CN113221461A - 一种基于数字孪生技术的掘锚一体机监控系统 - Google Patents
一种基于数字孪生技术的掘锚一体机监控系统 Download PDFInfo
- Publication number
- CN113221461A CN113221461A CN202110553578.XA CN202110553578A CN113221461A CN 113221461 A CN113221461 A CN 113221461A CN 202110553578 A CN202110553578 A CN 202110553578A CN 113221461 A CN113221461 A CN 113221461A
- Authority
- CN
- China
- Prior art keywords
- anchoring
- tunneling
- model
- machine
- physical
- 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.)
- Granted
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于数字孪生技术的掘锚一体机监控系统，包括：掘锚一体机物理本体：矿井掘锚一体机，工作执行部，负责进行掘锚工作的正常进行；传感器群：分布固定安装在掘锚一体机物理本体上，负责实时采集掘锚一体机物理本体运动的相关数据并即时反馈数据；维护建议数据库：针对仿真模拟深度学习之后所生成的自动调优参数值并生成维护建议数据的存储库；孪生体性能退化模型：根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性。本发明提高了矿井掘锚一体机的监控效果，更形象化，实现一种仿形控制。
Description
技术领域
本发明涉及掘锚一体机技术领域，具体为一种基于数字孪生技术的掘锚一体机监控系统。
背景技术
数字孪生技术的煤矿掘进工作面掘锚一体机监控预测性维护方法，系统由物理实体、传感器、数字孪生体、云服务器、云数据库、4G基站、通信接口、网络交换机、视频显示终端、Maplesim软件、matlab-Simulink软件、上位机等组成。
但是，现有的煤矿掘进工作面存在粉尘浓度大、能见度低、喷雾、滴水等不利因素，对视频图像的采集影响较大，因此基于视频技术的掘锚一体机监控系统工作可靠性和效果并不理想，难以可视化直观反映矿井综掘工作面环境、工况状态和设备运行状态，以及对设备进行故障定位和健康预测；因此，不满足现有的需求，对此我们提出了一种基于数字孪生技术的掘锚一体机监控系统。
发明内容
本发明的目的在于提供一种基于数字孪生技术的掘锚一体机监控系统，以解决上述背景技术中提出的现有的煤矿掘进工作面存在粉尘浓度大、能见度低、喷雾、滴水等不利因素，对视频图像的采集影响较大，因此基于视频技术的掘锚一体机监控系统工作可靠性和效果并不理想，难以可视化直观反映矿井综掘工作面环境、工况状态和设备运行状态，以及对设备进行故障定位和健康预测等问题。
为实现上述目的，本发明提供如下技术方案：一种基于数字孪生技术的掘锚一体机监控系统，包括：
掘锚一体机物理本体：矿井掘锚一体机，工作执行部，负责进行掘锚工作的正常进行；
传感器群：分布固定安装在掘锚一体机物理本体上，负责实时采集掘锚一体机物理本体运动的相关数据并即时反馈数据；
维护建议数据库：针对仿真模拟深度学习之后所生成的自动调优参数值并生成维护建议数据的存储库；
孪生体性能退化模型：根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性，即用软件来仿真和增强矿井掘锚一体机的行位方式，具体为先使用CAD建立矿井掘锚一体机初步的二维图纸，再使用CREO软件建立矿井掘锚一体机的三维模型和矿井掘锚一体机的正常工作状态下的模型运动动画和其仿真运动节点与执行端的运动轨迹并纪录，当被监测的矿井掘锚一体机个体的实际工作状态以及各个运动节点与之前建立的矿井掘锚一体机的正常工作状态下的模型运动动画和其仿真运动节点与执行端的运动轨迹产生偏差时，该偏差值即为该矿井掘锚一体机孪生体的性能退化值；
智能维护系统：基于物理传感器与虚拟软件进行数据交互，验证仿真模型，使用Simulink Design Optimization自动调优参数值，以便模型生成与实测数据匹配的结果，对物理模型与仿真模型进行一致性与可靠性验证；
性能退化和典型故障数据库：针对衰减性数据进行存储和记录节点，从而获取对应的故障编号，进行编排存储；
日常维护基本信息库：使用Predictive Maintenance Toolbox提供的提取训练数据的各种选项，优选预测算法；
中央处理器：针对各数据之间的处理与调取工作；
运行工况数据库：针对运行工况数据进行存储和调取工作。
优选的，所述传感器群包括压力传感器、光电传感器、温度传感器和烟雾传感器。
优选的，所述中央处理器通过仿真模拟、深度学习算法进行感知分析、SimulinkDesign Optimization自动调优参数值，在Maplesim中重新设定优化后的仿真参数；利用仿真结果提取训练数据，用于机器学习算法。
优选的，所述孪生体为掘锚一体机的数字孪生模型，对掘锚一体机进行数字孪生。
优选的，所述掘锚一体机的数字孪生模型采用redictive Maintenance Toolbox提取训练数据，从实测数据中选取故障精度最高的训练算法，将该算法导入到Maplesim的数字孪生体中，通过数字孪生体与物理本体的数据交互。
优选的，所述数据交互基于数据与模型的双驱动模式，实现实时监控、智能感知、远程调试、精准定位和故障预测。
