CN113343500B - 一种构建数字孪生系统的方法及计算设备 - Google Patents
一种构建数字孪生系统的方法及计算设备 Download PDFInfo
- Publication number
- CN113343500B CN113343500B CN202110773289.0A CN202110773289A CN113343500B CN 113343500 B CN113343500 B CN 113343500B CN 202110773289 A CN202110773289 A CN 202110773289A CN 113343500 B CN113343500 B CN 113343500B
- Authority
- CN
- China
- Prior art keywords
- equipment
- model
- fault
- speed
- type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000003860 storage Methods 0.000 claims description 20
- 238000003745 diagnosis Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 10
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 239000000428 dust Substances 0.000 claims description 5
- 238000004880 explosion Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 17
- 238000005096 rolling process Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
-
- 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]
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)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种构建数字孪生系统的方法，包括步骤：确定多个设备类型，分别建立与每个类型的设备相对应的设备模型，其中包括，建立与设备的每个结构部件相对应的部件模型；建立与每个类型的设备的每个结构部件相对应的测点模型；基于设备的工况属性和环境属性建立与每个类型的设备相对应的监测模型；建立与每个设备模型相对应的故障模型，故障模型包括与设备模型相对应的一种或多种故障指标；基于设备模型、相应的测点模型、监测模型和故障模型，构建与设备相对应的数字孪生系统，以便根据相应的测点模型和监测模型来采集设备模型中的每个部件模型的状态数据，并根据故障模型确定设备的故障信息。本发明还一并公开了相应的计算设备。
Description
技术领域
本发明涉及数字孪生技术领域，特别涉及一种构建数字孪生系统的方法及计算设备。
背景技术
数字孪生可应用在众多领域，目前在产品设计、产品制造、医学诊断分析、工程建设等领域应用较多。
在动设备领域，产品设计过程中一般会通过模拟软件(例如ABAQUS、ANSYS、MSC等限元分析软件，以及，3D MAX、Maya等3D建模软件)来对设备进行数字化建模，将真实世界的设备映射到数字空间，实现设备从真实的物理世界到数字世界的转换。通过在数字世界模拟物理设备的形状、性能参数、材料特性，例如包括刚度、尺寸、结构类型等，并加以工况等场景化因素，以模拟设备在不同场景下的受力、变形、受损、解体等状况，研究设备在运行过程中的状态以及使用极限，设计符合应用需求的相关参数，并进行完善和改进，以使设备在实际运行过程中更加稳定可靠，提高设备使用寿命。
在设备制造完成并投运后，为确保设备的安装可靠运行，对设备进行状态监测和故障分析是设备生产和管理过程中的关键。因此，还需要进一步对监测设备运行时的状态表征进行数字化，例如对设备的振动、温度、电流、压力等状态进行数字化，根据这些参量来监测设备本体的异常或故障。
举例来说，对于动设备的振动状态监测，需要了解设备的参数、结构、运行工况特点等详细信息，例如设备的转速、传动结构形式、零件类型及参数(转轴承型号、齿轮齿数等)、运行时的转速工况等，才能对设备的故障状态进行精确分析和判断，例如判断设备哪个部件或零件损伤、损伤类型是什么、程度如何、预测未来的变化趋势等等。而且，不同类型设备的相关属性也有显著差异，例如，高速设备与低速设备在振动幅值上有很大差异，立式结构与卧式结构的设备在振动形态上会有一定差异，滑动轴承与滚动轴承在振动特征上存在一定差异，行星齿和平行齿结构在故障频率计算和分析方法上都有一定差异。基于此，对设备建立全面、细化的模型，对于设备状态监测和诊断都至关重要。
现有技术中，往往只针对某一类设备的物理结构建立一种模型，没有形成完整的体系。而且，现有的数字化建模也没有考虑不同类型设备以及设备的不同部件在结构、运行工况、实时转速等方面的差异，因此，基于现有的数字化建模方案不能够准确、全面地分析设备故障状态，也不能实现对故障的定位。
