作为重要的历史数据对孪生体的预测模型进行纠偏、修正以及优化。

所述物理装备系统包括作业模块、控制模块、感知模块、供电模块。所述作业模块是装备产品完成自身操作任务的主要单元，在装备产品的运作过程中与外界交互；所述控制模块包括工业控制器，利用PLC、单片机等，对装备产品的不同作业模块的行为完成机电液控制；所述感知模块包括多类型工业传感器，用于监测收集装备产品各关键零部件的实时作业数据；所述供电模块用于提供整个数字孪生技术所搭建系统的电力供应。

所述数据解码系统由自行编写的多种解码软件组成，因装备的实际作业动态与信息需安装多种传感器(如位姿、压力、应变、荷重等)才可精确获取，所以要有一套针对不同传感器数据的集成解码系统。利用AI算法完成传感器数据降噪并减少累积误差造成的漂移，保障源头数据的保真度；对不同格式的传感器数据信息进行分类，提取所述感知模块回传数据中的关键信息。该系统可完成传感器数据的初步清洗、分类以及简单计算。

所述数据通信系统对所述数据解码系统的多源数据进行转接与发送。针对传感器采集的各类动态信号，利用现场总线、光纤、蓝牙、WIFI、5G等多种数据通信协议与技术，完成有线、无线、边缘端、云端多类型、多端数据信息的传输。其中通信协议与技术的遴选，需保障不同传输要求数据多端传输的实时性、准确性、高效性、高性价比以及便捷性。在最大化减少数据传输量的基础上保障关键数据不丢包。

所述数据处理系统分为边缘计算模块、云计算模块，针对不同类型的作业数据合理选择使用“云边分离”或“云边结合”的计算方式实现最优处理，将所述数据通信系统从物理世界传递到虚拟世界的异构数据清洗、约简、统一格式，为所述数值计算系统提供轻量、标准化的输入数据。

所述数值计算系统包括多种数值解算模块、大数据约简模块。所述数值解算模块其实质解算硬件仍需依赖所述数据处理系统中的边缘计算模块与云计算模块，以所述数据处理系统处理后的数据为输入，利用数值方法实时解算微分方程，得到装备各关键监测部位内在结构性能的数值解；所述大数据约简模块用于对所述数值解算模块计算出的大量数据进行降维、约简，通过降低数据的维度来降低数据的复杂性，保障数据运算能够实时、快速地响应到所述数据融合系统。

所述数据融合系统包括数据扩容模块、多类型数据转化模块。所述数据扩容模块需以所述数值计算系统求得的数据(装备关键部位内在结构性能局部解)为依据，解得装备的全局高保真性能数据；所述多类型数据转化模块将所述数据处理系统结果与所述数值计算系统结果统一融合，保障多种数据的格式、编码统一，为所述孪生仿真系统提供可实时渲染的数据。

所述孪生仿真系统包括产品的三维忠实映射模块、关键性能图表监测模块、极限状态预警模块，智能预测优化模块。所述三维忠实映射模块是物理实体的高保真三维虚拟孪生体，包括物理实体的关键部位细节信息；所述关键性能图表监测模块是对物理实体关键零部件性能实时信息的图表化表示，可以毫秒级监测装备产品的性能指标是否达到危险值；所述极限状态预警模块是对所监测装备产品的关键性能极限状态的预警装置，利用所述数值计算系统的结果作为预测值，提前警示装备产品运行中的安全隐患。

所述数据存储系统利用分布式存储技术，为满足大规模存储应用的需求，将数据分散存储在多台独立设备。特别是对于大数据，分布式系统采用扩展的系统架构，利用多台存储服务器分担存储负荷，具有高可靠、易扩展与存取快的优势，既可保障数据存储的安全，还可提高数据读写的效率。

本发明的有益效果为：本发明提供的面向重大装备或关键部件的“形-性”一体化数字孪生技术，与现有技术相比具有如下的有益效果：面对复杂的现实作业工况，可通过少量的传感器信息，实时计算装备的整体内在结构性能信息，并结合运行历史数据实现对装备内在结构性能的评估、预测以及反馈控制，保障装备的正常作业，防止安全事故的发生。

