CN113033055B - 一种基于数字孪生的船用发动机状态评估方法及系统 - Google Patents
一种基于数字孪生的船用发动机状态评估方法及系统 Download PDFInfo
- Publication number
- CN113033055B CN113033055B CN202110338393.7A CN202110338393A CN113033055B CN 113033055 B CN113033055 B CN 113033055B CN 202110338393 A CN202110338393 A CN 202110338393A CN 113033055 B CN113033055 B CN 113033055B
- Authority
- CN
- China
- Prior art keywords
- parameter
- model
- parameters
- fault
- output value
- 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
Links
Images
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]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及一种基于数字孪生的船用发动机状态评估方法及系统,该方法包括:获取船用发动机的运行参数和环境参数;根据运行参数和环境参数,分别确定工作过程模型、故障诊断模型、结构强度有限元模型;根据工作过程模型、故障诊断模型、结构强度有限元模型之间的参数传递关系,建立对应的数字孪生模型;将运行参数和环境参数作为数字孪生模型的输入,输出对应的评估参数;根据评估参数进行数据处理,确定并展示船用发动机的运行状态。本发明利用数字孪生模型的建立,实现对发动机整机与各工作部件运行状态的预测和诊断,从而完成多种信号间的信息融合、充分考虑部件之间的耦合关系和进行更加准确全面的诊断分析。
Description
技术领域
本发明涉及智能机舱和发动机智能管理技术领域,尤其涉及一种基于数字孪生的船用发动机状态评估方法及系统。
背景技术
随着人工智能、物联网、通信等前沿技术与船舶领域的深度融合,船舶正向自主化、无人化发展,船舶智能自主航行已然成为船舶行业的重要研究方向。船舶自主航行对船舶设备尤其是船舶动力系统提出了新的要求与挑战,船用发动机是船舶动力系统的核心,也是保障船舶安全航行的关键。实时全面监测和评估无人自主船用发动机运行工作状态,并以此进行视情维修和剩余寿命预测非常必要。
现有技术中,往往只从某一个方面的参数对发动机进行评估,一方面,忽略了各个运行部件的耦合关系,未考虑各个部件相互影响的过程,另一方面,没有全面地采集数据,导致无法全面地评估发动机状态。综上,如何对发动机状态进行全面有效的评估是亟待解决的问题。
发明内容
有鉴于此,有必要提供一种基于数字孪生的船用发动机状态评估方法及系统,用以解决如何对发动机状态进行全面有效的评估的问题。
本发明提供一种基于数字孪生的船用发动机状态评估方法,包括:
获取船用发动机的运行参数和环境参数;
根据所述运行参数和所述环境参数,分别确定工作过程模型、故障诊断模型、结构强度有限元模型;
根据所述工作过程模型、所述故障诊断模型、所述结构强度有限元模型之间的参数传递关系,建立对应的数字孪生模型;
将所述运行参数和所述环境参数作为所述数字孪生模型的输入,输出对应的评估参数;
根据所述评估参数进行数据处理,确定并展示所述船用发动机的运行状态。
进一步地,所述运行参数包括第一运行参数,所述环境参数包括第一环境参数,所述工作过程模型的确定包括:
将所述第一运行参数、所述第一环境参数、第一传递参数和第二传递参数作为所述工作过程模型的输入参数,确定所述工作过程模型的输出值;
其中,所述第一传递参数的初始值为第一常数,并根据所述故障诊断模型的输出值进行更新,所述第二传递参数的初始值为第二常数,并根据所述结构强度有限元模型的输出值进行更新。
进一步地,所述运行参数包括第二运行参数,所述环境参数包括第二环境参数,所述故障诊断模型的确定包括:
将所述第二运行参数、所述第二环境参数、第三传递参数和第四传递参数作为所述故障诊断模型的输入参数,确定所述故障诊断模型的输出值;
其中,所述第三传递参数的初始值为第三常数,并根据所述工作过程模型的输出值进行更新,所述第四传递参数的初始值为第四常数,并根据所述结构强度有限元模型的输出值进行更新。
进一步地,所述故障诊断模型通过神经网络训练,对应的输出值包括故障类型和故障程度。
进一步地,所述运行参数包括第三运行参数,所述环境参数包括第三环境参数,所述有限元模型的确定包括:
将所述第三运行参数、所述第三环境参数、第五传递参数和第六传递参数作为所述结构强度有限元模型的输入参数,确定所述结构强度有限元模型的输出值;
其中,所述第五传递参数的初始值为第五常数,并根据所述工作过程模型的输出值进行更新,所述第六传递参数的初始值为第六常数,并根据所述故障诊断模型的输出值进行更新。
