CN113420465B - 一种基于数字孪生模型的液压支架全寿命周期管理方法 - Google Patents
一种基于数字孪生模型的液压支架全寿命周期管理方法 Download PDFInfo
- Publication number
- CN113420465B CN113420465B CN202110873007.4A CN202110873007A CN113420465B CN 113420465 B CN113420465 B CN 113420465B CN 202110873007 A CN202110873007 A CN 202110873007A CN 113420465 B CN113420465 B CN 113420465B
- Authority
- CN
- China
- Prior art keywords
- hydraulic support
- digital twin
- model
- twin model
- life cycle
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本案提供一种基于数字孪生模型的液压支架全寿命周期管理方法,通过物理体与数字体互联,物理体通过传感器获得的数据与数字体孪生得到的数据经过分析验证能够存入云数据库,并且进行全寿命周期管理维护分析存入全寿命状态库,便于孪生平台的持续分析和应用;通过孪生体可获得周围状态信息和支架内部信息,对物理体周围的环境进行预判断并对物理体的运行安全状态进行预评估;通过神经网络等各类算法分析,将结果发送至控制台,人工进行判断,是否对物理体做出应急处理。与现有技术相比,本案具有预先对液压支架周边环境的预测及控制过程的效果展示,可以以最经济、最便捷的方式对液压支架进行调试、验证,降低制造成本,发挥最大的效益。
Description
技术领域
本发明属于矿山煤炭智能开采技术领域,特别涉及一种基于数字孪生模型的液压支架全寿命周期管理方法。
背景技术
数字孪生作为连接物理世界和信息世界的桥梁,可有效实现信息物理系统的融合,成为智能发展的有效途径。目前,数字孪生主要应用于车间,机床等方面,但整体还属于初级阶段。
而矿山液压支架的监测一开始是人为进行判断,在井下通过安装多个传感器进行判断,测出部件间是否发生机械损伤,但是由于井下的能见度在开采的时候很低,所以支架的各种姿态动作以及部件间的液压状态无法进行感知,对支架造成了一定程度的损伤。
因此,如何克服上述技术缺陷,是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的在于提供一种基于数字孪生模型的液压支架全寿命周期管理方法,可解决上述技术缺陷。
为解决上述技术问题,本发明提供一种基于数字孪生模型的液压支架全寿命周期管理方法,包括以下步骤:
S1.建立物理模型,并获得实时同步的数字孪生模型;
S2.在液压支架设置多个传感器;
S3.根据多个所述传感器的数据,经数据分析与计算,在所述数字孪生模型上实现煤层顶板和底板情况的可视化;
S4.在所述数字孪生模型上放置用于监测油压的探针,可获得实时的油压监测数据,判断油压的实时状态;
S5.将测得的参数信息传至云数据库进行保存,并且通过与所述数字孪生模型融合,进行所述液压支架的全寿命状态分析。
可选的,在所述步骤S2中,所述传感器包括位置传感器,和/或,压力传感器。
可选的,当所述传感器为位置传感器,所述步骤S3具体包括:根据所述液压支架的位置传感器,以及所述液压支架的倾斜角度,在所述数字孪生模型上可绘制煤层底板情况,经过数据分析与计算,可判断煤层底板的倾斜角度。
可选的,当所述传感器为压力传感器,所述步骤S3具体包括:根据所述液压支架的压力传感器,可测得所述液压支架的顶板的各状态情况,在所述数字孪生模型上使煤层顶板情况实现可视化,以判断井下是否处于安全状态。
可选的,所述步骤S1包括:
S101.对所述液压支架进行建模,并导入软件中生成物理模型;
S102.分析所述物理模型的各组件的运动关系,连接运动副;
S103.验证所述物理模型能否跟实际状况相符以及仿真精度是否一致,若上述验证条件均满足,则继续下一步骤,若上述验证条件至少有一项不满足,则跳至步骤S102;
S104.将所述物理模型定义成所需的接口文件;
S105.将所述接口文件导入工作控制平台进行互联,形成所述数字孪生模型;
S106.连接所述数字孪生模型的输入端口和输出端口,以进行实时驱动、实现物理体和数字体的实时交互。
可选的,所述步骤S104具体包括:将所述物理模型通过Modelica建模语言导出形成符合FMI标准的FMU接口文件。