附图说明

图1是本发明的技术流程示意图与实现方法。

图2是本发明的技术架构示意图。

图3是本发明的动臂式起重机示意图。

图4是本发明的虚实通讯示意图。

图5是本发明的信息处理示意图。

图6是本发明的孪生仿真示意图。

图中：1起升钢丝绳；2变幅油缸；3底座；4底座支脚盘；5后天轮；6吊臂；7前天轮。

具体实施方式

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。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下述公开具体实施的限制。本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，示意图只是实例，其在此不应限制本发明保护的范围。

下面结合附图和具体实例对本发明技术方案做进一步详细描述，所描述的具体实例仅对本发明进行解释说明，并不用以限制本发明。

参阅图1，图1是本发明提供的一种基于大数据与人工智能、面向重大装备或关键部件的“形-性”一体化数字孪生技术实现流程示意图。该方法的步骤包括：针对物理装备，遴选需重点监测的关键零部件，抽象提取装备的输入量、需求未知量，并在相应位置分别布置适合的传感器采集物理装备的多种数据信息；利用所述数据解码系统，对多种数据信息进行译码解码；将解码后的数据信息通过所述数据通信系统传输至所述数据处理系统进行数据的清洗、约简，得到可用的关键传感数据；将得到的关键传感数据导入所述数值计算系统分析求解，所得结果与所述数据处理系统中得到的约简数据一同传入所述数据融合系统，完成多源、异维数据的融合，得到最终的渲染数据；在孪生仿真系统中借助计算机图形技术将所得数据渲染映射为物理设备的高保真孪生体，提供直观、可信、与物理装备实体高度一致的内在结构性能孪生映射；在整个系统架构中，所述数据处理系统精简后的数据、所述数值计算系统中的结果数据、所述数据融合系统中的融合数据以及所述孪生仿真系统中的高保真模型数据都需要借助数据存储系统保存在不同数据库中，作为重要的历史数据对孪生体的预测模型进行纠偏、修正以及优化。

参阅图2，图2是本发明提供的一种基于大数据与人工智能、面向重大装备或关键部件的“形-性”一体化数字孪生技术系统架构图与实现方法。根据功能的不同，所述“形-性”一体化数字孪生技术分为了四层结构实现，包括物理层、分析层、虚拟层、存储层，各层之间基于数据驱动与连接，形成闭环。所述物理层包括物理装备系统、数据解码系统与数据通信系统；所述分析层包括数据处理系统与数值计算系统；所述虚拟层包括数据融合系统与孪生仿真系统；所述存储层包括数据存储系统。

下面通过实施例对本发明的具体实施方式做出进一步的说明。

具体以动臂式起重机为例进行说明。

以动臂式起重机为实例对象，如图3所示。确定吊臂6、底座3为动臂式起重机内在结构性能的重点监测部件，并抽象外在负载(如起升钢丝绳1所挂重物载荷、起重机整机所受风力载荷等)、重物位置(由起升钢丝绳1、变幅油缸2、后天轮5以及前天轮7共同确定)为其输入量，各关键部件的应力、变形量为需求输出量。针对输入量，可在负载处布置位姿、压力等传感器，同时在底座支脚盘4布置荷重传感器，对负载处的压力传感器数值进行修正；在吊臂6尾端布置倾角传感器监测吊臂的变幅角度。针对需求，可在吊臂桁架与底座3的相应位置布置应变传感器，实现对所述数值计算系统得到的性能结果的对比、修正以及优化。

使用AI算法对所得传感数据数据进行降噪，并减少累积误差造成的漂移，保障整个孪生技术源头数据的保真度；针对不同格式的传感器数据信息(位移、偏角、压力等)进行分类识别，提取输入数据中的关键信息，如吊臂变幅角度、外载荷重量、起升重物高度等，完成对这些数据的初步清洗、分类以及计算。