进一步地,将所述运行参数和所述环境参数作为所述数字孪生模型的输入,输出对应的评估参数包括:
将所述运行参数、所述环境参数、第一故障参数、第一关键部件影响参数作为所述工作过程模型的输入,确定所述工作过程模型的输出值为缸内热力参数,并将所述缸内热力参数传输至所述故障诊断模型,并将缸内压力和缸内温度作为激励源和边界条件传输至所述结构强度有限元模型,其中,所述缸内压力和所述缸内温度根据所述工作过程模型的输出值确定,所述第一故障参数根据所述故障诊断模型的输出值确定,以反馈故障对工作过程的影响,所述第一关键部件影响参数根据所述结构强度有限元模型的输出值确定,以反馈关键部件对工作过程的影响;
将所述运行参数、所述环境参数、所述缸内热力参数、第二关键部件影响参数作为所述故障诊断模型的输入,确定所述故障诊断模型的输出值为所述第一故障参数、第二故障参数,并将所述第一故障参数传输至所述工作过程模型,将所述第二故障参数传输至所述结构强度有限元模型,其中,所述第二故障参数以反馈故障对关键部件的影响,所述第二关键部件影响参数根据所述结构强度有限元模型的输出值确定,以反馈关键部件可靠性对故障的影响;
将所述运行参数、所述环境参数、所述缸内压力、所述缸内温度、所述第二故障参数作为所述结构强度有限元模型的输入,确定所述结构强度有限元模型的输出值为剩余寿命预测参数、可靠性信息参数、第一关键部件影响参数、所述第二关键部件影响参数;
根据所述工作过程模型的输出值、所述故障诊断模型的输出值、所述结构强度有限元模型的输出值,确定所述评估参数。
进一步地,根据所述工作过程模型的输出值、所述故障诊断模型的输出值、所述结构强度有限元模型的输出值,确定所述评估参数包括:
根据所述工作过程模型的输出值,确定所述缸内热力参数;
根据所述故障诊断模型的输出值,确定故障诊断与预测参数和故障隔离参数;
根据所述结构强度有限元模型的输出值,确定所述剩余寿命预测参数、所述可靠性信息参数、关键部件应力状态参数、关键部件疲劳强度参数。
进一步地,所述根据所述评估参数进行数据处理,确定并展示所述船用发动机的运行状态包括:
根据所述评估参数,进行多种评价操作,并将所述多种评价操作的结果进行可视化显示,其中,所述多种评价操作的结果包括燃烧状态评价、故障诊断评价、故障隔离评价、关键部位状态评价、剩余寿命预测评价、可靠性评价,并进行可视化显示;
根据所述多种评价操作的结果,确定指导控制优化策略、指导维修策略,并进行可视化显示;
根据所述多种评价操作的结果、所述指导控制优化策略和所述指导维修策略,对存储数据进行更新,其中,所述存储数据包括历史运行数据、设备出厂信息、维修数据。
本发明还提供了一种基于数字孪生的船用发动机状态评估系统,包括信息感知与传输模块、发动机孪生模型建立模块以及服务应用终端模块,其中:
所述信息感知与传输模块,用于获取船用发动机的运行参数和环境参数;
所述发动机孪生模型建立模块,用于根据所述运行参数和所述环境参数,分别确定工作过程模型、故障诊断模型、结构强度有限元模型;还用于根据所述工作过程模型、所述故障诊断模型、所述结构强度有限元模型之间的参数传递关系,建立对应的数字孪生模型;还用于将所述运行参数和所述环境参数作为所述数字孪生模型的输入,输出对应的评估参数;
所述服务应用终端模块,用于根据所述评估参数进行数据处理,确定并展示所述船用发动机的运行状态。
与现有技术相比,本发明的有益效果包括:首先,对船用发动机的运行参数和环境参数进行有效的采集;然后,根据运行参数和环境参数进行多方面的建模,反馈船用发动机的不同状态;进而,利用不同模型之间的参数耦合性,综合工作过程模型、故障诊断模型、结构强度有限元模型,综合评估发动机状态、进行故障诊断和剩余寿命预测,考虑了缸内燃烧过程和燃烧室部件与曲柄连杆机构之间的相互作用,实现多种信号间的信息融合、充分考虑部件之间的耦合关系,共同建立数字孪生模型;接着,将运行参数和环境参数作为数字孪生模型的输入,实现在虚拟空间中实现与实际运行发动机的一一映射,利用模型之间的参数传递,充分利用数据耦合性,保证评估的准确性和可靠性;最后,利用数字孪生模型输出的评估参数,进行多种数据处理,对船用发动机的运行状态进行有效的评估和可视化处理,方便相关人员的管理和操作。综上,本发明利用数字孪生模型的建立,实现对发动机整机与各工作部件运行状态的预测和诊断,从而完成多种信号间的信息融合、充分考虑部件之间的耦合关系和进行更加准确全面的诊断分析。
附图说明
图1为本发明提供的基于数字孪生的船用发动机状态评估方法的流程示意图;
图2为本发明提供的确定评估参数的流程示意图;
图3为本发明提供的可视化的流程示意图;
图4为本发明提供的基于数字孪生的船用发动机状态评估系统的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明实施例提供了一种基于数字孪生的船用发动机状态评估方法,结合图1来看,图1为本发明提供的基于数字孪生的船用发动机状态评估方法的流程示意图,包括步骤S1至步骤S5,其中:
