CN111581868B - 适用于fast主动反射面的故障预测和健康管理方法和系统 - Google Patents

适用于fast主动反射面的故障预测和健康管理方法和系统 Download PDF

Info

Publication number
CN111581868B
CN111581868B CN202010421742.7A CN202010421742A CN111581868B CN 111581868 B CN111581868 B CN 111581868B CN 202010421742 A CN202010421742 A CN 202010421742A CN 111581868 B CN111581868 B CN 111581868B
Authority
CN
China
Prior art keywords
reflecting surface
stress
fast
fast active
type precision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010421742.7A
Other languages
English (en)
Other versions
CN111581868A (zh
Inventor
李庆伟
姜鹏
李辉
王清梅
李铭哲
郑云勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National Astronomical Observatories of CAS
Original Assignee
National Astronomical Observatories of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National Astronomical Observatories of CAS filed Critical National Astronomical Observatories of CAS
Priority to CN202010421742.7A priority Critical patent/CN111581868B/zh
Publication of CN111581868A publication Critical patent/CN111581868A/zh
Application granted granted Critical
Publication of CN111581868B publication Critical patent/CN111581868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种适用于FAST主动反射面的故障预测和健康管理方法和系统，采用目前最先进的数字双胞胎技术，发展一种可视情维修的故障预测和健康管理(PHM)方法。所述方法包括构建FAST主动反射面的数字双胞胎模型；在FAST运行过程中，采集各个促动器的状态信息实时输入到上述数字双胞胎模型中；通过对数字双胞胎模型的实时分析计算，输出FAST主动反射面中各构件在当前工况下的应力信息，并存储各根钢索的应力值和反射面面型精度误差，根据输出结果进行应力超限警报。通过对存储的面型精度和应力历史数据的统计分析，预测主动反射面面型精度的发展趋势，以及反射面中钢索的疲劳寿命，提出维护建议，实现对FAST主动反射面的视情维修。

Description

适用于FAST主动反射面的故障预测和健康管理方法和系统
技术领域
本发明涉及射电望远镜天文技术领域,尤其是涉及一种适用于FAST主动反射面的故障预测和健康管理方法和系统。
背景技术
500 m口径球面射电望远镜(Five-hundred-meter aperture spherical radiotelescope, FAST)是世界上最大的单口径射电望远镜。该望远镜反射面采取主动变位的独特工作方式, 可根据观测天体的角度，在500 m口径反射面的不同区域，形成直径为300 m的抛物面。该望远镜的工作频率在70MHz～3GHz之间。