图4是本发明除数据通信系统外其他七个系统的通讯示意图，利用现场总线、光纤、蓝牙、WIFI、5G等多种数据通信协议与技术，完成对上述各关键输入数据动态信号的有线、无线、边缘端、云端多端传输。其中通信协议与技术的遴选，需保障不同传输要求数据多端传输的实时性、准确性、高效性、高性价比以及便捷性。对不同数据进行标识，并根据标识各自处理，例如针对起重机静态部位的传感信号可借助现场总线方式传输，其中紧急且实时性要求极高的信号需直接传输至边缘端计算，而相对延迟可较高、且数据计算庞大数据则需结合光纤、5G等方式传输至云端计算完成再回传。而针对起重机动态部位布线难的问题，可借助蓝牙、WIFI等近距离无线传输协议，在牺牲少量实时性的条件下，方便传感器布置且不影响起重机的正常作业。

图5是本发明的信息处理示意图，详细描述了数据信息在本发明中的处理流程。当所述数据处理系统通过多种方式获取到各传感器经简单清洗、分类的实时信息后，类似所述数据传输系统，对不同处理要求的数据进行分类标识，例如针对数据量小且计算复杂度较低的数据可在边缘端完成计算，而针对数据量大且计算繁杂的数据则需传输至云端，充分利用云计算的性能优势与分布式存储系统的存取、扩展优势。在本实例中，起重机由于其复杂的几何形状、荷载与材料特性，对于其内在结构分析通常无法得到解析形式的数学解答，因此需要依靠数值方法对其内在结构性能进行求解，其数据量庞大，故要达到解算的低延迟并存储大量数据，就对计算设备的性能提出了较高的要求，所以必须借助云计算的性能优势与分布式存储系统的存取、扩展优势，才能做到对大量数据的高效解算，保障系统的正常运行。

以所述数值计算系统求得的结果数据为输入，在所述数据融合系统中对求解的内在性能数据扩容、转化。例如根据吊臂桁架的内在结构性能数据，求解前后天轮的性能参数，这样不仅减少传感器的布置数量，降低了成本与系统复杂度，而且可以减少因多传感器输入求解性能参数而带来的累计误差。进而将解算出的全局性能数值结果同所述数据处理系统给出的传感数据结果统一融合，保障多种数据的格式、编码统一，为所述孪生仿真系统提供可实时渲染的数据。

完成上述所有数据的处理与融合后，为直观、清晰表达起重机的形貌与性能，需借助计算机图形技术，图6为本发明的孪生仿真示意图，提出本发明用户界面与三维呈现所需的各类关键技术。首先建立起重机的高保真静态三维几何模型，准确描述起重机吊臂、变幅油缸、前后天轮、起升钢丝绳等结构，确保起重机物理端与孪生端形貌的高度一致。而“形-

性”一体化数字孪生技术不仅是对物理设备“静形貌、动姿态”的孪生映射，更重要的是对装备深层次性能信息的全局辐射，充分反映装备在作业中的全局性能参数。为达到此目的，前述数值计算系统可依靠多种数值方法得到可接受的性能数据解，针对求得的数据，基于计算机显卡给定图形API(例如OpenGL/WebGL/Direct3D等)，并结合各类降维、约简算法，实现装备内在结构性能的高保真三维云图的实时渲染。

同时，针对起重机关键的性能参数进行相应的图表监测、极限状态预警，智能预测优化。对多项关键性能参数(应力、变形等)实时图表表示，毫秒级监测装备产品的性能指标是否达到危险值。一旦达到极限状态，立即进行预警反馈，根据预警等级，可提示操作人员或直接控制起重机改变作业行为甚至停机。利用所述数值计算系统的结果作为AI算法的训练数据，构建历史性能大数据的人工智能模型，结合实时性能数据，多种数据综合，相互校正，提取危险运行特征，不断提高作业中起重机潜在安全隐患的预测准确性。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。

Claims (9)

1.一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，该方法基于一体化数字孪生系统实现，所述一体化数字孪生系统包括物理装备系统、数据解码系统、数据通信系统、数据处理系统、数值计算系统、数据融合系统、孪生仿真系统以及数据存储系统八部分实现；针对物理装备系统，遴选需重点监测的关键零部件，抽象提取装备的输入量、需求未知量，并在相应位置分别布置适合的传感器采集物理装备的多种数据信息；利用所述数据解码系统，对多种数据信息进行译码解码；将解码后的数据信息通过所述数据通信系统传输至所述数据处理系统进行数据的清洗、约简，得到可用的关键传感数据；将得到的关键传感数据导入所述数值计算系统分析求解，所得结果与所述数据处理系统中得到的约简数据一同传入所述数据融合系统，完成多源、异维数据的融合，得到最终的渲染数据；在孪生仿真系统中借助计算机图形技术将所得数据渲染映射为物理设备的高保真孪生体，提供直观、可信、与物理装备实体高度一致的内在结构性能孪生映射；在整个系统架构中，所述数据处理系统精简后的数据、所述数值计算系统中的结果数据、所述数据融合系统中的融合数据以及所述孪生仿真系统中的高保真模型数据都需要借助数据存储系统保存在不同数据库中，作为重要的历史数据对孪生体的预测模型进行纠偏、修正以及优化。

2.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，所述的物理装备系统包括作业模块、控制模块、感知模块、供电模块；所述作业模块是装备产品完成自身操作任务的主要单元，在装备产品的运作过程中与外界交互；所述控制模块包括工业控制器，用于对装备产品的不同作业模块的行为完成机电液控制；所述感知模块包括多类型工业传感器，用于监测收集装备产品各关键零部件的实时作业数据；所述供电模块用于提供整个数字孪生技术所搭建系统的电力供应。

3.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，因装备的实际作业动态与信息需安装多种传感器才可精确获取，所述的数据解码系统为针对不同传感器数据的集成解码系统；利用AI算法完成传感器数据降噪并减少累积误差造成的漂移，保障源头数据的保真度；对不同格式的传感器数据信息进行分类，提取物理装备系统中感知模块回传数据中的关键信息；该系统可完成传感器数据的初步清洗、分类以及简单计算。

4.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，所述的数据通信系统对所述数据解码系统的多源数据进行转接与发送；针对传感器采集的各类动态信号，完成有线、无线、边缘端、云端多类型、多端数据信息的传输。

5.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，所述的数据处理系统分为边缘计算模块、云计算模块，针对不同类型的作业数据合理选择使用“云边分离”或“云边结合”的计算方式实现最优处理，将所述数据通信系统从物理世界传递到虚拟世界的异构数据清洗、约简、统一格式，为所述数值计算系统提供轻量、标准化的输入数据。

6.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，所述的数值计算系统包括多种数值解算模块、大数据约简模块；所述数值解算模块需依赖所述数据处理系统中的边缘计算模块与云计算模块，以所述数据处理系统处理后的数据为输入，利用数值方法实时解算微分方程，得到装备各关键监测部位内在结构性能的数值解；所述大数据约简模块用于对所述数值解算模块计算出的大量数据进行降维、约简，保障数据运算能够实时、快速地响应到所述数据融合系统。

7.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，所述的数据融合系统包括数据扩容模块、多类型数据转化模块；所述数据扩容模块需以所述数值计算系统求得的数据为依据，解得装备的全局高保真性能数据；所述多类型数据转化模块将所述数据处理系统结果与所述数值计算系统结果统一融合，保障多种数据的格式、编码统一，为所述孪生仿真系统提供可实时渲染的数据。

8.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，所述的孪生仿真系统包括产品的三维忠实映射模块、关键性能图表监测模块、极限状态预警模块、智能预测优化模块；所述三维忠实映射模块是物理实体的高保真三维虚拟孪生体，包括物理实体的关键部位细节信息；所述关键性能图表监测模块是对物理实体关键零部件性能实时信息的图表化表示，能够毫秒级监测装备产品的性能指标是否达到危险值；所述极限状态预警模块是对所监测装备产品的关键性能极限状态的预警装置，利用所述数值计算系统的结果作为预测值，提前警示装备产品运行中的安全隐患。

9.根据权利要求1所述的一种重大装备或关键部件的“形-性”一体化数字孪生方法，其特征在于，所述的数据存储系统利用分布式存储技术，将数据分散存储在多台独立设备。