在步骤S1中,获取船用发动机的运行参数和环境参数;
在步骤S2中,根据运行参数和环境参数,分别确定工作过程模型、故障诊断模型、结构强度有限元模型;
在步骤S3中,根据工作过程模型、故障诊断模型、结构强度有限元模型之间的参数传递关系,建立对应的数字孪生模型;
在步骤S4中,将运行参数和环境参数作为数字孪生模型的输入,输出对应的评估参数;
在步骤S5中,根据评估参数进行数据处理,确定并展示船用发动机的运行状态。
在本发明实施例中,首先,对船用发动机的运行参数和环境参数进行有效的采集;然后,根据运行参数和环境参数进行多方面的建模,反馈船用发动机的不同状态;进而,利用不同模型之间的参数耦合性,综合工作过程模型、故障诊断模型、结构强度有限元模型,综合评估发动机状态、进行故障诊断和剩余寿命预测,考虑了缸内燃烧过程和燃烧室部件与曲柄连杆机构之间的相互作用,实现多种信号间的信息融合、充分考虑部件之间的耦合关系,共同建立数字孪生模型;接着,将运行参数和环境参数作为数字孪生模型的输入,实现在虚拟空间中实现与实际运行发动机的一一映射,利用模型之间的参数传递,充分利用数据耦合性,保证评估的准确性和可靠性;最后,利用数字孪生模型输出的评估参数,进行多种数据处理,对船用发动机的运行状态进行有效的评估和可视化处理,方便相关人员的管理和操作。
优选地,上述运行参数包括发动机运行过程中的热力参数和工况参数,其中,热力参数包括滑油压力、温度,冷却水进、出口温度,进气压力、温度和油耗,工况参数包括运行转速、运行负荷,其中,将热力参数和工况参数经时域、频域和时频域分析处理,确定关键部位振动的特征信息和声发射信号的特征信息。将关键部位振动的特征信息、声发射信号的特征信息和环境参数经通信设备传输到发动机数字孪生模型中,为保证数据安全和系统稳定,数据采集通过OPC单向隔离,确保网络安全。作为具体实施例,本发明实施例有效采集运行参数和环境参数,以便后续输入至数字孪生模型。
优选地,需要用到温度传感器、压力传感器、振动传感器、声发射传感器、霍尔传感器等,除去已有的机载传感器外,其他传感器的数量和位置是根据具体发动机机型确定。其中进气温度和压力传感器安装在发动机进气管上,霍尔传感器安装在飞轮端的机体上,振动传感器和声发射传感器安装在缸盖上。作为具体实施例,本发明实施例通过设置多种传感器进行有效的数据采集。
优选地,运行参数包括第一运行参数,环境参数包括第一环境参数,工作过程模型的确定包括:
将第一运行参数、第一环境参数、第一传递参数和第二传递参数作为工作过程模型的输入参数,确定工作过程模型的输出值;
其中,第一传递参数的初始值为第一常数,并根据故障诊断模型的输出值进行更新,第二传递参数的初始值为第二常数,并根据结构强度有限元模型的输出值进行更新。
作为具体实施例,本发明实施例基于发动机工作原理、质量守恒、能量守恒等定理建立缸内工作过程计算模型,模型兼容燃烧损失、工质泄漏等热工故障对热力参数的影响。
在本发明一个具体的实施例中,基于热力学第一定律和理想气体状态方程,工作过程模型通过下式表示:
其中,基于热力学第一定律,发动机缸内工质闭式循环的微分方程通过下式表示:
dU=dQ-pdV (2)
上式中,dU为内能的微分;dQ为热量的微分;pdV为机械功的微分;
计算过程如下式所示:
上式中,Qf,tot为燃油燃烧释放的总热量;m为方程系数;a为韦伯数(a=6.908);
其中,Qw按下式计算:
其中,式(1)中燃烧损失因子α、工质泄漏因子β分别为燃烧损失和工质泄漏热工故障对缸内工作工程模块的修正系数(初始值为1),通过故障诊断模型计算得到。其中,燃烧损失为缸内燃烧损失取决于喷油偏差量和油气混合质量,引入燃烧损失因子α以反映燃油系统故障情况下的燃料放热变化率,并对式(3)中Qf,tot进行修正;缸内工质泄漏为缸内工质泄漏表征为缸内工质为开式系统,引入工质泄漏因子β以反映活塞环漏气和气阀漏气等故障情况下工质的泄漏率;根据质量守恒和能量守恒定理计算泄漏能量损失进排气系统泄漏为进排气系统泄漏根据S1的工况信息及采集的进气压力和温度等,通过对比发动机台架试验历史数据以判断气路泄漏情况。
优选地,运行参数包括第二运行参数,环境参数包括第二环境参数,故障诊断模型的确定包括:
将第二运行参数、第二环境参数、第三传递参数和第四传递参数作为故障诊断模型的输入参数,确定故障诊断模型的输出值;
其中,第三传递参数的初始值为第三常数,并根据工作过程模型的输出值进行更新,第四传递参数的初始值为第四常数,并根据结构强度有限元模型的输出值进行更新。
作为具体实施例,本发明实施例将运行参数和环境参数(包括分析处理的瞬时转速、振动和声发射信号的时域和频域特征参数、发动机工况信息)及其他模型的输出结果作为训练的故障诊断模型的输入,模型输出的故障类型和故障程度反馈至其他模型的输入接口。
优选地,故障诊断模型通过神经网络训练,对应的输出值包括故障类型和故障程度。作为具体实施例,本发明实施例基于人工神经网络理论,以发动机正常和故障情况下瞬时转速、振动和声发射信号的时域与频域特征参数为训练和验证数据集,构建以特征参数为输入、故障类型和故障程度为输出的故障诊断模型。人工神经网络训练过程按误差梯度下降修正各层权值,直至误差减小到可接受的范围。