为此，需要一种构建数字孪生系统的方法，以解决上述技术方案中存在的问题。
发明内容
为此，本发明提供一种构建数字孪生系统的方法，以力图解决或者至少缓解上面存在的问题。
根据本发明的一个方面，提供了一种构建数字孪生系统的方法，在计算设备中执行，包括步骤：确定多个设备类型，分别建立与每个类型的设备相对应的设备模型，其中包括，建立与设备的每个结构部件相对应的部件模型；建立与每个类型的设备的每个结构部件相对应的测点模型，形成测点模型集合；基于设备的工况属性和环境属性建立与每个类型的设备相对应的监测模型；建立与每个设备模型相对应的故障模型，所述故障模型包括与设备模型相对应的一种或多种故障指标；以及基于所述设备模型、相应的测点模型、监测模型和故障模型，构建与设备相对应的数字孪生系统，以便根据相应的测点模型和监测模型来采集设备模型中的每个部件模型的状态数据，并根据故障模型确定设备的故障信息。
可选地，在根据本发明的构建数字孪生系统的方法中，建立与每个类型的设备的每个结构部件相对应的测点模型的步骤还包括：建立与每个类型的设备的每个结构部件相对应的一个或多个指标，形成指标集合，以便根据相应的指标来采集设备模型中的每个部件模型的指标数据。
可选地，在根据本发明的构建数字孪生系统的方法中，还包括步骤：基于与每个设备模型相对应的故障模型生成诊断模型。
可选地，在根据本发明的构建数字孪生系统的方法中，根据故障模型确定设备的故障信息的步骤包括：将设备的状态数据输入所述诊断模型，经所述诊断模型处理后输出所述设备模型的故障信息。
可选地，在根据本发明的构建数字孪生系统的方法中，所述故障指标包括故障类型、故障部位、故障程度、劣化速度中的一种或多种。
可选地，在根据本发明的构建数字孪生系统的方法中，建立与设备的每个结构部件相对应的部件模型的步骤包括：对于每个类型的设备，确定设备所包含的多个结构部件，并建立与设备的每个结构部件相对应的部件模型。
可选地，在根据本发明的构建数字孪生系统的方法中，所述工况属性包括转速特性和转速级别，所述转速特性包括连续变速、阶梯型变速和稳态，所述转速级别包括超高速、高速、中速、低速和超低速；所述环境属性包括防爆、高温、低温、高粉尘和高湿。
可选地，在根据本发明的构建数字孪生系统的方法中，所述设备包括动态设备、静态设备、电气设备和仪表设备；所述动态设备包括泵类设备，所述泵类设备包括离心泵、磁力泵、屏蔽泵、齿轮泵、螺杆泵、高速泵、喷射泵中的一个或多个设备类型。
可选地，在根据本发明的构建数字孪生系统的方法中，所述结构部件包括驱动机构、传动机构、执行机构、连接机构中的一种或多种。
可选地，在根据本发明的构建数字孪生系统的方法中，所述指标数据包括振动数据、温度数据或工艺数据。
根据本发明的一个方面，提供了一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如上所述的构建数字孪生系统的方法的指令。
根据本发明的一个方面，提供了一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如上所述方法。
根据本发明的技术方案，提供了一种构建数字孪生系统的方法，针对设备领域中每个类型的设备，分别建立与设备中的每个结构部件相对应的部件模型来得到设备模型，并建立与设备模型相对应的测点模型、监测模型、故障模型，进而构建得到与各个类型的设备相对应的数字孪生系统。这样，本发明建立了各种类型的设备实体与数字孪生系统之间的映射关系，根据这种映射关系，在设备实体与数字孪生系统之间形成了双向的关联关系，能实现每个类型的设备实体与数字孪生系统之间相互作用，形成完整闭环。基于此，对于每个类型的设备，不仅可以利用与设备相对应的数字孪生系统来映射设备在运行过程中的运行状态，而且，可以利用数字孪生系统来分析设备故障，并可以根据数字孪生系统所反映的设备故障问题来改良实体设备。
另外，本发明根据设备的不同结构部件、并结合设备实际运行时的工况和环境等属性，来建立各个数字化模型，这样，最终建立的与设备相对应的数字孪生系统能够更加精确的反映设备实体的运行状态。根据最终建立的数字孪生模型，可以更加精确、全面地分析和预测设备的故障状态。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的示意图；以及
图2示出了根据本发明一个实施例的构建数字孪生系统的方法200的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是示例计算设备100的示意框图。
如图1所示，在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(UP)、微控制器(UC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。
计算设备100还包括储存设备132，储存设备132包括可移除储存器136和不可移除储存器138。