优选的，所述数字孪生为在Maplesim中构建液压、电气、机械部分仿真模型，设置仿真条件，添加传感器模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，孪生模型将各要素属性和行为反馈到物理模型控制硬件。
优选的，所述孪生模型在掘锚一体机物理实体中布置相应传感器，形成可交互的数字孪生体。
优选的，所述掘锚一体机数字孪生的方法，包括如下步骤：
步骤一：用CAD建立二维基础图纸，再使用CREO三维软件建立掘锚一体机三维零件模型,可以根据需要简化，然后组装三维装配体可视化模型；
步骤二：将三维模型导入Maplesim软件，根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性；
步骤三：在Maplesim中构建液压、电气、机械部分仿真模型，设置仿真条件，添加传感器模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，孪生模型将各要素属性和行为反馈到物理模型控制硬件，如控制器等，在掘锚一体机物理实体中布置相应传感器，形成可交互的数字孪生体，通过数据驱动方式实现数字孪生体与物理实体的信息交互；实现对物理模型的控制、监视；
步骤四：基于物理传感器与虚拟软件进行数据交互，验证仿真模型，使用SimulinkDesign Optimization自动调优参数值，以便模型生成与实测数据匹配的结果，对物理模型与仿真模型进行一致性与可靠性验证；
步骤五：使用Predictive Maintenance Toolbox提供的提取训练数据的各种选项，优选预测算法。
优选的，所述数据驱动方式实现数字孪生体与物理实体的信息交互，实现对物理模型的控制、监视。
与现有技术相比，本发明的有益效果是：
本发明解决了现有监控系统依赖于视频信息对井下粉尘敏感、实时性差、只能单向观测等问题，提高了矿井掘锚一体机的监控效果，更形象化，实现一种仿形控制。
附图说明
图1为本发明掘锚一体机故障预测流程图；
图2为本发明掘锚一体机故障预测维护结构模型系统图；
图3为本发明掘锚一体机数字孪生监控系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
请参阅图1至图3，本发明提供的一种实施例：一种基于数字孪生技术的掘锚一体机监控系统，包括：
掘锚一体机物理本体：矿井掘锚一体机，工作执行部，负责进行掘锚工作的正常进行；
传感器群：分布固定安装在掘锚一体机物理本体上，负责实时采集掘锚一体机物理本体运动的相关数据并即时反馈数据；
维护建议数据库：针对仿真模拟深度学习之后所生成的自动调优参数值并生成维护建议数据的存储库；
孪生体性能退化模型：根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性，即用软件来仿真和增强矿井掘锚一体机的行位方式，具体为先使用CAD建立矿井掘锚一体机初步的二维图纸，再使用CREO软件建立矿井掘锚一体机的三维模型和矿井掘锚一体机的正常工作状态下的模型运动动画和其仿真运动节点与执行端的运动轨迹并纪录，当被监测的矿井掘锚一体机个体的实际工作状态以及各个运动节点与之前建立的矿井掘锚一体机的正常工作状态下的模型运动动画和其仿真运动节点与执行端的运动轨迹产生偏差时，该偏差值即为该矿井掘锚一体机孪生体的性能退化值；
智能维护系统：基于物理传感器与虚拟软件进行数据交互，验证仿真模型，使用Simulink Design Optimization自动调优参数值，以便模型生成与实测数据匹配的结果，对物理模型与仿真模型进行一致性与可靠性验证；
性能退化和典型故障数据库：针对衰减性数据进行存储和记录节点，从而获取对应的故障编号，进行编排存储；
日常维护基本信息库：使用Predictive Maintenance Toolbox提供的提取训练数据的各种选项，优选预测算法；
中央处理器：针对各数据之间的处理与调取工作；
运行工况数据库：针对运行工况数据进行存储和调取工作。
进一步，传感器群包括压力传感器、光电传感器、温度传感器和烟雾传感器。
进一步，中央处理器通过仿真模拟、深度学习算法进行感知分析、SimulinkDesign Optimization自动调优参数值，在Maplesim中重新设定优化后的仿真参数；利用仿真结果提取训练数据，用于机器学习算法。
进一步，所述孪生体为掘锚一体机的数字孪生模型，对掘锚一体机进行数字孪生。
进一步，掘锚一体机的数字孪生模型采用redictive Maintenance Toolbox提取训练数据，从实测数据中选取故障精度最高的训练算法，将该算法导入到Maplesim的数字孪生体中，通过数字孪生体与物理本体的数据交互。
进一步，数据交互基于数据与模型的双驱动模式，实现实时监控、智能感知、远程调试、精准定位和故障预测。
进一步，数字孪生为在Maplesim中构建液压、电气、机械部分仿真模型，设置仿真条件，添加传感器模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，孪生模型将各要素属性和行为反馈到物理模型控制硬件。
进一步，孪生模型在掘锚一体机物理实体中布置相应传感器，形成可交互的数字孪生体。
进一步，掘锚一体机数字孪生的方法，包括如下步骤：
步骤一：用CAD建立二维基础图纸，再使用CREO三维软件建立掘锚一体机三维零件模型,可以根据需要简化，然后组装三维装配体可视化模型；
步骤二：将三维模型导入Maplesim软件，根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性；