为了实现反射面的主动变位特性，FAST 采用柔性索网作为主要支承结构。索网结构共包括6670 根主索和 2225 个主索节点，索网周边固定在圈梁上。FAST的圈梁为直径约500m的11m×5.5m环形桁架，重量约5350吨。圈梁支撑格构柱共50个，高度在6m-50m不等的格构柱上。索网的每个主索节点设置单根下拉索，通过促动器拖动下拉索来控制索网变位，从而在 500m 口径范围内的不同区域形成300m口径的抛物面。
FAST进入正式运行阶段后，其运行维护工作将成为运营工作的重中之重。作为FAST三大技术创新之一的主动反射面不但具有跨度大、精度高的特点，而且采用主动变位的独特工作模式。主动变位的反射面结构是FAST与传统结构的最大区别，这一开创性的设计方案在世界上也是独一无二的。
由于FAST主动反射面的独特性，完全采用传统的定期检修+事后维修的维护模式，不能满足其维护需求，特别是在FAST运行中的钢索的疲劳安全问题、反射面的面型精度问题、主动反射面结构应力监测等方面，FAST需要一种可以进行故障预测的先进的维护方法，来保障FAST的健康安全运行。
随着自动化技术和信息技术的快速发展, 各种复杂的大型设备不断涌现，这些设备在带来工作效率提升的同时，也带来了维护困难的问题。传统的定期检修+事后维修的维护方式耗费巨大，且效率很低，已不能满足这类设备的运行维护需求，寻求一种既便捷可靠又经济高效的运行维护方式成为相关领域专家竞相研究的热点。基于状态的视情维修(Condition Based Maintenance, CBM)的故障预测和健康管理（Prognostics and HealthManagement, PHM）技术就是在这一背景下应运而生并不断发展壮大的。
对于PHM技术来说，如何进行故障预测是其最大的技术瓶颈。目前用于PHM的故障预测技术一般分为三类：基于可靠性理论的预测方法、基于数据驱动的预测方法和基于模型的预测方法。其中以基于模型的预测方法最为准确，而且该方法不像其他方法那样需要进行足够数量的机器学习或者有足够样本数的概率统计，才能保证预测结果的相对准确。但由于基于模型的预测方法的难度和成本很大，使其不能得到广泛应用。
幸运的是，数字双胞胎（Digital Twin, DT）技术的出现，使得本项目可以突破PHM技术的瓶颈，采用预测精度最高的基于模型的预测方法，构建适合FAST主动反射面运行维护的PHM系统。
数字双胞胎技术是一种将特定产品的数字信息与产品运行中实时获得的操作数据流相结合，以及将基于物理的理解与分析相结合，以获得深入的产品洞察力的一种新兴技术。仿真软件、硬件和处理速度的改善，以及物联网（LOT）的兴起，使该技术的应用成为可能。不同于传统的仿真技术和CAE技术（Computer Aided Engineering计算机辅助工程），数字双胞胎是一个动态的、基于历史数据和当前数据不断发展的镜像，是现实世界中物理实体的数字映射。数字双胞胎技术可以使设备运营人员获取一些无法在设备运行时进行采集，或者采集的数据量不能满足故障诊断需求的数据。通过分析这些数据，就可以掌握设备的实际运行状态，对设备故障进行提前预测，进而实现对设备的视情维修。
在FAST运行阶段，观测安排的不确定性，以及现场实际结构的变化，都会导致FAST主动反射面中钢索实际发生的应力谱和设计阶段预估的应力谱发生很大的变化，使部分钢索存在疲劳破坏的风险。需要说明的是，FAST主动反射面中的其他构件比如面板、圈梁及格构柱等，由于并不直接承受动力荷载，根据国家《钢结构设计标准》（GB50017-2017）的规定，这些构件不需要进行疲劳计算。而与索网结构相连的圈梁耳板，虽然直接承受动力荷载，但因其应力小于疲劳极限，也不需要进行疲劳计算。
FAST采用基于标定数据库进行插值计算的开环控制方法来保证反射面的面型精度，其使用的标定数据库是通过对设计阶段模型进行有限元分析的方法获得的。由于FAST主动反射面是一个尺度巨大的精密机构，精度要求极高，FAST运行中存在的一些结构变化，将会影响标定数据库的精度，进而影响到据此张拉出来的抛物面的面型精度。
根据FAST主动反射面的设计，FAST仅能通过下拉索对主索节点（对应于三角形面板上的三个点）进行调控,面板的中间节点只能做相应随动。为了最大限度地减小反射面与工作抛物面的拟合误差,FAST建设者通过优化计算将每块反射面面板都做成了半径为315米的球面形状,使FAST可以直接采用三个控制点的数据，来评估主动反射面的面型精度，而不产生明显的面型误差。