计算设备100还可以包括储存接口总线134。储存接口总线134实现了从储存设备132(例如，可移除储存器136和不可移除储存器138)经由总线/接口控制器130到基本配置102的通信。操作系统120、应用122以及数据124的至少一部分可以存储在可移除储存器136和/或不可移除储存器138上，并且在计算设备100上电或者要执行应用122时，经由储存接口总线134而加载到系统存储器106中，并由一个或者多个处理器104来执行。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以是这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中以编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。当然，计算设备100也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、数码照相机、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。甚至可以被实现为服务器，如文件服务器、数据库服务器、应用程序服务器和WEB服务器等。本发明的实施例对此均不做限制。
在根据本发明的实施例中，计算设备100被配置为执行根据本发明的构建数字孪生系统的方法200。其中，计算设备100的应用122中包含用于执行本发明的构建数字孪生系统的方法200的多条程序指令，这些程序指令可以被计算设备100读取并执行，以便计算设备100执行根据本发明的构建数字孪生系统的方法200。
图2示出了根据本发明一个实施例的构建数字孪生系统的方法200的流程图。方法200适于在计算设备(例如前述计算设备200中执行)。
如图2所示，方法200始于步骤S210。
在步骤S210中，确定多个设备类型，分别建立与每个类型的设备相对应的设备模型，其中包括建立与设备的每个结构部件相对应的部件模型。具体而言，对于每个类型的设备，在建立与每个类型的设备相对应的设备模型时，通过确定设备中包括的多个结构部件，分别建立与每个结构部件相对应的部件模型，根据设备的每个结构部件对应的部件模型组合形成设备模型。
需要说明的是，本发明的设备可以包括动态设备、静态设备、电气设备、仪表设备等各个领域的设备。本发明可以根据实际研究的设备领域，来确定设备领域下的多个设备大类，并确定设备大类下细分的多个设备类型。例如，在一种实现方式中，对于所要研究的动态设备下的泵类设备，泵类设备下细分的多个设备类型可以包括离心泵、磁力泵、屏蔽泵、齿轮泵、螺杆泵、高速泵、喷射泵等。在又一种实现方式中，对于所要研究的动态设备下的风机，风机下细分的多个设备类型可以包括离心通风机、离心鼓风机、轴流通风机、轴流鼓风机、混流风机等。但，应当指出，本发明的构建数字孪生系统的方法200并不限于上述列举的设备。
应当理解，根据本发明的技术方案，对于每个设备领域划分为多个设备类型，来建立与每个设备类型相对应的设备模型，从而实现设备模型的精细化。并且，对于每个设备模型，根据设备中的各个结构部件来分别建立对应的部件模型，从而实现对设备各个部件的模块化，使各个部件模型的通用性更强，有利于个性化定制模型。
在步骤S220中，建立与每个类型的设备的每个结构部件相对应的测点模型，形成测点模型集合。这样，对于每个类型的设备而言，可以通过与设备中的每个结构部件相对应的测点模型来采集设备模型中每个部件模型的运行状态数据。测点模型也即是采集模型。
需要说明的是，测点模型是根据设备的各个结构部件的结构及其运行工况而构建的，充分考虑了不同部件的结构和工况的差异性。对于每个设备，分别建立与设备的各个部件相对应的测点和工况等价的测点模型，这样，在采集设备的状态数据时，可以根据与设备中的每个结构部件相对应的测点模型来统一采集设备模型中各个部件的运行状态数据。
在一种实现方式中，设备的结构部件例如包括电机，对于电机而言，其对应的测点模型例如是电机+滚动+高速、电机+滑动+中速、电机+滚动滑动+低速、电机+滚动滑动+中速，但本发明不限于此，设备的结构部件例如还可以包括齿轮箱，对于齿轮箱而言，所建立的与齿轮箱相对应的测点模型可以实现为：行星齿轮+滚动+高速、平行齿轮+滑动+中速，但本发明不限于此。应当理解，与电机、齿轮箱等结构部件相对应的测点模型可以根据在实际应用中电机、齿轮箱的运行工况来建立。
例如，对于双支撑泵这种设备，其结构部件包括电机和泵，其中电机为滚动轴承支撑，泵为滑动轴承支撑，其转速例如在2995rpm高速运行。那么，电机自由端与驱动端的测点模型可以实现为：电机+滚动轴承+高速；泵驱动端与自由端的测点模型可以实现为：叶轮+滑动轴承+高速。这样，便建立了与电机、泵相对应的测点模型。
根据一个实施例，在建立与每个类型的设备的每个结构部件相对应的测点模型后，还进一步建立与每个类型的设备的每个结构部件相对应的一个或多个指标，形成指标集合。这样，在通过相应的测点模型采集设备的运行状态数据时，可以根据与设备中的每个结构部件相对应的一个或多个指标来采集设备模型中的每个部件模型的一种或多种指标数据。
也就是说，本发明通过预先建立与每个类型的设备中的每个结构部件相对应的测点模型和相应的指标，这样，当需要采集设备的运行状态数据时，可以获取预先建立的与设备中的每个结构部件相对应的测点模型和一个或多个指标，根据与每个结构部件相对应的测点模型和一个或多个指标从设备模型中的每个部件模型上采集相应的一种或多种指标数据。
在一种实施方式中，指标数据例如可以包括振动数据、温度数据、工艺数据等，但本发明不限于上述指标种类。
在步骤S230中，基于设备的工况属性和环境属性来建立与每个类型的设备相对应的监测模型。这里，监测模型即是用于监测设备的方法。