步骤三：在Maplesim中构建液压、电气、机械部分仿真模型，设置仿真条件，添加传感器模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，孪生模型将各要素属性和行为反馈到物理模型控制硬件，如控制器等，在掘锚一体机物理实体中布置相应传感器，形成可交互的数字孪生体，通过数据驱动方式实现数字孪生体与物理实体的信息交互；实现对物理模型的控制、监视；
步骤四：基于物理传感器与虚拟软件进行数据交互，验证仿真模型，使用SimulinkDesign Optimization自动调优参数值，以便模型生成与实测数据匹配的结果，对物理模型与仿真模型进行一致性与可靠性验证；
步骤五：使用Predictive Maintenance Toolbox提供的提取训练数据的各种选项，优选预测算法。
进一步，数据驱动方式实现数字孪生体与物理实体的信息交互，实现对物理模型的控制、监视。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种基于数字孪生技术的掘锚一体机监控系统，其特征在于,包括：掘锚一体机物理本体：矿井掘锚一体机，工作执行部，负责进行掘锚工作的正常进行；
传感器群：分布固定安装在掘锚一体机物理本体上，负责实时采集掘锚一体机物理本体运动的相关数据并即时反馈数据；
维护建议数据库：针对仿真模拟深度学习之后所生成的自动调优参数值并生成维护建议数据的存储库；
孪生体性能退化模型：根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性，即用软件来仿真和增强矿井掘锚一体机的行位方式，具体为先使用CAD建立矿井掘锚一体机初步的二维图纸，再使用CREO软件建立矿井掘锚一体机的三维模型和矿井掘锚一体机的正常工作状态下的模型运动动画和其仿真运动节点与执行端的运动轨迹并纪录，当被监测的矿井掘锚一体机个体的实际工作状态以及各个运动节点与之前建立的矿井掘锚一体机的正常工作状态下的模型运动动画和其仿真运动节点与执行端的运动轨迹产生偏差时，该偏差值即为该矿井掘锚一体机孪生体的性能退化值；
智能维护系统：基于物理传感器与虚拟软件进行数据交互，验证仿真模型，使用Simulink Design Optimization自动调优参数值，以便模型生成与实测数据匹配的结果，对物理模型与仿真模型进行一致性与可靠性验证；
性能退化和典型故障数据库：针对衰减性数据进行存储和记录节点，从而获取对应的故障编号，进行编排存储；
日常维护基本信息库：使用Predictive Maintenance Toolbox提供的提取训练数据的各种选项，优选预测算法；
中央处理器：针对各数据之间的处理与调取工作；
运行工况数据库：针对运行工况数据进行存储和调取工作。
2.根据权利要求1所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述传感器群包括压力传感器、光电传感器、温度传感器和烟雾传感器。
3.根据权利要求1所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述中央处理器通过仿真模拟、深度学习算法进行感知分析、Simulink DesignOptimization自动调优参数值，在Maplesim中重新设定优化后的仿真参数；利用仿真结果提取训练数据，用于机器学习算法。
4.根据权利要求1所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述孪生体为掘锚一体机的数字孪生模型，对掘锚一体机进行数字孪生。
5.根据权利要求4所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述掘锚一体机的数字孪生模型采用redictive Maintenance Toolbox提取训练数据，从实测数据中选取故障精度最高的训练算法，将该算法导入到Maplesim的数字孪生体中，通过数字孪生体与物理本体的数据交互。
6.根据权利要求5所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述数据交互基于数据与模型的双驱动模式，实现实时监控、智能感知、远程调试、精准定位和故障预测。
7.根据权利要求1所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述数字孪生为在Maplesim中构建液压、电气、机械部分仿真模型，设置仿真条件，添加传感器模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，孪生模型将各要素属性和行为反馈到物理模型控制硬件。
8.根据权利要求7所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述孪生模型在掘锚一体机物理实体中布置相应传感器，形成可交互的数字孪生体。
9.根据权利要求4所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述掘锚一体机数字孪生的方法，包括如下步骤：
步骤一：用CAD建立二维基础图纸，再使用CREO三维软件建立掘锚一体机三维零件模型,可以根据需要简化，然后组装三维装配体可视化模型；
步骤二：将三维模型导入Maplesim软件，根据物理实体的几何外形和机械结构，定义物理模型的几何属性、运动属性和功能属性；
步骤三：在Maplesim中构建液压、电气、机械部分仿真模型，设置仿真条件，添加传感器模型，通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制，孪生模型将各要素属性和行为反馈到物理模型控制硬件，如控制器等，在掘锚一体机物理实体中布置相应传感器，形成可交互的数字孪生体，通过数据驱动方式实现数字孪生体与物理实体的信息交互；实现对物理模型的控制、监视；