可选的,所述步骤S105具体包括:将已经定义好的所述接口文件导入实时仿真的软硬件工作控制平台进行互联,接口文件需要按照所述软硬件工作控制平台的接口和协议进行发送,最终完成所述数字孪生模型。
可选的,所述步骤S106具体包括,所述工作控制平台对所述数字孪生模型数据进行处理,以及计算,在所述工作控制平台上形成有输入端口和输出端口的所述数字孪生模型,并且对所述数字孪生模型进行一系列的调试,达到模型仿真与工作平台的同步。
可选的,所述步骤S5包括:
S501.由所述传感器感知环境状况,并且发送给所述云数据库,所述云数据库融合各种所述传感器的信号,并且根据功能和算法的定义进行支架全寿命状态的分析,将分析结果存入寿命状态库;
S502.对所述数字孪生模型进行实时监测,获得的模型监测数据可与所述传感器搜集到的信息融合,传至控制台执行,对已经达到支架损坏临界值的信息做出判断和及时处理。
可选的,所述步骤S5中的液压支架全寿命状态分析,采用大数据、智能算法和神经网络的技术对所述液压支架的健康状态进行评估,判断部件发生故障的结构部位,并且做出诊断,根据专家库和以往有工作经验的人员,对所述液压支架及时进行调整。
本发明提供一种基于数字孪生模型的液压支架全寿命周期管理方法,通过物理体与数字体互联,物理体通过传感器获得的数据与数字体孪生得到的数据经过分析验证能够存入云数据库,并且进行全寿命周期管理维护分析存入全寿命状态库,便于孪生平台的持续分析和应用;通过孪生体可获得周围状态信息和支架内部信息,对物理体周围的环境进行预判断并且对物理体的运行安全状态进行预评估;通过神经网络等各类算法分析,将结果发送至控制台,人工进行判断,是否对物理体做出应急处理。本发明与现有技术相比:具有预先对液压支架周边环境的预测及其控制过程的效果展示,相对于现有技术,可以以最经济、最便捷的方式对液压支架进行调试、验证,降低制造成本,发挥最大的效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本方案提供的基于数字孪生模型的液压支架全寿命周期管理方法的第一种具体实施方式的示意图;
图2为本方案提供的基于数字孪生模型的液压支架全寿命周期管理方法的第二种具体实施方式的示意图;
图3为基于数字孪生模型的液压支架全寿命周期管理方法中步骤S1的流程示意图;
图4为基于数字孪生模型的液压支架全寿命周期管理方法中步骤S5的流程示意图。
具体实施方式
本发明的核心是提供一种基于数字孪生模型的液压支架全寿命周期管理方法,具有预先对液压支架周边环境以及内部信息的预测及其控制过程的效果展示,能够以最经济、最便捷的方式对液压支架进行调试、验证,降低制造成本,发挥最大的效益。
为了使本领域的技术人员更好地理解本发明提供的技术方案,下面将结合附图和具体实施例对本发明作进一步的详细说明。
请参考图1-图4,本发明提供一种基于数字孪生模型的液压支架全寿命周期管理方法,包括以下步骤:
S1.建立物理模型,并获得实时同步的数字孪生模型。
S2.在液压支架设置多个传感器。具体地,可在井下各个液压支架上布置多个用于测量位置和压力等参数的传感器。
S3.根据多个传感器的数据,经过数据分析与计算,在数字孪生模型上实现煤层顶板和底板情况的可视化。液压支架的状态信息能够在模型上进行实时的监控,井下液压支架可视化,可及时获取液压支架的位置信息,提前感知液压支架的位姿信息是否处于安全状态。
S4.在数字孪生模型上放置用于监测油压的探针,可获得实时的油压监测数据,判断油压的实时状态。
S5.将测得的位置、压力和油压等参数信息传至云数据库进行保存,并且通过与数字孪生模型融合,进行液压支架的全寿命状态分析。通过上述设置,可在模型上进行动作的编辑,提前感知液压支架的位姿信息是否处于安全状态,将下行指令与上行信息互联,实现实物设备,仿真模型以及上位机的监控数据同步。
需要说明的是,液压支架的内部信息可以在孪生平台上得到实时监测,物理体(物理模型)的有些运行数据在物理模型上难以测得,通过上述步骤S3可知,可以在孪生体(数字孪生模型)上需要测的位置放置多个虚拟传感器,可以采用理想传感器,发送真值数据;也可以使用复杂传感器,发送带误差的数据,进行仿真模拟实验,以此获得需要的数据。同时,通过上述步骤S4可知,液压支架负载信息都可以在数字孪生模型上获得,通过已知的井下传感器数据以及多次模型仿真实验,来判断未知的零部件是否存在损坏情况;通过模拟液压支架在井下的运行状态,多次实验来判断物理体在井下运行的安全状况,可视化进一步增强。
通过物理体与数字体互联,物理体通过传感器获得的数据与数字体孪生得到的数据经过分析验证能够存入云数据库,并且进行全寿命周期管理维护分析存入全寿命状态库,便于孪生平台的持续分析和应用;通过孪生体可获得周围状态信息和支架内部信息,对物理体周围的环境进行预判断并且对物理体的运行安全状态进行预评估;通过神经网络等各类算法分析,将结果发送至控制台,人工进行判断,是否对物理体做出应急处理。本发明与现有技术相比:具有预先对液压支架周边环境的预测及其控制过程的效果展示,相对于现有技术,可以以最经济、最便捷的方式对液压支架进行调试、验证,降低制造成本,发挥最大的效益。