由于FAST促动器的最大运行速度仅为1.6mm/s，可以认为当望远镜进行换源、跟踪或扫描等观测任务时，索网变位工作是近似的准静态过程。另外，FAST主动反射面内构件的应力均在线弹性范围内。因此，本发明根据每个工况下的参数采用静态的线性分析方法是合理的。
相对于基于可靠性理论的预测方法和基于数据驱动的预测方法，本发明采用的基于模型的预测方法预测精度更高，而且其预测精度不依赖于历史数据的数量，不需要大量的机器学习或者大样本数的概率统计就能保证预测的精度。
公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种适用于FAST主动反射面的故障预测和健康管理方法，以解决现有技术中存在的技术问题。
为了实现上述目的，本发明采用以下技术方案：
本发明提供一种适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，所述方法包括如下步骤：
建模：构建FAST主动反射面的模型；
采集：在FAST运行过程中，采集各个促动器的状态信息实时输入到上述模型中；
计算：通过有限元计算，输出FAST主动反射面中各构件在当前工况下的应力信息和反射面面型精度误差，根据输出结果进行应力超限警报；
统计分析：通过对存储的面型精度和应力历史数据的统计分析，预测主动反射面面型精度的发展趋势，以及反射面中钢索的疲劳寿命，进行故障预测，提出维护建议；
根据所述方法能够实现钢索疲劳寿命评估、反射面面型精度监测、反射面结构应力监测以及维护建议四大功能。
进一步，所述建模、采集和计算过程具体包括以下步骤：
1）构建FAST主动反射面的数字双胞胎模型；
2）在FAST运行过程中，通过2225个促动器上布置的磁致伸缩传感器采集所述促动器的实时行程、故障促动器编号以及当前环境温度数据，实时输入到FAST主动反射面数字双胞胎模型中；
3）通过有限元计算，输出FAST主动反射面中各构件在当前工况下的应力，通过各构件实时应力与其容许应力的比较，给出应力超限构件位置及应力大小的警报信息。
4）通过有限元计算，输出FAST主动反射面中各个主索节点在当前工况下的坐标，通过计算这些点的位置与理想抛物面位置的径向误差均方根值（RMS），得出面型精度误差，对当前工况下抛物面的面型精度进行评估；
5）完成本次工况的计算后，重复步骤2）～步骤4），对FAST主动反射面结构应力以及面型精度进行监测；
6）将每次计算工况下，FAST主动反射面中各根钢索应力，按照时间顺序存入专用数据库；
7）将每次计算工况下，评估得到的FAST主动反射面面型精度误差与相应的抛物面位置按时间顺序存入专用数据库；
8）每隔一段时间采用雨流法统计各根钢索截止当前时刻的应力-时间历程，形成各根钢索截止当前时刻的应力谱；
9）根据钢索的实际应力谱以及钢索的S-N曲线，采用Miner线性累计损伤定律，计算得到各根索的疲劳损伤度；
10）根据计算结果给出预警信息，列出计算疲劳损伤度大于80%钢索编号，对相应钢索制定维修计划，视情维修；
11）每隔一段时间，根据面型误差数据库中的历史面型精度数据，绘制出当前的面型精度误差在FAST主动反射面上的位置分布图，并绘制出各个位置上面型精度误差的发展曲线；
12）根据面型精度误差位置分布图，以及面型精度误差的发展曲线，对反射面控制系统的标定数据库进行视情维护；
13）整合上述步骤，建立一套FAST主动反射面故障预警和健康管理系统。
进一步，步骤1）中FAST主动反射面数字双胞胎模型采用有限元软件ANSYS构建，圈梁、圈梁支撑格构柱采用BEAM44单元模拟，主索及下拉索采用LINK10单元模拟。
进一步，步骤2）中所述的数据通过FAST总控系统的数据接口，按1HZ的频率发送到指定计算机，输入到FAST主动反射面的数字双胞胎模型进行当前工况下的有限元分析。
进一步，步骤4）中，通过获得主索节点位置进行面型精度评估，基于主索节点与反射面面板间的固定距离，得出与主索节点对应的三角形面板上的点的坐标，进而对主动反射面进行面型评估。
进一步，步骤5）中，对FAST主动反射面结构应力以及面型精度进行监测，FAST主动反射面数字双胞胎模型进行一次有限元分析的时间为10s，实时输入数据的采集/传输频率为1Hz，通过每10s获得一次FAST主动反射面中各构件的真实应力以及反射面面型精度数据，得到对FAST主动反射面结构应力的监测以及面型精度的监测。