优选地,运行参数包括第三运行参数,环境参数包括第三环境参数,结构强度有限元模型的确定包括:
将第三运行参数、第三环境参数、第五传递参数和第六传递参数作为结构强度有限元模型的输入参数,确定有限元模型的输出值;
其中,第五传递参数的初始值为第五常数,并根据工作过程模型的输出值进行更新,第六传递参数的初始值为第六常数,并根据故障诊断模型的输出值进行更新。
作为具体实施例,本发明实施例构建结构强度有限元模型进行曲轴应力分析,同时考虑参数之间的耦合性,进行有效的激励。
在本发明一个具体的实施例中,基于EXCITE软件构建发动机的结构强度有限元模型,模型边界条件主要由发动机曲柄连杆机构的全局参数和发动机工作过程模型输出的缸内压力组成,通过EXCITE软件仿真进行曲轴应力、疲劳强度分析。
优选地,在步骤S4中,具体包括:
将运行参数、环境参数、第一故障参数、第一关键部件影响参数作为工作过程模型的输入,确定工作过程模型的输出值为缸内热力参数,并将缸内热力参数传输至故障诊断模型,并将缸内压力和缸内温度作为激励源和边界条件传输至结构强度有限元模型,其中,缸内压力和缸内温度根据故障诊断模型的输出值确定,第一故障参数根据故障诊断模型的输出值确定,以反馈故障对工作过程的影响,第一关键部件影响参数根据结构强度有限元模型的输出值确定,以反馈关键部件对工作过程的影响;
将运行参数、环境参数、缸内热力参数、第二关键部件影响参数作为故障诊断模型的输入,确定故障诊断模型的输出值为第一故障参数、第二故障参数,并将第一故障参数传输至工作过程模型,将第二故障参数传输至结构强度有限元模型,其中,第二故障参数以反馈故障对关键部件的影响,第二关键部件影响参数根据结构强度有限元模型的输出值确定,以反馈关键部件可靠性对故障的影响;
将运行参数、环境参数、缸内压力、缸内温度、第二故障参数作为结构强度有限元模型的输入,确定结构强度有限元模型的输出值为剩余寿命预测参数、可靠性信息参数、第一关键部件影响参数、第二关键部件影响参数;
根据工作过程模型的输出值、故障诊断模型的输出值以及结构强度有限元模型的输出值,确定评估参数。
作为具体实施例,本发明实施例将工作过程计算模型、结构强度有限元模型和故障诊断模型进行集成,以建立发动机数字孪生模型。其中,发动机工作过程计算模型将缸内热工参数作为特征参数集传输至故障诊断模型,将缸压和缸内温度等作为激励源和边界条件传输给结构强度有限元模型;故障诊断模型将发动机及关键部件的诊断结果反馈至工作过程计算模型和结构强度有限元模型;结构强度有限元模型将关键部件温度场与应力场和可靠性结果传输至发动机工作过程计算模型和故障诊断模型。
优选地,结合图2来看,图2为本发明提供的确定评估参数的流程示意图,包括步骤S41至步骤S43,其中:
在步骤S41中,根据工作过程模型的输出值,确定缸内热力参数;
在步骤S42中,根据故障诊断模型的输出值,确定故障诊断与预测参数和故障隔离参数;
在步骤S43中,根据结构强度有限元模型的输出值,确定剩余寿命预测参数、可靠性信息参数、关键部件应力状态参数、关键部件疲劳强度参数。
作为具体实施例,本发明实施例依据不同模型的输出值,确定整个数字孪生模型的多种输出参数,并进行有效的传递。
优选地,结合图3来看,图3为本发明提供的可视化的流程示意图,包括步骤S51至步骤S53,其中:
在步骤S51中,根据评估参数,进行多种评价操作,并将多种评价操作的结果进行可视化显示,其中,多种评价操作的结果包括燃烧状态评价、故障诊断评价、故障隔离评价、关键部位状态评价、剩余寿命预测评价、可靠性评价,并进行可视化显示;
在步骤S52中,根据多种评价操作的结果,确定指导控制优化策略、指导维修策略,并进行可视化显示;
在步骤S53中,根据多种评价操作的结果、指导控制优化策略和指导维修策略,对存储数据进行更新,其中,存储数据包括历史运行数据、设备出厂信息、维修数据。
作为具体实施例,本发明实施例通过服务应用软件构建基于数字孪生的船舶发动机状态评估与健康管理系统的人机交互界面。服务应用软件具备在线和离线两种工作模式,其中在线模式实时监测与评估发动机运行过程,提供发动机全寿命周期内的可靠性评价,并在此基础上进一步形成发动机的维护任务规划、推演和决策;离线模式可实现对各种假设操作、故障事故和工况场景变化的模拟,并在此基础上为整个系统的性能评价、诊断报警、运行优化等使用业务提供关键数据支撑。整个系统的运行结果将展示在服务应用软件的人机交互界面,人机交互界面中有数值、虚拟仪表、二维图、三维图等多种展现形式。
实施例2
本发明实施例提供了一种基于数字孪生的船用发动机状态评估系统,结合图4来看,图4为本发明提供的基于数字孪生的船用发动机状态评估系统的结构示意图,上述基于数字孪生的船用发动机状态评估系统400包括:
信息感知与传输模块401,用于获取船用发动机的运行参数和环境参数;