步骤四：基于物理传感器与虚拟软件进行数据交互，验证仿真模型，使用SimulinkDesign Optimization自动调优参数值，以便模型生成与实测数据匹配的结果，对物理模型与仿真模型进行一致性与可靠性验证；
步骤五：使用Predictive Maintenance Toolbox提供的提取训练数据的各种选项，优选预测算法。
10.根据权利要求8所述的一种基于数字孪生技术的掘锚一体机监控系统，其特征在于：所述数据驱动方式实现数字孪生体与物理实体的信息交互，实现对物理模型的控制、监视。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110553578.XA CN113221461B (zh) | 2021-05-20 | 2021-05-20 | 一种基于数字孪生技术的掘锚一体机监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110553578.XA CN113221461B (zh) | 2021-05-20 | 2021-05-20 | 一种基于数字孪生技术的掘锚一体机监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113221461A true CN113221461A (zh) | 2021-08-06 |
| CN113221461B CN113221461B (zh) | 2022-09-27 |
Family
ID=77093383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110553578.XA Active CN113221461B (zh) | 2021-05-20 | 2021-05-20 | 一种基于数字孪生技术的掘锚一体机监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113221461B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688467A (zh) * | 2021-08-27 | 2021-11-23 | 中国铁建重工集团股份有限公司 | 一种掘锚一体机动力学建模及仿真方法 |
| CN114254414A (zh) * | 2021-12-30 | 2022-03-29 | 大连蓝雪智能科技有限公司 | 面向数字孪生的旋转机组虚拟现实方法、装置、电子设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
| CN111177942A (zh) * | 2020-01-06 | 2020-05-19 | 中国矿业大学(北京) | 矿井无人化综掘工作面数字孪生智能监控系统 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
| US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
| CN111723448A (zh) * | 2020-06-29 | 2020-09-29 | 中国矿业大学(北京) | 数字孪生智能综采工作面液压支架直线度监测方法 |
| CN111862323A (zh) * | 2020-07-08 | 2020-10-30 | 北京科技大学 | 多元孕灾数字孪生智能感知辨识预警系统及方法 |
| CN112281972A (zh) * | 2020-10-30 | 2021-01-29 | 合肥学院 | 一种基于无人操作挖掘机的远程监控结构及挖掘机 |
| CN112392485A (zh) * | 2020-11-12 | 2021-02-23 | 临沂矿业集团菏泽煤电有限公司 | 煤矿综采工作面透明化数字孪生自适应开采系统和方法 |
| CN112666845A (zh) * | 2020-12-25 | 2021-04-16 | 北京天地玛珂电液控制系统有限公司 | 综采工作面的仿真测试系统以及仿真测试方法 |
-
2021
- 2021-05-20 CN CN202110553578.XA patent/CN113221461B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
| CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
| CN111208759A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 矿井无人化综采工作面数字孪生智能监控系统 |
| CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
| CN111177942A (zh) * | 2020-01-06 | 2020-05-19 | 中国矿业大学(北京) | 矿井无人化综掘工作面数字孪生智能监控系统 |
| CN111723448A (zh) * | 2020-06-29 | 2020-09-29 | 中国矿业大学(北京) | 数字孪生智能综采工作面液压支架直线度监测方法 |
| CN111862323A (zh) * | 2020-07-08 | 2020-10-30 | 北京科技大学 | 多元孕灾数字孪生智能感知辨识预警系统及方法 |