进一步，步骤8）中所述每隔一段时间是指每3个月对存储在专用数据库中的应力，采用雨流计数法统计一次，同时将数据库中满足计数条件并已计入应力谱的点删除。
进一步，步骤9）采用Miner线性累计损伤定律，计算得到各根索的疲劳损伤度，其具体方法如下：
假设某根索在某应力幅水平作用/>次循环，由S-N曲线计算得/>对应得疲劳寿命为/>，则/>应力幅所占损伤度为/>，对统计应力谱内所有应力幅均做损伤计算，则得：
则F即为该索截止目前的累计疲劳损伤度。
进一步，步骤11）中所述每隔一段时间是指每3个月对存储在专用数据库中的面型精度及其抛物面位置，进行统计分析并绘图；若面型精度误差超过阈值，则更新反射面控制系统的标定数据库，标定数据库更新完成后删除之前存储的面型精度及其抛物面位置数据。
进一步，步骤13）中采用MATLAB软件进行整合，并设计界面。
此外，本发明还提供一种FAST主动反射面故障预警和健康管理系统，所述系统采用上述故障预警和健康管理方法，能够实现钢索疲劳寿命评估、反射面面型精度监测、反射面结构应力监测以及维护建议四大功能。
采用上述技术方案，本发明具有如下有益效果：
FAST正式运行后，由于主动反射面结构的独特性和复杂性，以及其对面型精度的高要求，主动反射面的运行维护工作将是整个FAST运行维护工作的重点和难点。传统的定期检修+事后维修的维护模式，只能发现表象问题，对于一些影响FAST正常运行，甚至是安全运行的问题无法提前预测，事前维修。而事后维修、不坏不修, 这种方式隐含着的安全隐患，是FAST这种大科学工程所不能承受的。定期强制维修、好坏都修, 往往又会造成盲目修理或失修现象。因此，必须为FAST主动反射面寻求一种既便捷可靠又经济高效的运行维护技术。
本发明应FAST的实际需求，结合目前计算机仿真领域内最先进的数字双胞胎技术，突破故障预测的技术瓶颈，研究一种适合FAST主动反射面结构及运行特点的故障预测和健康管理(PHM)方法，该方法将能对FAST主动反射面进行故障预测，并根据预测结果提醒运营方视情维修（CBM）。该方法将大大提高FAST主动反射面的维护效率，大幅降低其维护费用，有力保障FAST主动反射面的健康安全运行，为更好更快地实现FAST的科学目标创造有利条件。
附图说明
图1为本发明适用于FAST主动反射面的故障预测和健康管理方法的流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
结合图1所示，根据本发明的适用于FAST主动反射面的故障预测和健康管理系统包括FAST主动反射面数字双胞胎模型1，FAST主动反射面应力监测模块2、钢索疲劳寿命评估模块3、FAST主动反射面面型精度监测模块4。
其中，FAST主动反射面应力监测模块2用于实现 FAST主动反射面应力监测功能，在采集传感器数据经过有限元计算后，当各构件的实时应力超过容许应力时，则发出超限警报；所述各构件包括各根钢索、圈梁、圈梁支撑格构柱、主索及下拉索等。
钢索疲劳寿命评估模块3用于实现钢索疲劳寿命评估功能，在采集传感器数据经过有限元计算后，在监测各构件的实时应力过程中将各根钢索应力的实时监测数据存储到各根钢索应力历史数据库，并采用雨流法统计出钢索实际应力谱，根据Miner准则计算出钢索疲劳损伤度，根据结果进行故障预测。
FAST主动反射面面型精度监测模块4用于实现FAST主动反射面面型精度监测功能，在采集传感器数据经过有限元计算后，首先将抛物面内主索节点位置进行面型评估并存储在面型误差历史数据库内，根据数据分析获得面型精度误差位置分布及发展曲线，根据曲线进行故障预测。
此外，本方法还根据故障预测的结果进行分析和统计，提供合理的维护建议，从而实现包含钢索疲劳寿命评估、反射面面型精度监测、反射面结构应力监测以及维护建议四大功能的FAST主动反射面故障预警和健康管理系统。
本实施例还提供一种适用于FAST主动反射面的故障预测和健康管理方法，所述方法包括如下步骤：
1）构建FAST主动反射面的数字双胞胎；
2）在FAST运行过程中，通过2225个促动器上布置的磁致伸缩传感器采集所述促动器的实时行程、故障促动器编号以及当前环境温度数据，实时输入到FAST主动反射面数字双胞胎模型中；
3）通过有限元计算，输出FAST主动反射面中各构件在当前工况下的应力，通过各构件实时应力与其容许应力的比较，给出应力超限构件位置及应力大小的警报信息；