具体地,在步骤S2中,传感器包括位置传感器,和/或,压力传感器。通过传感器的测量数据,可提前获得液压支架周边的环境信息。
在具体实施例中,当传感器为位置传感器,步骤S3具体包括:根据液压支架的位置传感器,以及与此关联的一排液压支架的倾斜角度,在数字孪生模型上可绘制煤层底板情况,经过数据分析与计算,可判断煤层底板的倾斜角度。
当传感器为压力传感器,步骤S3具体包括:根据液压支架的压力传感器,可测得液压支架的顶板的各状态所受的煤层压力等情况,在数字孪生模型上使煤层顶板情况实现可视化,以判断井下是否处于安全状态,煤层是否含有潜在危险因素。
在孪生平台上测出各个物理体(液压支架)在井下的位姿状态和倾斜角度,通过物理体的底板的倾斜角度可以绘制煤层底板,以此来判断煤层底板的数据状态。根据物理体顶板受到的历史载荷数据分析推断井下物理体顶板的受力状态,以此可以绘制煤层顶板,判断煤层顶板的信息数据,根据测得的数据信息可以在孪生平台上模拟煤层顶底板工作面,可以预知工作面环境工作面状态,对其他井下设备的运行提供了很大的便捷。
在一种具体实施例中,如图3所示,步骤S1包括:
S101.对液压支架进行建模,并导入软件中生成物理模型;
S102.分析物理模型的各组件的运动关系,连接运动副;
S103.验证物理模型能否跟实际状况相符以及仿真精度是否一致,若上述验证条件均满足,则继续下一步骤,若上述验证条件至少有一项不满足,则跳至步骤S102;
S104.将物理模型定义成所需的接口文件;
S105.将接口文件导入工作控制平台进行互联,形成数字孪生模型;
S106.连接数字孪生模型的输入端口和输出端口,以进行实时驱动、实现物理体和数字体的实时交互。
该系统物理体与数字体互联,能够对液压支架的信息进行实时采集,对采集到的数据进行存储分析,获取当前液压支架状态信息,根据实时状态信息对液压支架进行寿命状态评估,将评估结果发送至工作台,做出判断是否必要调整。实现井下无人操作,提高了井下安全工作。
需要说明的是,在步骤S101-S103中,对液压支架进行建模,在3dsmax中对图形进行渲染,然后将模型导入软件中根据运动约束关系和极限姿态条件连接,当孪生体的参数不能满足系统要求时,模型根据实际需求进行重新分配生成新版本的模型,这个过程采用动态数据驱动的仿真。
具体地,步骤S104为:将物理模型通过Modelica建模语言导出形成符合FMI标准的FMU接口文件。文中所涉及的数字孪生模型是基于多领域统一建模语言Modelica,利用面向对象的方式构建,将Modelica模型导出,导出为Simulink可用的S-Function、符合FMI标准的FMU仿真通信模块。当然,本案还可以根据实际需要采用OPCUA,MTConnect等方式构建。
具体地,步骤S105具体包括:将已经定义好的液压支架接口文件导入实时仿真的软硬件工作控制平台进行互联,接口文件需要按照软硬件工作控制平台的接口和协议进行发送,最终完成液压支架联合仿真模型(即数字孪生模型)。
进一步地,在步骤S106中,工作控制平台对大量的数字孪生模型数据进行处理,以及计算,在工作控制平台上形成有输入端口和输出端口的数字孪生模型,并且对数字孪生模型进行一系列的调试,达到模型仿真与工作平台的同步。物理体与工作平台构成了一套完整的、相互兼容的控制系统,能够进行实时的驱动,实现物理体与数字体的实时交互。
在一种具体实施例中,步骤S5包括:
S501.由各种传感器感知环境状况,并且发送给云数据库,云数据库融合各种传感器的信号,并且根据功能和算法的定义给出相应分析,进行支架全寿命状态的分析,将分析结果存入寿命状态库;
S502.对数字孪生模型进行实时监测,获得的模型监测数据可与传感器搜集到的信息融合,传至控制台执行,如图4,对已经达到支架损坏临界值的信息做出判断和及时处理。
步骤S501中基于数字孪生模型的液压支架全寿命周期管理方法对井下测得的各类数据可进行分析存储,放入云状态库中;获得的液压支架状态信息可通过分析放入寿命状态库中,这些分类存储在以后的研究中方便直接调用,提高了使用效率与准确性。
步骤S502中的液压支架全寿命状态分析,通过数字孪生,进行装备全寿命状态评估预测。具体包括:采用大数据、智能算法和神经网络的技术对液压支架的健康状态进行评估,分别从安全性,可靠性,技术性,经济性这四个方面来描述液压支架的整体寿命。参照检测检验规范,对液压支架整体和结构件进行状态检测分析,根据液压支架的状态检测数据以及以往的历史运行情况能计算出液压支架的劣化指数,从而计算液压支架的剩余寿命;判断部件发生故障的结构部位,并且做出诊断,根据专家库和以往有工作经验的人员,对液压支架及时进行调整,减少液压支架运行的损耗,提高运行频率。
本案提供的一种基于数字孪生模型的液压支架全寿命周期管理方法,采用多领域统一建模语言Modelica,利用面向对象的方式构建,可以更加真实的反映液压系统的本质关系,并且模型可以进行重复使用,程序运行的结果可以持续积累。通过多次对液压支架的调试与应用,可形成大型的数据库,为后续的故障预测提供了很大的便捷,提高了液压支架智能化;液压支架的映射模型通过利用符合FMI标准,实现了数据的可扩充性和丰富的信息模型,从而实现了准确实时的物理模型和数字空间的映射。
一方面,由于液压支架具有很好的动态特性,所以利用该物理体的数据演化结果可以实时的传递到数字孪生体上,进行数据的大规模处理,进行状态感知和全寿命周期管理,该仿真分析为后续的液压支架设计提供了理论依据;另一方面,物理体和井下环境状态难以获得的信息可通过孪生模型进行监测,实现井下状态可视化。
模型与实体之间通过5G网互联,传输速度快,延迟性小,增强了平台的执行力。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的构建方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (6)
1.一种基于数字孪生模型的液压支架全寿命周期管理方法,其特征在于,包括以下步骤:
S1.建立物理模型,并获得实时同步的数字孪生模型;
S2.在液压支架设置多个传感器;所述传感器包括位置传感器,和/或,压力传感器;
S3.根据多个所述传感器的数据,经数据分析与计算,在所述数字孪生模型上实现煤层顶板和底板情况的可视化;当所述传感器为位置传感器,所述步骤S3具体包括:根据所述液压支架的位置传感器,以及所述液压支架的倾斜角度,在所述数字孪生模型上可绘制煤层底板情况,经过数据分析与计算,可判断煤层底板的倾斜角度;当所述传感器为压力传感器,所述步骤S3具体包括:根据所述液压支架的压力传感器,可测得所述液压支架的顶板的各状态情况,在所述数字孪生模型上使煤层顶板情况实现可视化,以判断井下是否处于安全状态;
S4.在所述数字孪生模型上放置用于监测油压的探针,可获得实时的油压监测数据,判断油压的实时状态;
S5.将测得的参数信息传至云数据库进行保存,并且通过与所述数字孪生模型融合,进行所述液压支架的全寿命状态分析;所述步骤S5包括:
S501.由所述传感器感知环境状况,并且发送给所述云数据库,所述云数据库融合各种所述传感器的信号,并且根据功能和算法的定义进行支架全寿命状态的分析,将分析结果存入寿命状态库;
S502.对所述数字孪生模型进行实时监测,获得的模型监测数据可与所述传感器搜集到的信息融合,传至控制台执行,对已经达到支架损坏临界值的信息做出判断和及时处理。
2.根据权利要求1所述的液压支架全寿命周期管理方法,其特征在于,所述步骤S1包括:
S101.对所述液压支架进行建模,并导入软件中生成物理模型;
S102.分析所述物理模型的各组件的运动关系,连接运动副;
S103.验证所述物理模型能否跟实际状况相符以及仿真精度是否一致,若上述验证条件均满足,则继续下一步骤,若上述验证条件至少有一项不满足,则跳至步骤S102;
S104.将所述物理模型定义成所需的接口文件;
S105.将所述接口文件导入工作控制平台进行互联,形成所述数字孪生模型;
S106.连接所述数字孪生模型的输入端口和输出端口,以进行实时驱动、实现物理体和数字体的实时交互。
3.根据权利要求2所述的液压支架全寿命周期管理方法,其特征在于,所述步骤S104具体包括:将所述物理模型通过Modelica建模语言导出形成符合FMI标准的FMU接口文件。
4.根据权利要求2所述的液压支架全寿命周期管理方法,其特征在于,所述步骤S105具体包括:将已经定义好的所述接口文件导入实时仿真的软硬件工作控制平台进行互联,接口文件需要按照所述软硬件工作控制平台的接口和协议进行发送,最终完成所述数字孪生模型。
5.根据权利要求2所述的液压支架全寿命周期管理方法,其特征在于,所述步骤S106具体包括,所述工作控制平台对所述数字孪生模型数据进行处理,以及计算,在所述工作控制平台上形成有输入端口和输出端口的所述数字孪生模型,并且对所述数字孪生模型进行一系列的调试,达到模型仿真与工作平台的同步。
6.根据权利要求1所述的液压支架全寿命周期管理方法,其特征在于,所述步骤S5中的液压支架全寿命状态分析,采用大数据、智能算法和神经网络的技术对所述液压支架的健康状态进行评估,判断部件发生故障的结构部位,并且做出诊断,根据专家库和以往有工作经验的人员,对所述液压支架及时进行调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110873007.4A CN113420465B (zh) | 2021-07-30 | 2021-07-30 | 一种基于数字孪生模型的液压支架全寿命周期管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110873007.4A CN113420465B (zh) | 2021-07-30 | 2021-07-30 | 一种基于数字孪生模型的液压支架全寿命周期管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113420465A CN113420465A (zh) | 2021-09-21 |
CN113420465B true CN113420465B (zh) | 2023-05-05 |
Family
ID=77718613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110873007.4A Active CN113420465B (zh) | 2021-07-30 | 2021-07-30 | 一种基于数字孪生模型的液压支架全寿命周期管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420465B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115235676B (zh) * | 2022-09-26 | 2022-12-09 | 山东济矿鲁能煤电股份有限公司阳城煤矿 | 一种矿井液压支架压力异常自动报警方法 |
CN115358094B (zh) * | 2022-10-18 | 2023-02-03 | 中煤科工开采研究院有限公司 | 一种基于数字孪生模型的液压支架控制方法 |
CN117823211A (zh) * | 2024-03-04 | 2024-04-05 | 宁波长壁流体动力科技有限公司 | 基于数字孪生的液压支架直线度调节方法、装置和设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111857065A (zh) * | 2020-06-08 | 2020-10-30 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
CN112883559A (zh) * | 2021-01-27 | 2021-06-01 | 西安合智宇信息科技有限公司 | 基于大数据体系的规划截割方法和装置、存储介质及电子装置 |
CN112926154A (zh) * | 2021-02-23 | 2021-06-08 | 陕西陕煤黄陵矿业有限公司 | 开采模型优化方法、系统、设备及可读存储介质 |
CN113124797A (zh) * | 2021-03-24 | 2021-07-16 | 太原理工大学 | 一种基于可调节底板的液压支架群位姿模拟系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10689004B1 (en) * | 2017-04-28 | 2020-06-23 | Ge Global Sourcing Llc | Monitoring system for detecting degradation of a propulsion subsystem |
CN109800531B (zh) * | 2019-01-31 | 2023-01-06 | 山东大学 | 一种机电装备数字孪生模型一致性保持方法 |
CN109871651B (zh) * | 2019-03-14 | 2022-11-18 | 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 |
CN110045608B (zh) * | 2019-04-02 | 2022-04-05 | 太原理工大学 | 基于数字孪生的机械设备零部件结构参数动态优化方法 |
CN111723448B (zh) * | 2020-06-29 | 2023-04-18 | 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 |
CN111898302B (zh) * | 2020-08-05 | 2023-09-12 | 东北大学 | 一种含间隙液压支架刚柔耦合动力学可视化仿真方法 |
CN112528533B (zh) * | 2020-11-19 | 2022-02-25 | 中国矿业大学 | 一种千米深井提升机制动器可靠性智能评估与寿命预测方法 |
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
- 2021-07-30 CN CN202110873007.4A patent/CN113420465B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111857065A (zh) * | 2020-06-08 | 2020-10-30 | 北京邮电大学 | 基于边缘计算和数字孪生的智能生产系统和方法 |
CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
CN112883559A (zh) * | 2021-01-27 | 2021-06-01 | 西安合智宇信息科技有限公司 | 基于大数据体系的规划截割方法和装置、存储介质及电子装置 |
CN112926154A (zh) * | 2021-02-23 | 2021-06-08 | 陕西陕煤黄陵矿业有限公司 | 开采模型优化方法、系统、设备及可读存储介质 |
CN113124797A (zh) * | 2021-03-24 | 2021-07-16 | 太原理工大学 | 一种基于可调节底板的液压支架群位姿模拟系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113420465A (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN105512812A (zh) | 基于动态仿真模型的核电厂设备故障预警分析方法及系统 | |
Zhong et al. | Overview of predictive maintenance based on digital twin technology | |
CN113190886A (zh) | 一种基于快速仿真数字孪生技术的设备健康监测方法 | |
CN115562158A (zh) | 一种数字孪生驱动的数控机床智能诊断方法、系统及终端机 | |
CN113722979B (zh) | 一种基于数字孪生的采煤机虚实交互系统及其构建方法 | |
CN113779769A (zh) | 一种电缆试验数字孪生系统及其工作方法 | |
CN107462425A (zh) | 一种车载装备系统的故障预测方法及故障预测平台 | |
CN112526334A (zh) | 基于数字孪生系统的直流输配电隔离开关的状态检测方法及装置 | |
CN108614443A (zh) | Phm系统模型开发和验证平台设计方法 | |
CN112666845A (zh) | 综采工作面的仿真测试系统以及仿真测试方法 | |
CN111272452A (zh) | 高速列车制动试验台网络安全检测系统 | |
CN115617628A (zh) | 一种数字孪生系统、研发方法、设备和存储介质 | |
CN115562133A (zh) | 一种轴向柱塞泵智能网关 | |
CN108377209A (zh) | 基于scada的设备故障检测系统和检测方法 | |
CN116415479A (zh) | 一种基于数字孪生的连续油管疲劳寿命预警方法 | |
CN116227248B (zh) | 重力储能系统的数字孪生体构建方法、装置及电子设备 | |
CN112580169A (zh) | 一种基于机器学习的谐波减速器健康评估方法 | |
CN117072520A (zh) | 一种基于plc控制器的液压元件检测系统 | |
CN115364992B (zh) | 一种磨煤机健康监测系统及健康监测方法 | |
CN113009885A (zh) | 一种数控系统安全状态数字化映射系统及方法 | |
KR102601338B1 (ko) | 유지보수 이력에 기반한 학습데이터를 이용하는 장비의 고장 예측 장치 및 방법 | |
CN115879238A (zh) | 一种发动机整机及试验孪生体系模型构建方法 | |
CN115076452A (zh) | 一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法 | |
Zeng et al. | Research on indexes and verification technology of airborne PHM system |
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 |