发动机孪生模型建立模块402,用于根据运行参数和环境参数,分别确定工作过程模型、故障诊断模型、结构强度有限元模型;还用于根据工作过程模型、故障诊断模型、结构强度有限元模型之间的参数传递关系,建立对应的数字孪生模型;还用于将运行参数和环境参数作为数字孪生模型的输入,输出对应的评估参数;
服务应用终端模块403,用于根据评估参数进行数据处理,确定并展示船用发动机的运行状态。
本发明公开了一种基于数字孪生的船用发动机状态评估方法及系统,首先,对船用发动机的运行参数和环境参数进行有效的采集;然后,根据运行参数和环境参数进行多方面的建模,反馈船用发动机的不同状态;进而,利用不同模型之间的参数耦合性,综合工作过程模型、故障诊断模型、结构强度有限元模型,综合评估发动机状态、进行故障诊断和剩余寿命预测,考虑了缸内燃烧过程和燃烧室部件与曲柄连杆机构之间的相互作用,实现多种信号间的信息融合、充分考虑部件之间的耦合关系,共同建立数字孪生模型;接着,将运行参数和环境参数作为数字孪生模型的输入,实现在虚拟空间中实现与实际运行发动机的一一映射,利用模型之间的参数传递,充分利用数据耦合性,保证评估的准确性和可靠性;最后,利用数字孪生模型输出的评估参数,进行多种数据处理,对船用发动机的运行状态进行有效的评估和可视化处理,方便相关人员的管理和操作。
本发明技术方案,利用数字孪生模型的建立,实现对发动机整机与各工作部件运行状态的预测和诊断,从而完成多种信号间的信息融合、充分考虑部件之间的耦合关系和进行更加准确全面的诊断分析。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于数字孪生的船用发动机状态评估方法,其特征在于,包括:
获取船用发动机的运行参数和环境参数;
根据所述运行参数和所述环境参数,分别确定工作过程模型、故障诊断模型、结构强度有限元模型;
根据所述工作过程模型、所述故障诊断模型、所述结构强度有限元模型之间的参数传递关系,建立对应的数字孪生模型;
将所述运行参数和所述环境参数作为所述数字孪生模型的输入,输出对应的评估参数;
根据所述评估参数进行数据处理,确定并展示所述船用发动机的运行状态;
其中,所述将所述运行参数和所述环境参数作为所述数字孪生模型的输入,输出对应的评估参数包括:
将所述运行参数、所述环境参数、第一故障参数、第一关键部件影响参数作为所述工作过程模型的输入,确定所述工作过程模型的输出值为缸内热力参数,并将所述缸内热力参数传输至所述故障诊断模型,并将缸内压力和缸内温度作为激励源和边界条件传输至所述结构强度有限元模型,其中,所述缸内压力和所述缸内温度根据所述工作过程模型的输出值确定,所述第一故障参数根据所述故障诊断模型的输出值确定,以反馈故障对工作过程的影响,所述第一关键部件影响参数根据所述结构强度有限元模型的输出值确定,以反馈关键部件对工作过程的影响;
将所述运行参数、所述环境参数、所述缸内热力参数、第二关键部件影响参数作为所述故障诊断模型的输入,确定所述故障诊断模型的输出值为所述第一故障参数、第二故障参数,并将所述第一故障参数传输至所述工作过程模型,将所述第二故障参数传输至所述结构强度有限元模型,其中,所述第二关键部件影响参数根据所述结构强度有限元模型的输出值确定,以反馈关键部件可靠性对故障的影响;
将所述运行参数、所述环境参数、所述缸内压力、所述缸内温度、所述第二故障参数作为所述结构强度有限元模型的输入,确定所述结构强度有限元模型的输出值为剩余寿命预测参数、可靠性信息参数、第一关键部件影响参数、所述第二关键部件影响参数;
根据所述工作过程模型的输出值、所述故障诊断模型的输出值、所述结构强度有限元模型的输出值,确定所述评估参数;
其中,所述根据所述工作过程模型的输出值、所述故障诊断模型的输出值、所述结构强度有限元模型的输出值,确定所述评估参数包括:
根据所述工作过程模型的输出值,确定所述缸内热力参数;
根据所述故障诊断模型的输出值,确定故障诊断与预测参数和故障隔离参数;
根据所述结构强度有限元模型的输出值,确定所述剩余寿命预测参数、所述可靠性信息参数、关键部件应力状态参数、关键部件疲劳强度参数。
2.根据权利要求1所述的基于数字孪生的船用发动机状态评估方法,其特征在于,所述运行参数包括第一运行参数,所述环境参数包括第一环境参数,所述工作过程模型的确定包括:
将所述第一运行参数、所述第一环境参数、第一传递参数和第二传递参数作为所述工作过程模型的输入参数,确定所述工作过程模型的输出值;
其中,所述第一传递参数的初始值为第一常数,并根据所述故障诊断模型的输出值进行更新,所述第二传递参数的初始值为第二常数,并根据所述结构强度有限元模型的输出值进行更新。
3.根据权利要求1所述的基于数字孪生的船用发动机状态评估方法,其特征在于,所述运行参数包括第二运行参数,所述环境参数包括第二环境参数,所述故障诊断模型的确定包括:
将所述第二运行参数、所述第二环境参数、第三传递参数和第四传递参数作为所述故障诊断模型的输入参数,确定所述故障诊断模型的输出值;
其中,所述第三传递参数的初始值为第三常数,并根据所述工作过程模型的输出值进行更新,所述第四传递参数的初始值为第四常数,并根据所述结构强度有限元模型的输出值进行更新。
4.根据权利要求3所述的基于数字孪生的船用发动机状态评估方法,其特征在于,所述故障诊断模型通过神经网络训练,对应的输出值包括故障类型和故障程度。
5.根据权利要求1所述的基于数字孪生的船用发动机状态评估方法,其特征在于,所述运行参数包括第三运行参数,所述环境参数包括第三环境参数,所述结构强度有限元模型的确定包括:
将所述第三运行参数、所述第三环境参数、第五传递参数和第六传递参数作为所述结构强度有限元模型的输入参数,确定所述结构强度有限元模型的输出值;
其中,所述第五传递参数的初始值为第五常数,并根据所述工作过程模型的输出值进行更新,所述第六传递参数的初始值为第六常数,并根据所述故障诊断模型的输出值进行更新。
6.根据权利要求1所述的基于数字孪生的船用发动机状态评估方法,根据所述评估参数进行数据处理,确定并展示所述船用发动机的运行状态包括:
根据所述评估参数,进行多种评价操作,并将所述多种评价操作的结果进行可视化显示,其中,所述多种评价操作的结果包括燃烧状态评价、故障诊断评价、故障隔离评价、关键部位状态评价、剩余寿命预测评价、可靠性评价,并进行可视化显示;
根据所述多种评价操作的结果,确定指导控制优化策略、指导维修策略,并进行可视化显示;
根据所述多种评价操作的结果、所述指导控制优化策略和所述指导维修策略,对存储数据进行更新,其中,所述存储数据包括历史运行数据、设备出厂信息、维修数据。
7.一种基于数字孪生的船用发动机状态评估系统,其特征在于,包括信息感知与传输模块、发动机孪生模型建立模块以及服务应用终端模块,其中:
所述信息感知与传输模块,用于获取船用发动机的运行参数和环境参数;
所述发动机孪生模型建立模块,用于根据所述运行参数和所述环境参数,分别确定工作过程模型、故障诊断模型、结构强度有限元模型;还用于根据所述工作过程模型、所述故障诊断模型、所述结构强度有限元模型之间的参数传递关系,建立对应的数字孪生模型;还用于将所述运行参数和所述环境参数作为所述数字孪生模型的输入,输出对应的评估参数;
所述服务应用终端模块,用于根据所述评估参数进行数据处理,确定并展示所述船用发动机的运行状态;
其中,所述将所述运行参数和所述环境参数作为所述数字孪生模型的输入,输出对应的评估参数包括:
将所述运行参数、所述环境参数、第一故障参数、第一关键部件影响参数作为所述工作过程模型的输入,确定所述工作过程模型的输出值为缸内热力参数,并将所述缸内热力参数传输至所述故障诊断模型,并将缸内压力和缸内温度作为激励源和边界条件传输至所述结构强度有限元模型,其中,所述缸内压力和所述缸内温度根据所述工作过程模型的输出值确定,所述第一故障参数根据所述故障诊断模型的输出值确定,以反馈故障对工作过程的影响,所述第一关键部件影响参数根据所述结构强度有限元模型的输出值确定,以反馈关键部件对工作过程的影响;
将所述运行参数、所述环境参数、所述缸内热力参数、第二关键部件影响参数作为所述故障诊断模型的输入,确定所述故障诊断模型的输出值为所述第一故障参数、第二故障参数,并将所述第一故障参数传输至所述工作过程模型,将所述第二故障参数传输至所述结构强度有限元模型,其中,所述第二关键部件影响参数根据所述结构强度有限元模型的输出值确定,以反馈关键部件可靠性对故障的影响;
将所述运行参数、所述环境参数、所述缸内压力、所述缸内温度、所述第二故障参数作为所述结构强度有限元模型的输入,确定所述结构强度有限元模型的输出值为剩余寿命预测参数、可靠性信息参数、第一关键部件影响参数、所述第二关键部件影响参数;
根据所述工作过程模型的输出值、所述故障诊断模型的输出值、所述结构强度有限元模型的输出值,确定所述评估参数;
其中,所述根据所述工作过程模型的输出值、所述故障诊断模型的输出值、所述结构强度有限元模型的输出值,确定所述评估参数包括:
根据所述工作过程模型的输出值,确定所述缸内热力参数;
根据所述故障诊断模型的输出值,确定故障诊断与预测参数和故障隔离参数;
根据所述结构强度有限元模型的输出值,确定所述剩余寿命预测参数、所述可靠性信息参数、关键部件应力状态参数、关键部件疲劳强度参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338393.7A CN113033055B (zh) | 2021-03-29 | 2021-03-29 | 一种基于数字孪生的船用发动机状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338393.7A CN113033055B (zh) | 2021-03-29 | 2021-03-29 | 一种基于数字孪生的船用发动机状态评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033055A CN113033055A (zh) | 2021-06-25 |
CN113033055B true CN113033055B (zh) | 2022-07-01 |
Family
ID=76452840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110338393.7A Active CN113033055B (zh) | 2021-03-29 | 2021-03-29 | 一种基于数字孪生的船用发动机状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033055B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343482B (zh) * | 2021-06-28 | 2024-05-31 | 中国人民解放军陆军装甲兵学院 | 一种基于数字孪生的车辆动力系统健康管理方法 |
CN114578766B (zh) * | 2022-01-12 | 2024-03-26 | 北京航空航天大学 | 一种飞控计算机硬件时变动态数字孪生总装方法 |
CN115469550A (zh) * | 2022-10-10 | 2022-12-13 | 哈尔滨理工大学 | 一种基于数字孪生的航空发动机运行维护方法及系统 |
CN116340848B (zh) * | 2023-03-31 | 2023-11-14 | 北京理工大学 | 一种基于数字孪生的发动机故障诊断方法 |
CN116663317A (zh) * | 2023-06-25 | 2023-08-29 | 正泰电气股份有限公司 | 基于数字孪生模型的变压器状态评估方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108494A (zh) * | 2019-05-14 | 2019-08-09 | 武汉理工大学 | 船用中速柴油机燃烧室部件常见故障在线监测诊断方法 |
CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
CN111967189A (zh) * | 2020-08-24 | 2020-11-20 | 中国石油大学(华东) | 数字孪生驱动的海洋石油水下生产系统故障诊断方法及系统 |
CN112508373A (zh) * | 2020-11-27 | 2021-03-16 | 江苏科技大学 | 一种基于数字孪生技术的船用柴油机性能评估系统 |
CN112507452A (zh) * | 2020-11-30 | 2021-03-16 | 南京航空航天大学 | 航空发动机涡轮叶片可靠性数字孪生建模方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10564993B2 (en) * | 2017-11-07 | 2020-02-18 | General Electric Company | Contextual digital twin runtime environment |
-
2021
- 2021-03-29 CN CN202110338393.7A patent/CN113033055B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110108494A (zh) * | 2019-05-14 | 2019-08-09 | 武汉理工大学 | 船用中速柴油机燃烧室部件常见故障在线监测诊断方法 |
CN110442936A (zh) * | 2019-07-24 | 2019-11-12 | 中国石油大学(北京) | 基于数字孪生模型的设备故障诊断方法、装置及系统 |
CN111230887A (zh) * | 2020-03-10 | 2020-06-05 | 合肥学院 | 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法 |
CN111967189A (zh) * | 2020-08-24 | 2020-11-20 | 中国石油大学(华东) | 数字孪生驱动的海洋石油水下生产系统故障诊断方法及系统 |
CN112508373A (zh) * | 2020-11-27 | 2021-03-16 | 江苏科技大学 | 一种基于数字孪生技术的船用柴油机性能评估系统 |
CN112507452A (zh) * | 2020-11-30 | 2021-03-16 | 南京航空航天大学 | 航空发动机涡轮叶片可靠性数字孪生建模方法 |
Non-Patent Citations (2)
Title |
---|
Fault diagnosis and isolation for diesel engine combustion chambers based on autoencoder and bp neural network;Yonghua Yu et al.;《Lecture Notes in Mechanical Engineering》;20200324;第1-12页 * |