4）通过有限元计算，输出FAST主动反射面中各个主索节点在当前工况下的坐标，通过计算这些点的位置与理想抛物面位置的径向误差均方根值（RMS），本项目称之为面型精度误差，对当前工况下抛物面的面型精度进行评估；
5）完成本次工况的计算后，重复步骤2）～步骤4）对FAST主动反射面结构应力，以及面型精度进行监测；
6）将每次计算工况下，FAST主动反射面中各根钢索应力，按照时间顺序存入专用数据库；
7）将每次计算工况下，评估得到的FAST主动反射面面型精度误差与相应的抛物面位置按时间顺序存入专用数据库；
8）每隔一段时间采用雨流法统计各根钢索截止当前时刻的应力-时间历程，形成各根钢索截止当前时刻的应力谱；
9）根据钢索的实际应力谱以及钢索的S-N曲线，采用Miner线性累计损伤定律，计算得到各根索的疲劳损伤度；
10）根据计算结果给出预警信息，列出计算疲劳损伤度大于80%钢索编号，对相应钢索制定维修计划，视情维修；
11）每隔一段时间，根据面型误差数据库中的历史面型精度数据，绘制出当前的面型精度误差在FAST主动反射面上的位置分布图，并绘制出各个位置上面型精度误差的发展曲线。
12）根据面型精度误差位置分布图，以及面型精度误差的发展曲线，对反射面控制系统的标定数据库进行视情维护。
13）整合上述方案，建立一套包含钢索疲劳寿命评估、反射面面型精度监测、反射面结构应力监测以及维护建议四大功能的FAST主动反射面故障预警和健康管理系统。
在该实施例中，作为一种进一步的技术方案，步骤1）中所述FAST主动反射面数字双胞胎采用有限元软件ANSYS构建，所述圈梁、圈梁支撑格构柱采用BEAM44单元模拟，所述主索及下拉索采用LINK10单元模拟。
在该实施例中，作为一种进一步的技术方案，步骤2）中所述的数据通过FAST总控系统的数据接口，按1HZ的频率发送到指定计算机，输入到FAST主动反射面的数字双胞胎模型进行当前工况下的有限元分析。
在该实施例中，作为一种进一步的技术方案，步骤4）中所述的通过获得主索节点位置进行面型精度评估，主要是由于主索节点与反射面面板间的距离是固定的，所以也就得到了与主索节点对应的三角形面板上的点的坐标，进而对主动反射面进行面型评估。
在该实施例中，作为一种进一步的技术方案，步骤5）中所述的对FAST主动反射面结构应力，以及面型精度进行监测，FAST主动反射面数字双胞胎模型进行一次有限元分析的时间在10s左右，而实时输入数据的采集/传输频率为1Hz。因此，每10s左右就可以获得一次FAST主动反射面中各构件的真实应力，以及反射面面型精度数据，从而实现对FAST主动反射面结构应力的监测，以及面型精度的监测。
在该实施例中，作为一种进一步的技术方案，步骤8）中所述每隔一段时间是指每3个月对存储在专用数据库中的应力，采用雨流计数法统计一次，同时将数据库中满足计数条件，已计入应力谱的点删除。
在该实施例中，作为一种进一步的技术方案，步骤9）采用Miner线性累计损伤定律，计算得到各根索的疲劳损伤度，其具体方法如下：
假设某根索在某应力幅水平作用/>次循环，由S-N曲线计算得/>对应得疲劳寿命为/>，则/>应力幅所占损伤度为/>，对统计应力谱内所有应力幅均做类似的损伤计算，则得：
则F即为该索截止目前的累计疲劳损伤度。
在该实施例中，作为一种进一步的技术方案步骤11）中所述每隔一段时间是指每3个月对存储在专用数据库中的面型精度及其抛物面位置，进行统计分析并绘图。如果面型精度差则需要及时更新反射面控制系统的标定数据库，标定数据库更新完成后删除之前存储的面型精度及其抛物面位置数据。
在该实施例中，作为一种进一步的技术方案，步骤13）中采用MATLAB软件进行整合，并设计界面。
综上，本发明因应FAST的实际需求，结合目前计算机仿真领域内最先进的数字双胞胎技术，突破故障预测的技术瓶颈，研究一种适合FAST主动反射面结构及运行特点的故障预测和健康管理(PHM)方法，该方法将能对FAST主动反射面进行故障预测，并根据预测结果提醒运营方视情维修（CBM）。该方法将大大提高FAST主动反射面的维护效率，大幅降低其维护费用，有力保障FAST主动反射面的健康安全运行，为更好更快地实现FAST的科学目标创造有利条件。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，所述方法包括如下步骤：