| CN112281972A (zh) * | 2020-10-30 | 2021-01-29 | 合肥学院 | 一种基于无人操作挖掘机的远程监控结构及挖掘机 |
| CN112392485A (zh) * | 2020-11-12 | 2021-02-23 | 临沂矿业集团菏泽煤电有限公司 | 煤矿综采工作面透明化数字孪生自适应开采系统和方法 |
| CN112666845A (zh) * | 2020-12-25 | 2021-04-16 | 北京天地玛珂电液控制系统有限公司 | 综采工作面的仿真测试系统以及仿真测试方法 |
Non-Patent Citations (6)
| Title |
|---|
| CHAO ZHANG等: "A data- and knowledge-driven framework for digital twin manufacturing cell", 《PROCEDIA CIRP》 * |
| JIACHENG XIE等: "Virtual monitoring method for hydraulic supports based on digital twin theory", 《MINING TECHNOLOGY》 * |
| 刘凤伟等: "正利煤矿综采工作面全系统智能化控制的实现", 《煤矿安全》 * |
| 张帆等: "智慧矿山数字孪生技术研究综述", 《煤炭科学技术》 * |
| 谢嘉成等: "基于数字孪生的综采工作面生成系统设计与运行模式", 《计算机集成制造系统》 * |
| 赵浩然等: "面向数字孪生车间的三维可视化实时监控方法", 《计算机集成制造系统》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688467A (zh) * | 2021-08-27 | 2021-11-23 | 中国铁建重工集团股份有限公司 | 一种掘锚一体机动力学建模及仿真方法 |
| CN113688467B (zh) * | 2021-08-27 | 2023-01-03 | 中国铁建重工集团股份有限公司 | 一种掘锚一体机动力学建模及仿真方法 |
| CN114254414A (zh) * | 2021-12-30 | 2022-03-29 | 大连蓝雪智能科技有限公司 | 面向数字孪生的旋转机组虚拟现实方法、装置、电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113221461B (zh) | 2022-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111177942B (zh) | 矿井无人化综掘工作面数字孪生智能监控系统 | |
| CN107729065B (zh) | 一种三维监控的方法以及系统 | |
| CN110399642B (zh) | 一种针对生产流水线的数字孪生体及其构建方法和应用 | |
| CN111210359B (zh) | 面向智能矿山场景的数字孪生演化机理及方法 | |
| CN113221461B (zh) | 一种基于数字孪生技术的掘锚一体机监控系统 | |
| CN103093663B (zh) | 水电站三维精确建模及可视化仿真培训系统及其实施方法 | |
| CN113610290B (zh) | 一种基于数字孪生技术应用到煤矿采掘设备的监控系统 | |
| CN106843124A (zh) | 一种自动化仓库三维实时监控方法和系统 | |
| CN110083119A (zh) | 一种基于数字孪生的可视化电力系统机房监控系统和方法 | |
| CN109976296A (zh) | 一种基于虚拟传感器的车间生产过程可视化系统及构建方法 | |
| CN109525192B (zh) | 利用三维立体建模实现监控光伏电站的方法 | |
| CN114372341A (zh) | 基于数字孪生的钢铁热轧管控系统及方法 | |
| CN113495542A (zh) | 一种基于WebGL的工业机器人智能生产线仿真系统 | |
| CN103646348B (zh) | 一种保存厂站接线图全景反演上下文方法 | |
| CN113420465B (zh) | 一种基于数字孪生模型的液压支架全寿命周期管理方法 | |
| CN113752264A (zh) | 基于数字孪生的机械臂智能装备控制方法及系统 | |
| CN114815757A (zh) | 一种面向水泥工厂数字孪生虚拟巡检方法 | |
| CN113917851A (zh) | 一种基于数字孪生的虚拟测试环境搭建方法 | |
| CN102877443A (zh) | 一种基于虚拟现实和物联网技术的水闸交互控制系统 | |
| CN116643542A (zh) | 一种基于低代码开发平台的油田站场数字孪生工艺组态方法、系统及装置 | |
| CN103839186B (zh) | 基于对象‑消息树的矿井工况三维可视化方法 | |
| CN115981259A (zh) | 一种基于数字孪生技术的工业全真仿真方法及系统 | |
| CN118246310A (zh) | 一种面向装备远程智能监控与运维的数字孪生建模方法 | |
| CN110166314A (zh) | 基于物联网和bim的建筑物平移监控方法及非暂时性计算机可读存储介质 | |
| CN113922502A (zh) | 一种智能视频运维管理系统及管理方法 |
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 |