基于缸压的船用柴油机燃烧闭环控制策略研究;欧顺华等;《内燃机工程》;20201231;第41卷(第06期);第29-35页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113033055A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033055B (zh) | 一种基于数字孪生的船用发动机状态评估方法及系统 | |
Rubio et al. | Marine diesel engine failure simulator based on thermodynamic model | |
Jones et al. | A review of condition monitoring and fault diagnosis for diesel engines | |
Porteiro et al. | Diesel engine condition monitoring using a multi-net neural network system with nonintrusive sensors | |
JPH08202444A (ja) | 機械設備の異常診断方法および装置 | |
EP1481299B1 (en) | Method for assessing the integrity of a structure | |
US20130090886A1 (en) | Method for real-time testing of a control unit for an internal combustion engine using a simulator | |
CN113076625A (zh) | 一种舰船柴油发电机组健康管理系统及其工作方法 | |
CN112508373B (zh) | 一种基于数字孪生技术的船用柴油机性能评估方法 | |
CN109815441A (zh) | 一种采用贝叶斯网络模型诊断及预测发动机故障的方法 | |
Coraddu et al. | Ship diesel engine performance modelling with combined physical and machine learning approach | |
CN107560863A (zh) | 一种船用双燃料发动机性能测试试验台架和方法 | |
CN113343482B (zh) | 一种基于数字孪生的车辆动力系统健康管理方法 | |
JP7460090B2 (ja) | 船舶の主機モニタリング方法、主機モニタリングシステム、主機状態予測システム、及び運航状況予測システム | |
Gharib et al. | Development of a new expert system for diagnosing marine diesel engines based on real-time diagnostic parameters | |
US10865643B2 (en) | Method and system for a component lifetime counter | |
WO2008129561A2 (en) | Real-time system and method for designing structures | |
JP7002427B2 (ja) | プラント診断用データ生成システムおよび方法 | |
Milushev | Advanced mathematical model of slow speed diesel engine | |
CN207379721U (zh) | 一种船用双燃料发动机性能测试试验台架 | |
Lamoureux et al. | An approach to the health monitoring of the fuel system of a turbofan | |
CN115469550A (zh) | 一种基于数字孪生的航空发动机运行维护方法及系统 | |
Wang et al. | Facilitating Energy Monitoring and Fault Diagnosis of Pneumatic Cylinders with Exergy and Machine Learning | |
Coelho et al. | Monitoring the operational condition of a diesel engine by evaluating the parameters of its thermodynamic operation cycle | |
WO2023224044A1 (ja) | 機器診断システム及び機器診断方法 |
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 |