建模：构建FAST主动反射面的数字双胞胎模型；
采集：在FAST运行过程中，采集各个促动器的状态信息实时输入到上述数字双胞胎模型中；
计算：通过有限元计算，输出FAST主动反射面中各构件在当前工况下的应力信息和反射面面型精度误差，根据输出结果进行应力超限警报；
统计分析：通过对存储的面型精度和应力历史数据的统计分析，预测主动反射面面型精度的发展趋势，以及反射面中钢索的疲劳寿命，进行故障预测，提出维护建议；
根据所述方法能够实现钢索疲劳寿命评估、反射面面型精度监测、反射面结构应力监测以及维护建议四大功能；
其中，所述建模、采集、计算和统计分析过程具体包括以下步骤：
1)构建FAST主动反射面的数字双胞胎模型；
2)在FAST运行过程中，通过2225个促动器上布置的磁致伸缩传感器采集所述促动器的实时行程、故障促动器编号以及当前环境温度数据，实时输入到FAST主动反射面数字双胞胎模型中；
3)通过有限元计算，输出FAST主动反射面中各构件在当前工况下的应力，通过各构件实时应力与其容许应力的比较，给出应力超限构件位置及应力大小的警报信息；
4)通过有限元计算，输出FAST主动反射面中各个主索节点在当前工况下的坐标，通过计算这些点的位置与理想抛物面位置的径向误差均方根值(RMS)，得出面型精度误差，对当前工况下抛物面的面型精度进行评估；
5)完成本次工况的计算后，重复步骤2)～步骤4)，对FAST主动反射面结构应力以及面型精度进行监测；
6)将每次计算工况下，FAST主动反射面中各根钢索应力，按照时间顺序存入专用数据库；
7)将每次计算工况下，评估得到的FAST主动反射面面型精度误差与相应的抛物面位置按时间顺序存入专用数据库；
8)每隔一段时间采用雨流法统计各根钢索截止当前时刻的应力-时间历程，形成各根钢索截止当前时刻的应力谱；
9)根据钢索的实际应力谱以及钢索的S-N曲线，采用Miner线性累计损伤定律，计算得到各根索的疲劳损伤度；
10)根据计算结果给出预警信息，列出计算疲劳损伤度大于80％钢索编号，对相应钢索制定维修计划，视情维修；
11)每隔一段时间，根据面型误差数据库中的历史面型精度数据，绘制出当前的面型精度误差在FAST主动反射面上的位置分布图，并绘制出各个位置上面型精度误差的发展曲线；
12)根据面型精度误差位置分布图，以及面型精度误差的发展曲线，对反射面控制系统的标定数据库进行视情维护；
13)整合上述步骤，建立一套FAST主动反射面故障预警和健康管理系统。
2.根据权利要求1所述的适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，步骤1)中FAST主动反射面数字双胞胎模型采用有限元软件ANSYS构建，圈梁、圈梁支撑格构柱采用BEAM44单元模拟，主索及下拉索采用LINK10单元模拟。
3.根据权利要求1或2所述的适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，步骤2)中所述的数据通过FAST总控系统的数据接口，按1HZ的频率发送到指定计算机，输入到FAST主动反射面的数字双胞胎模型进行当前工况下的有限元分析。
4.根据权利要求1-3任一项所述的适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，步骤4)中，通过获得主索节点位置进行面型精度评估，基于主索节点与反射面面板间的固定距离，得出与主索节点对应的三角形面板上的点的坐标，进而对主动反射面进行面型评估。
5.根据权利要求1或2所述的适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，步骤5)中，对FAST主动反射面结构应力以及面型精度进行监测，FAST主动反射面数字双胞胎模型进行一次有限元分析的时间为10s，实时输入数据的采集/传输频率为1Hz，通过每10s获得一次FAST主动反射面中各构件的真实应力以及反射面面型精度数据，得到对FAST主动反射面结构应力的监测以及面型精度的监测。
6.根据权利要求1或2所述的适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，步骤8)中所述每隔一段时间是指每3个月对存储在专用数据库中的应力，采用雨流计数法统计一次，同时将数据库中满足计数条件并已计入应力谱的点删除。