需要说明的是，监测模型是根据设备的结构、设备的工作环境及运行工况而构建的，充分考虑了在监测设备状态时，不同类型设备的状态数据会受设备结构、运行工况、工作环境等多重因素影响的实际情况。这样，在监测设备状态时，可以结合在实际应用中的设备的结构、工作环境和工况，采用相应的监测模型来采集设备的状态数据，监测模型是全方位考虑了影响设备状态数据的各种因素，从而有利于更准确、可靠地监测设备状态。
在一个实施例中，工况属性例如包括转速特性和转速级别，其中，转速特性例如包括连续变速、阶梯型变速、稳态等，转速级别例如包括超高速、高速、中速、低速、超低速等不同转速级别。环境属性包括防爆、高温、低温、高粉尘、高湿等。本发明建立的监测模型充分考虑了设备在不同工况、不同环境下对设备实际运行状态的影响，这样，根据各类指标数据对设备状态的监测能够更加精确地反映设备实体的运行状态。
在一种实现方式中，以通用离心泵为例，在建立与其相对应的监测模型时，需要根据离心泵的转速特性来确定采用有线监测还是无线监测，并确定是定时采集、还是转速触发采集、或者其它工艺量触发采集；根据离心泵的环境属性来考虑监测产品是否需要考虑防爆、高温、低温、高粉尘、高湿等恶劣环境的影响，以便根据防爆、高温、低温、高粉尘、高湿这些环境属性来选取合适的防护等级。因此，在构建与设备相对应的监测模型时，可以根据设备的工况属性和环境属性来建立相应的监测模型。
应当指出，根据设备的工况属性和环境属性来建立相应的监测模型，所构建的设备数字化模型能够更加精确的反映设备实体的运行状态。这里，以风力发电机的振动值与风速、发电功率之间的关联为例来进一步说明本发明根据工况属性和环境属性来建立数字模型的必要性。例如，一些双馈式风力发电机的正常工作转速分为低速、中速、高速三种工况，低速区间例如为900-1300rpm，中速区间例如为1300-1600rpm，高速区间例如为1600-1900rpm。当风机处于低转速区间时，发电功率低，发电机的振动值也相对较低；当转速处于中速区间时，发电功率升高，发电机的振动值也会相对升高；但当风机转速进一步提升至高速区间时，发电功率与振动值则会同步上升至更高的幅值。而如果不考虑转速、功率对发电机振动值的影响，则在进行故障监测和诊断时，对振动值的高低判断会出现偏差，不符合实际情况。因此，需要将振动值与风机转速、发电功率建立关联，建立风力发电机在各种转速区间、各个发电机功率区间与振动值的关联关系，这样能保证所建立的设备数字化模型能够更加精确的反映设备实体的运行状态，准备判断设备的各类故障。
在步骤S240中，建立与每个设备模型相对应的故障模型。故障模型包括与设备模型相对应的一种或多种故障指标。
需要说明的是，对于每个类型的设备而言，在建立了与设备相对应的设备模型后，便可以确定与设备模型相对应的各种故障指标，也便确定了相应的故障模型。在一个实施例中，故障模型可以包括故障类型、故障部位、故障程度、劣化速度等故障指标。通过将设备的状态数据与故障模型中的各种故障指标进行匹配，便可以确定设备的各项故障信息，即确定设备的故障类型、故障部位、故障程度、劣化速度等故障信息。
以通用离心泵为例，当建立与离心泵相对应的离心泵设备模型后，便可以确定与其相对应的故障模型中的一种或多种故障指标，例如离心泵的故障部位包括：转轴、滑动轴承、联轴器、叶轮、滚动轴承(包括内圈、外圈、滚动体、保持架、游隙)、齿轮、密封、口环、管道、基础和支撑，另外还包括润滑系统、密封系统、冷却系统、电气系统、工艺系统等。
最后，在步骤S250中，基于上述建立的与每个类型的设备相对应的设备模型、相应的测点模型、监测模型和故障模型，来构建与设备相对应的数字孪生系统。这样，可以根据相应的测点模型和监测模型来采集设备模型中的每个部件模型的状态数据，进而根据状态数据并结合故障模型来确定设备的故障信息。具体地，可以确定与故障模型所包括的各项故障指标相对应的故障信息，例如设备的故障类型、故障部位、故障程度、劣化速度等故障信息。
在一个实施例中，根据测点模型和监测模型采集的设备的状态数据可以包括振动数据、温度数据、工艺数据等各种指标数据。这里，本发明对采集的状态数据的种类不做具体限定。
可以理解，本发明构建的数字孪生系统，集成了设备运行、采集设备的状态数据、确定设备故障的全过程的各个模型。
根据一个实施例，在建立与每个设备模型相对应的故障模型之后，还基于与每个设备模型相对应的故障模型来生成诊断模型。这里，生成的诊断模型是基于多个训练样本进行训练之后得到的模型，以便利用诊断模型来确定设备的故障信息。
这样，可以利用诊断模型来根据设备模型的状态数据(一种或多种指标数据)确定设备模型的故障信息。具体地，通过将从设备模型上采集的状态数据输入上述诊断模型，经诊断模型处理后可以输出设备模型的故障信息，例如包括设备的故障类型、故障部位、故障程度、劣化速度等故障信息。
在一个实施例中，诊断模型包括依次相连的预处理模块、诊断网络、验证模块。其中，在将设备的状态数据(一种或多种指标数据)输入诊断模型后首先进入预处理模块，预处理模块对状态数据进行预处理后输出，经预处理后的状态数据输入诊断网络。诊断网络通过从状态数据中提取相关特征，根据提取的特征数据来分析设备的故障类型、故障位置、故障程度、劣化速度等故障信息。具体地，诊断网络可以基于预处理模块的输出数据，利用正态建模的思想，结合变电检测、多参量协同分析、误信号判断、启停机判断等方法，来识别出趋势变化异常的特征数据，并进一步根据特征数据与已知的故障指标组进行匹配，以便确定故障类型和故障位置，实现对设备故障的自动诊断。另外，可以根据输入的指标数据的表现，结合真实设备的故障指标的表现，例如故障程度指标、劣化速度指标，来判断设备的故障程度和劣化速度。此外，诊断网络的输出数据可以输入验证模块，验证模块根据报警等级和对应的报警内容，输出诊断结果。应当指出，本发明对诊断模型的具体结构不做限制。
根据本发明的构建数字孪生系统的方法200，针对设备领域中每个类型的设备，分别建立与设备中的每个结构部件相对应的部件模型来得到设备模型，并建立与设备模型相对应的测点模型、监测模型、故障模型，进而构建得到与各个类型的设备相对应的数字孪生系统。这样，本发明建立了各种类型的设备实体与数字孪生系统之间的映射关系，根据这种映射关系，在设备实体与数字孪生系统之间形成了双向的关联关系，能实现每个类型的设备实体与数字孪生系统之间相互作用，形成完整闭环。基于此，对于每个类型的设备，不仅可以利用与设备相对应的数字孪生系统来映射设备在运行过程中的运行状态，而且，可以利用数字孪生系统来分析设备故障，并可以根据数字孪生系统所反映的设备故障问题来改良实体设备。
另外，本发明根据设备的不同结构部件、并考虑设备实际运行时的工况和环境等属性，来建立各个数字化模型，这样，最终建立的与设备相对应的数字孪生系统能够更加精确的反映设备实体的运行状态。根据最终建立的数字孪生模型，可以更加精确、全面地分析和预测设备的故障状态。
A9、如A1-A8中任一项所述的方法，其中，所述结构部件包括驱动机构、传动机构、执行机构、连接机构中的一种或多种。
A10、如A2所述的方法，其中，所述指标数据包括振动数据、温度数据或工艺数据。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的多语言垃圾文本的识别方法。
以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
Claims (8)
1.一种构建数字孪生系统的方法，在计算设备中执行，包括步骤：
确定多个设备类型，分别建立与每个类型的设备相对应的设备模型，其中包括，建立与设备的每个结构部件相对应的部件模型，其中，所述结构部件包括驱动机构、传动机构、执行机构、连接机构，所述多个设备类型包括动态设备、静态设备、电气设备和仪表设备，所述动态设备包括泵类设备，所述泵类设备包括离心泵、磁力泵、屏蔽泵、齿轮泵、螺杆泵、高速泵、喷射泵中的一个或多个；
建立与每个类型的设备的每个结构部件相对应的测点模型，形成测点模型集合；
基于设备的工况属性和环境属性建立与每个类型的设备相对应的监测模型，其中，所述工况属性包括转速特性和转速级别，所述转速特性包括连续变速、阶梯型变速和稳态，所述转速级别包括超高速、高速、中速、低速和超低速，所述环境属性包括防爆、高温、低温、高粉尘和高湿；
建立与每个设备模型相对应的故障模型，所述故障模型包括与设备模型相对应的多种故障指标，多种故障指标包括故障类型、故障部位、故障程度、劣化速度；以及
基于所述设备模型、相应的测点模型、监测模型和故障模型，构建与设备相对应的数字孪生系统，以便根据相应的测点模型和监测模型来采集设备模型中的每个部件模型的状态数据，并根据故障模型确定设备的故障信息。
2.如权利要求1所述的方法，其中，建立与每个类型的设备的每个结构部件相对应的测点模型的步骤还包括：
建立与每个类型的设备的每个结构部件相对应的一个或多个指标，形成指标集合，以便根据相应的指标来采集设备模型中的每个部件模型的指标数据。
3.如权利要求1或2所述的方法，其中，还包括步骤：
基于与每个设备模型相对应的故障模型生成诊断模型。
4.如权利要求3所述的方法，其中，根据故障模型确定设备的故障信息的步骤包括：
将设备的状态数据输入所述诊断模型，经所述诊断模型处理后输出所述设备模型的故障信息。
5.如权利要求1或2所述的方法，其中，建立与设备的每个结构部件相对应的部件模型的步骤包括：
对于每个类型的设备，确定设备所包含的多个结构部件，并建立与设备的每个结构部件相对应的部件模型。
6.如权利要求2所述的方法，其中，
所述指标数据包括振动数据、温度数据或工艺数据。
7.一种计算设备，包括：
至少一个处理器；以及
存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-6中任一项所述的方法的指令。
8.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-6中任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110773289.0A CN113343500B (zh) | 2021-07-08 | 2021-07-08 | 一种构建数字孪生系统的方法及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110773289.0A CN113343500B (zh) | 2021-07-08 | 2021-07-08 | 一种构建数字孪生系统的方法及计算设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113343500A CN113343500A (zh) | 2021-09-03 |
| CN113343500B true CN113343500B (zh) | 2024-02-23 |
Family
ID=77483026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110773289.0A Active CN113343500B (zh) | 2021-07-08 | 2021-07-08 | 一种构建数字孪生系统的方法及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113343500B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113236491B (zh) * | 2021-05-27 | 2022-04-12 | 华北电力大学 | 一种风力发电数字孪生系统 |
| CN114281029A (zh) * | 2021-10-29 | 2022-04-05 | 新疆金风科技股份有限公司 | 风力发电机的数字孪生系统和方法 |
| CN114826440B (zh) * | 2022-03-31 | 2023-11-24 | 文山电视调频骨干转播台 | 基于数字孪生的发射机监测故障定位方法 |
| CN114756985B (zh) * | 2022-04-01 | 2023-06-23 | 中车大连机车研究所有限公司 | 一种轨道交通圆柱滚子轴承设计方法 |
| CN115013860B (zh) * | 2022-05-27 | 2023-11-03 | 浙江英集动力科技有限公司 | 一种基于楼宇画像的喷射泵供热系统自主优化调控方法 |
| CN115013863B (zh) * | 2022-06-01 | 2023-11-17 | 浙江英集动力科技有限公司 | 基于数字孪生模型的喷射泵供热系统自主优化调控方法 |
| CN115364992B (zh) * | 2022-08-22 | 2023-12-01 | 国能长源武汉青山热电有限公司 | 一种磨煤机健康监测系统及健康监测方法 |
| CN116502931B (zh) * | 2023-02-06 | 2024-02-09 | 北京北投生态环境有限公司 | 一种化工厂污染场地生态环境风险防控用检测系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111911483A (zh) * | 2020-07-16 | 2020-11-10 | 山东大学 | 基于数字孪生的液压系统融合型故障诊断预测方法 |
| CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
| CN112712186A (zh) * | 2020-12-29 | 2021-04-27 | 河南云智慧智能科技有限公司 | 基于智慧变电站数字孪生系统的设备全生命周期管理方法 |
| CN112836404A (zh) * | 2021-01-07 | 2021-05-25 | 大连理工大学 | 智能挖掘机的结构性能数字孪生体构建方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3809220B1 (en) * | 2019-10-14 | 2023-01-18 | Honda Research Institute Europe GmbH | Method and system for semi-supervised deep anomaly detection for large-scale industrial monitoring systems based on time-series data utilizing digital twin simulation data |
-
2021
- 2021-07-08 CN CN202110773289.0A patent/CN113343500B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111911483A (zh) * | 2020-07-16 | 2020-11-10 | 山东大学 | 基于数字孪生的液压系统融合型故障诊断预测方法 |
| CN112162519A (zh) * | 2020-10-21 | 2021-01-01 | 桂林电子科技大学 | 一种复合型机床数字孪生监控系统 |
| CN112712186A (zh) * | 2020-12-29 | 2021-04-27 | 河南云智慧智能科技有限公司 | 基于智慧变电站数字孪生系统的设备全生命周期管理方法 |
| CN112836404A (zh) * | 2021-01-07 | 2021-05-25 | 大连理工大学 | 智能挖掘机的结构性能数字孪生体构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113343500A (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113343500B (zh) | 一种构建数字孪生系统的方法及计算设备 | |
| Yang et al. | VIBEX: an expert system for vibration fault diagnosis of rotating machinery using decision tree and decision table | |
| Ying et al. | Study on rolling bearing on-line reliability analysis based on vibration information processing | |
| CN110674842A (zh) | 一种风电机组主轴轴承故障预测方法 | |
| Bruna et al. | Isothermal boundary condition at casing applied to the rotor 37 transonic axial flow compressor | |
| Yang et al. | Application of digital twins and metaverse in the field of fluid machinery pumps and fans: A review | |
| Pham et al. | Rolling bearing fault diagnosis based on improved GAN and 2-D representation of acoustic emission signals | |
| Bianchini et al. | A systematic approach to estimate the impact of the aerodynamic force induced by rotating stall in a vaneless diffuser on the rotordynamic behavior of centrifugal compressors | |
| Dong et al. | Vibration source identification of offshore wind turbine structure based on optimized spectral kurtosis and ensemble empirical mode decomposition | |
| Jia et al. | Review on engine vibration fault analysis based on data mining | |
| CN113946952A (zh) | 风机孪生体的生成方法、装置及电子设备 | |
| Lei et al. | A new transferable bearing fault diagnosis method with adaptive manifold probability distribution under different working conditions | |
| CN113125135A (zh) | 旋转机械的故障诊断方法、存储介质及电子设备 | |
| JP2018138909A (ja) | 翼振動監視装置および翼振動監視方法 | |
| Dutta et al. | PROAD (Process Advisor): A health monitoring framework for centrifugal pumps | |
| Owolabi et al. | FEM and ANN approaches to wind turbine gearbox monitoring and diagnosis: a mini review | |
| CN111472941B (zh) | 风机状态判断方法、装置及存储介质 | |
| CN116538092B (zh) | 一种压缩机在线监测及诊断方法、装置、设备及存储介质 | |
| de Santis et al. | Condition-based maintenance in hydroelectric plants: A systematic literature review | |
| CN113342620A (zh) | 一种设备监测系统和一种设备监测方法 | |
| Song et al. | Rotor strength and critical speed analysis of a vertical long shaft fire pump connected with different shaft lengths | |
| Paturu et al. | A detailed analysis of free vibration on 70 MW hydro power turbine rotor | |
| Hammami et al. | Maintenance 4.0 of Wind Turbine | |
| CN116429183B (zh) | 一种柴油机性能监测方法 | |
| Park et al. | Flow analysis of 30 kW gate turbine using permanent magnetic generator |
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 |