7.根据权利要求1或2所述的适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，步骤9)采用Miner线性累计损伤定律，计算得到各根索的疲劳损伤度，其具体方法如下：
假设某根索在某应力幅水平Δδi作用ni次循环，由S-N曲线计算得Δδi对应得疲劳寿命为Ni，则Δδi应力幅所占损伤度为ni/Ni，对统计应力谱内所有应力幅均做损伤计算，则得：
则F即为该索截止目前的累计疲劳损伤度。
8.根据权利要求1或2所述的适用于FAST主动反射面的故障预测和健康管理方法，其特征在于，步骤11)中所述每隔一段时间是指每3个月对存储在专用数据库中的面型精度及其抛物面位置，进行统计分析并绘图；若面型精度误差超过阈值，则更新反射面控制系统的标定数据库，标定数据库更新完成后删除之前存储的面型精度及其抛物面位置数据；步骤13)中采用MATLAB软件进行整合，并设计界面。
9.一种FAST主动反射面故障预警和健康管理系统，其特征在于，包括FAST主动反射面数字双胞胎模型、FAST主动反射面应力监测模块、钢索疲劳寿命评估模块和FAST主动反射面面型精度监测模块，并且采用上述权利要求1-8任一项方法，实现钢索疲劳寿命评估、反射面面型精度监测、反射面结构应力监测以及维护建议四大功能。
CN202010421742.7A 2020-05-18 2020-05-18 适用于fast主动反射面的故障预测和健康管理方法和系统 Active CN111581868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010421742.7A CN111581868B (zh) 2020-05-18 2020-05-18 适用于fast主动反射面的故障预测和健康管理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010421742.7A CN111581868B (zh) 2020-05-18 2020-05-18 适用于fast主动反射面的故障预测和健康管理方法和系统

Publications (2)

Publication Number Publication Date
CN111581868A CN111581868A (zh) 2020-08-25
CN111581868B true CN111581868B (zh) 2023-09-22

Family

ID=72123103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010421742.7A Active CN111581868B (zh) 2020-05-18 2020-05-18 适用于fast主动反射面的故障预测和健康管理方法和系统

Country Status (1)

Country Link
CN (1) CN111581868B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017035884A1 (zh) * 2015-08-31 2017-03-09 中国科学院广州能源研究所 适用于光伏系统全生命周期的输出功率分类预测系统
CN109540487A (zh) * 2018-11-27 2019-03-29 中国科学院国家天文台 一种基于数字双胞胎技术的望远镜反射面结构疲劳寿命监测方法
CN109870119A (zh) * 2019-03-14 2019-06-11 中国科学院国家天文台 一种基于数字双胞胎技术的fast主动反射面面型精度实时监测方法
CN109871651A (zh) * 2019-03-14 2019-06-11 中国科学院国家天文台 一种fast主动反射面的数字双胞胎构建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017035884A1 (zh) * 2015-08-31 2017-03-09 中国科学院广州能源研究所 适用于光伏系统全生命周期的输出功率分类预测系统
CN109540487A (zh) * 2018-11-27 2019-03-29 中国科学院国家天文台 一种基于数字双胞胎技术的望远镜反射面结构疲劳寿命监测方法
CN109870119A (zh) * 2019-03-14 2019-06-11 中国科学院国家天文台 一种基于数字双胞胎技术的fast主动反射面面型精度实时监测方法
CN109871651A (zh) * 2019-03-14 2019-06-11 中国科学院国家天文台 一种fast主动反射面的数字双胞胎构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
叶南 ; 王薇 ; 于福翔 ; 雷金周 ; .立体视觉和坐标网格法测量应力应变曲线的技术研究.机械科学与技术.(第01期),第106-113页. *

Also Published As

Publication number Publication date
CN111581868A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
Gao et al. Digital twin and its application in transportation infrastructure
CN101950382B (zh) 一种带有风险控制的液压设备最优维修计算方法
CN109871651B (zh) 一种fast主动反射面的数字双胞胎构建方法
CN111274737A (zh) 一种机械设备剩余使用寿命预测方法及系统
CN111967185B (zh) 基于索力和位移分布相关性建模的斜拉桥状态评估方法
CN100470416C (zh) 一种电厂热工设备智能状态诊断分析系统
CN109885907A (zh) 一种基于云模型的卫星姿控系统健康状态评估和预测方法
CN111691679B (zh) 基于数字孪生的预应力钢结构智能张拉方法
CN113900381B (zh) 一种基于物联网的钢结构远程健康监测平台及应用方法
CN115865992B (zh) 一种智慧水利在线监测系统
CN104915534A (zh) 基于序列学习的电力铁塔变形分析与决策方法
CN112232591A (zh) 基于气象因素的覆冰厚度智能预警方法
Cui et al. Identifying accident black spots based on the accident spacing distribution
CN115563683A (zh) 一种基于数字孪生的水利工程自动化安全监测管理系统
CN115660424A (zh) 一种基于gis的灾害要素分析预警系统
CN111581868B (zh) 适用于fast主动反射面的故障预测和健康管理方法和系统
He et al. M-LFM: a multi-level fusion modeling method for shape-performance integrated digital twin of complex structure
CN116933152B (zh) 一种基于多维emd-pso-lstm神经网络的海浪信息预测方法及系统
CN116480534A (zh) 一种风电机组健康度评估和检修方法、系统、设备及介质
CN103337000B (zh) 一种油气集输系统安全监测预警方法
CN114399024B (zh) 油气浓度大数据智能检测系统
CN106844861B (zh) 正交异性钢桥面板焊接节点实测应力幅动态概率建模方法
CN109540487A (zh) 一种基于数字双胞胎技术的望远镜反射面结构疲劳寿命监测方法
Wen et al. Rapid Modeling Method for The Digital Twin of Five-Hundred-Meter Aperture Spherical Radio Telescope
Edem et al. A modified grey-Markov fire accident model based on information turbulence indices and restricted residuals

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant