CN113515848A - 矿山设备的结构设计优化方法、系统和可读存储介质 - Google Patents
矿山设备的结构设计优化方法、系统和可读存储介质 Download PDFInfo
- Publication number
- CN113515848A CN113515848A CN202110523366.7A CN202110523366A CN113515848A CN 113515848 A CN113515848 A CN 113515848A CN 202110523366 A CN202110523366 A CN 202110523366A CN 113515848 A CN113515848 A CN 113515848A
- Authority
- CN
- China
- Prior art keywords
- mining equipment
- data
- structural design
- model
- design
- 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.)
- Pending
Links
- 238000013461 design Methods 0.000 title claims abstract description 209
- 238000005065 mining Methods 0.000 title claims abstract description 200
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 110
- 239000003245 coal Substances 0.000 claims description 39
- 238000004891 communication Methods 0.000 claims description 29
- 238000005520 cutting process Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 18
- 230000004927 fusion Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 239000000463 material Substances 0.000 abstract description 6
- 238000002474 experimental method Methods 0.000 abstract description 5
- 238000012795 verification Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000010354 integration Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000007500 overflow downdraw method Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种矿山设备的结构设计优化方法、系统和可读存储介质,属于矿山设备技术领域。其中,矿山设备的结构设计优化方法包括:获取矿山设备的运行数据和运行数据对应的孪生数据;将孪生数据与运行数据进行对比;根据对比结果确定是否对矿山设备的结构设计参数进行优化。通过本发明的矿山设备的结构优化方法,对部分在传统矿山设备结构优化设计中需大量人力物力实验才可测得的数据,可利用数字孪生模型进行准确而高效的计算,极大地简化了迭代设计步骤并提升了设计效率。在物理产品未组装完成,甚至尚未采购前就开始开发程序逻辑、运动关系,然后在虚拟系统里完成参数调校,可实现产品快速上电调试及变更效果验证。
Description
技术领域
本发明涉及矿山设备技术领域,具体而言,涉及一种矿山设备的结构设计优化方法、一种矿山设备的结构设计优化系统、一种可读存储介质。
背景技术
传统的结构设计改进方法,根据经验通过辅助设计软件修改设计图纸,生产完毕进行试验验证,验证改进效果之后投入量产,存在如下缺陷:
1、凭经验或设计软件仿真指导优化设计,具有一定的盲目性,实际的优化结果可能跟设计效果差别较大,导致设计优化失败。
2、物理产品装配完成之后才能进行调试,装配进度制约调试,造成后期调试时间不足。
3、一般矿山设备结构设计的优化,都是在实际工作现场进行验证,一旦出现设计问题,将造成不可弥补的损失。
发明内容
本发明旨在至少解决现有技术或相关技术中存在凭经验或设计软件仿真指导优化设计,具有一定的盲目性,实际的优化结果可能跟设计效果差别较大,导致设计优化失败的技术问题。
为此,本发明的一个方面在于提出了一种矿山设备的结构设计优化方法。
本发明的另一个方面在于提出了一种矿山设备的结构设计优化系统。
本发明的再一个方面在于提出了一种可读存储介质。
有鉴于此,根据本发明的一个方面,提出了一种矿山设备的结构设计优化方法,包括:获取矿山设备的运行数据和运行数据对应的孪生数据;将孪生数据与运行数据进行对比;根据对比结果确定是否对矿山设备的结构设计参数进行优化。
本发明提供的矿山设备的结构设计优化方法,将数字孪生技术应用到矿山设备结构优化设计,是在建立矿山设备的数字孪生模型的基础上,获得矿山设备的运行数据和运行数据对应的孪生数据,在已存在的结构设计优化设计阶段,通过将运行数据与孪生数据进行对比,对矿山设备的结构设计进行使用评估,并形成改进反馈,以此判断是否需要进行优化设计。若判断无需优化设计,则无需对结构设计参数重新设计,若判断需要进行矿山设备结构更新,则对结构设计参数进行优化设计。通过本发明提供的矿山设备的结构设计优化方法,对部分在传统矿山设备结构优化设计中需大量人力物力实验才可测得的数据,可利用数字孪生模型进行准确而高效的计算,极大地简化了迭代设计步骤并提升了设计效率。在物理产品未组装完成,甚至尚未采购前就开始开发程序逻辑、运动关系,然后在虚拟系统里完成参数调校,可实现产品快速上电调试及变更效果验证。
根据本发明的上述矿山设备的结构设计优化方法,还可以具有以下技术特征:
在上述技术方案中,根据对比结果确定是否对矿山设备的结构设计参数进行优化的步骤,具体包括:判断对比结果是否超出预设阈值范围;若否,无需对结构设计参数进行优化;若是,则对结构设计参数 进行优化。
在该技术方案中,通过判断运行数据和孪生数据的对比结果是否超出预设阈值范围,来确定是否需要对现有的结构设计参数进行优化设计,若对比结果超出预设阈值范围,则需要对结构设计参数进行优化,若对比结果未超出预设阈值范围则无需对结构设计参数进行优化。通过本发明的技术方案,由于孪生数据集成融合了矿山设备的信息数据与物理数据,满足信息空间与物理空间的一致性与同步性需求,从而提供更加准确、全面的全要素、全流程数据支持,能够提升矿山设备的设计优化效率及准确度,提升可靠性。
在上述任一技术方案中,对结构设计参数进行优化的步骤,具体包括:确定设计变量,基于设计变量建立结构优化模型;根据结构优化模型对结构设计参数进行优化。
在该技术方案中,通过将运行数据与孪生数据进行对比,获得对比结果,并确定对比结果超出预设阈值范围时,则对结构设计参数进行优化。优化设计阶段主要分为确定设计变量,建立目标函数及约束条件,以此构建结构优化模型,在此基础之上,进行仿真迭代测试,以确定符合设计需求的仿真数据,从而得到优化后的结构设计参数。通过本发明的技术方案,在验证结构设计是否合理的基础上,进一步有针对性的设计仿真模型,从而能够提升矿山设备的设计优化效率及准确度,提升可靠性。
在上述任一技术方案中,在获取矿山设备的运行数据和运行数据对应的孪生数据的步骤之前,还包括:获取矿山设备的历史运行数据;根据历史运行数据建立矿山设备的数字孪生模型;获取运行数据对应的孪生数据的步骤,具体包括:基于数字孪生模型进行仿真,得到虚拟数据;将运行数据和虚拟数据进行数据融合,得到孪生数据。
在该技术方案中,通过获取矿山设备的历史运行数据,可构建矿山设备的数字孪生模型,根据数字孪生模型对矿山设备的实际运行进行仿真,可以得到与运行数据对应的虚拟数据,利用现有的数据融合方法,将运行数据和虚拟数据进行数据融合,从而得到孪生数据。孪生数据作为基准数据与实际的运行数据进行比对,从而可确定运行数据相对于基准数据的误差数据,当误差数据超过预设阈值范围时,就说明现有的结构设计存在不足,需要对相应的结构设计参数进行优化。进行结构设计优化的过程也就是构建仿真模型的过程,通过确定设计变量、建立目标函数以及约束条件,构建出结构优化模型,以此进行仿真迭代,而得到符合设计需求的设计参数,同时也完成了数字孪生模型的局部更新。
在上述任一技术方案中,矿山设备包括以下任一项或其组合:采煤机、刮板机及液压支架;运行数据包括以下任一项或其组合:摇臂提升速度、牵引速度、摇臂倾角、电机运行温度;孪生数据包括以下任一项或其组合:截割效率、截割电流不平衡度、牵引电机效率。
在该技术方案中,矿山设备包括但不限于采煤机、掘进机、刮板机、液压支架等。运行数据主要是与矿山设备的运行密切相关的数据,包括但不限于摇臂提升速度、牵引速度、摇臂倾角、电机运行温度。孪生数据主要是利用现有数据融合技术对运行数据和虚拟数据进行融合计算,从而得到孪生数据,包括但不限于截割效率、截割电流不平衡度、牵引电机效率。
在上述任一技术方案中,数字孪生模型包括矿山设备的物理模型、几何模型、规则模型及行为模型。
在该技术方案中,基于矿山设备的历史运行数据构建矿山设备的物理模型、几何模型、规则模型及行为模型,基于该物理模型、几何模型、规则模型及行为模型确定数字孪生模型,进一步地,可根据当前获得的矿山设备的运行数据对上述模型进行更新,从而更新后的数字孪生模型。数字孪生模型能够从多维度、多空间尺寸及多时间尺度对物理实体进行刻画和描述,从而能够将以往的真实测试环境参数融入起落模型的设计中,从而提升矿山设备的设计优化效率及准确度,提升可靠性。
根据本发明的另一个方面,提出了一种矿山设备的结构设计优化系统,包括:存储器,存储器存储有计算机程序;处理器,处理器执行计算机程序时实现上述任一技术方案的矿山设备的结构设计优化方法。
本发明提供的矿山设备的结构设计优化系统,包括存储器和处理器,其中,存储器存储有计算机程序,处理器执行该计算机程序时,能够实现上述任一技术方案的矿山设备的结构设计优化方法,故而,该矿山设备的结构设计优化系统具有上述任一矿山设备的结构设计优化方法的全部有益效果,不再赘述。
在上述任一技术方案中,矿山设备的结构设计优化系统,还包括:通信模块,用于实现矿山设备的结构设计优化系统与矿山设备的连接;传感器,设置在矿山设备上,传感器用于检测矿山设备的运行数据。
在该技术方案中,矿山设备的结构设计优化系统还包括通信模块和传感器,其中通信模块用于实现矿山设备的结构设计优化系统与矿山设备之间的连接,该连接实现物理实体(矿山设备)、虚拟实体(数字孪生模型)、应用服务及数据之间工业互联,从而支持虚实、实时互联与融合。传感器设置在矿山设备上,通过传感器检测与矿山设备运行密切相关的数据,为矿山设备的结构设计优化提供数据支持。通过通信模块获取到传感器所检测的数据,并具有实时性。
在上述任一技术方案中,矿山设备包括以下任一项或其组合:采煤机、刮板机及液压支架;传感器的种类包括以下任一项或其组合:电流传感器、电压传感器、液压传感器、液位传感器、温度传感器、振动传感器、水压传感器、水流量传感器、行走编码器、倾角传感器;通信模块包括以下任一项或其组合:以太网通信模块、CAN通信模块、串口通信模块。
在该技术方案中,矿山设备包括但不限于采煤机、掘进机、刮板机、液压支架等。传感器的种类包括但不限于以下任一项或其组合:电流传感器、电压传感器、液压传感器、液位传感器、温度传感器、振动传感器、水压传感器、水流量传感器、行走编码器、倾角传感器。通信模块包括但不限于以太网通信模块、CAN通信模块、串口通信模块中的任一项或其组合。
根据本发明的又一个方面,提出了一种可读存储介质,其上存储有程序,程序被处理器执行时实现如上述任一技术方案的矿山设备的结构设计优化方法。
本发明提供的可读存储介质,程序被处理器执行时实现如上述任一技术方案的矿山设备的结构设计优化方法的步骤,因此该可读存储介质包括上述任一技术方案的矿山设备的结构设计优化方法的全部有益效果。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请一个实施例的矿山设备的结构设计优化方法的流程图之一;
图2是本申请一个实施例的矿山设备的结构设计优化方法的流程图之二;
图3是本申请一个实施例的矿山设备的结构设计优化方法的流程图之三;
图4是本申请一个实施例的矿山设备的结构设计优化方法的流程图之四;
图5是本申请一个实施例的矿山设备的结构设计优化系统的示意框图;
图6是本申请一个具体实施例的矿山设备的结构设计优化系统的示意图;
图7是本申请一个具体实施例的矿山设备的结构设计优化方法的示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不限于下面公开的具体实施例的限制。
下面结合图1至图7描述根据本申请实施例的矿山设备的结构设计优化方法、系统和可读存储介质。
实施例一:
图1是本申请一个实施例的矿山设备的结构设计优化方法的流程图之一。其中,该矿山设备的结构设计优化方法包括:
步骤102,获取矿山设备的运行数据和运行数据对应的孪生数据;
步骤104,将孪生数据与运行数据进行对比;
步骤106,根据对比结果确定是否对矿山设备的结构设计参数进行优化。
本实施例提供的矿山设备的结构设计优化方法,将数字孪生技术应用到矿山设备结构优化设计,是在建立矿山设备的数字孪生模型的基础上,获得矿山设备的运行数据和运行数据对应的孪生数据,在已存在的结构设计优化设计阶段,通过将运行数据与孪生数据进行实时对比,对矿山设备的结构设计进行使用评估,并形成改进反馈,以此判断是否需要进行优化设计。若判断无需优化设计,则无需对结构设计参数重新设计,若判断需要进行矿山设备结构更新,则对结构设计参数进行优化设计。通过本发明提供的矿山设备结构设计优化方法,对部分在传统矿山设备结构优化设计中需大量人力物力实验才可测得的数据,可利用数字孪生模型进行准确而高效的计算,极大地简化了迭代设计步骤并提升了设计效率。在物理产品未组装完成,甚至尚未采购前就开始开发程序逻辑、运动关系,然后在虚拟系统里完成参数调校,可实现产品快速上电调试及变更效果验证。
实施例二:
图2是本申请一个实施例的矿山设备的结构设计优化方法的流程图之二。其中,该矿山设备的结构设计优化方法包括:
步骤202,获取矿山设备的运行数据和运行数据对应的孪生数据;
步骤204,将孪生数据与运行数据进行对比;
步骤206,判断对比结果是否超出预设阈值范围;
步骤208,若否,无需对结构设计参数进行优化;
步骤210,若是,对结构设计参数进行优化。
在该实施例中,通过判断运行数据和孪生数据的对比结果是否超出预设阈值范围,来确定是否需要对现有的结构设计参数进行优化设计,若对比结果超出预设阈值范围,则需要对结构设计参数进行优化,若对比结果未超出预设阈值范围则无需对结构设计参数进行优化。通过本发明的技术方案,由于孪生数据集成融合了矿山设备的信息数据与物理数据,满足信息空间与物理空间的一致性与同步性需求,从而提供更加准确、全面的全要素、全流程数据支持,能够提升矿山设备的设计优化效率及准确度,提升可靠性。
实施例三:
图3是本申请一个实施例的矿山设备的结构设计优化方法的流程图之三。其中,该矿山设备的结构设计优化方法包括:
步骤302,获取矿山设备的运行数据和运行数据对应的孪生数据;
步骤304,将孪生数据与运行数据进行对比;
步骤306,判断对比结果是否超出预设阈值范围;
步骤308,若否,无需对结构设计参数进行优化;
步骤310,若是,确定设计变量,基于设计变量建立结构优化模型;
步骤312,根据结构优化模型对结构设计参数进行优化。
在该实施例中,通过将运行数据与孪生数据进行对比,获得对比结果,并确定对比结果超出预设阈值范围时,则对结构设计参数进行优化。优化设计阶段主要分为确定设计变量,建立目标函数及约束条件,以此构建结构优化模型,在此基础之上,进行仿真迭代测试,以确定符合设计需求的仿真数据,从而得到优化后的结构设计参数,同时也修正了数字孪生模型。通过本发明的实施例,在验证结构设计是否合理的基础上,进一步有针对性的设计仿真模型,从而能够提升矿山设备的设计优化效率及准确度,提升可靠性。
可以理解地,在后续结构设计优化中,以更新的数字孪生模型获取孪生数据。
实施例四:
图4是本申请一个实施例的矿山设备的结构设计优化方法的流程图之四。其中,该矿山设备的结构设计优化方法包括:
步骤402,获取矿山设备的历史运行数据;根据历史运行数据建立矿山设备的数字孪生模型;
步骤404,获取矿山设备的运行数据,以及基于数字孪生模型进行仿真,得到虚拟数据;
步骤406,将运行数据和虚拟数据进行数据融合,得到孪生数据及相关高阶数据;
步骤408,将孪生数据与运行数据进行对比;
步骤410,判断对比结果是否超出预设阈值范围;
步骤412,若否,无需对结构设计参数进行优化;
步骤414,若是,确定设计变量,基于设计变量建立结构优化模型;
步骤416,根据结构优化模型对结构设计参数进行优化。
在该实施例中,通过获取矿山设备的历史运行数据,可构建矿山设备的数字孪生模型,根据数字孪生模型对矿山设备的实际运行进行仿真,可以得到与运行数据对应的虚拟数据,利用现有的数据融合方法,将运行数据和虚拟数据进行数据融合,从而得到孪生数据及相关高阶数据。孪生数据作为基准数据与实际的运行数据进行比对,从而可确定运行数据相对于基准数据的误差数据,当误差数据超过预设阈值范围时,就说明现有的结构设计存在不足,需要对相应的结构设计参数进行优化。进行结构设计优化的过程也就是构建仿真模型的过程,通过确定设计变量、建立目标函数以及约束条件,构建出结构优化模型,以此进行仿真迭代,而得到符合设计需求的设计参数,同时也完成了数字孪生模型的局部更新。
具体地,数字孪生模型包括矿山设备的物理模型、几何模型、规则模型及行为模型。
在该实施例中,基于矿山设备的历史运行数据构建矿山设备的物理模型、几何模型、规则模型及行为模型,基于该物理模型、几何模型、规则模型及行为模型确定数字孪生模型,进一步地,可根据当前获得的矿山设备的运行数据对上述模型进行更新,从而更新后的数字孪生模型。数字孪生模型能够从多维度、多空间尺寸及多时间尺度对物理实体进行刻画和描述,从而能够将以往的真实测试环境参数融入起落模型的设计中,从而提升矿山设备的设计优化效率及准确度,提升可靠性。
实施例五:
在上述任一实施例中,矿山设备包括以下任一项或其组合:采煤机、刮板机及液压支架;运行数据包括以下任一项或其组合:摇臂提升速度、牵引速度、摇臂倾角、电机运行温度;孪生数据包括以下任一项或其组合:截割效率、截割电流不平衡度、牵引电机效率。
在该实施例中,矿山设备包括但不限于采煤机、掘进机、刮板机、液压支架等。运行数据主要是与矿山设备的运行密切相关的数据,包括但不限于摇臂提升速度、牵引速度、摇臂倾角、电机运行温度,刮板机的传送速度、传送电机电流、传送电机温度,液压支架的液压压力、顶板压力。孪生数据主要是利用现有数据融合技术对运行数据和虚拟数据进行融合计算,从而得到孪生数据,包括但不限于截割效率、截割电流不平衡度、牵引电机效率,传送电机效率、传送电机不平衡度。
实施例六:
图5是本申请一个实施例的矿山设备的结构设计优化系统500的示意框图。其中,该矿山设备的结构设计优化系统500包括:
存储器502,存储器502存储有计算机程序;
处理器504,处理器504执行计算机程序时实现上述任一实施例的矿山设备的结构设计优化方法。
本发明提供的矿山设备的结构设计优化系统,包括存储器502和处理器504,其中,存储器502存储有计算机程序,处理器504执行该计算机程序时,能够实现上述任一实施例的矿山设备的结构设计优化方法,故而,该矿山设备的结构设计优化系统具有上述任一矿山设备的结构设计优化方法的全部有益效果,不再赘述。
实施例七:
在上述任一实施例中,矿山设备的结构设计优化系统500还包括:通信模块,用于实现矿山设备的结构设计优化系统与矿山设备的连接;传感器,设置在矿山设备上,传感器用于检测矿山设备的运行数据。
在该实施例中,矿山设备的结构设计优化系统500还包括通信模块和传感器,其中通信模块用于实现矿山设备的结构设计优化系统与矿山设备之间的连接,该连接实现物理实体(矿山设备)、虚拟实体(数字孪生模型)、应用服务及数据之间工业互联,从而支持虚实、实时互联与融合。传感器设置在矿山设备上,通过传感器检测与矿山设备运行密切相关的数据,为矿山设备的结构设计优化提供数据支持。通过通信模块获取到传感器所检测的数据,并具有实时性。
实施例八:
在上述任一实施例中,矿山设备包括以下任一项或其组合:采煤机、刮板机及液压支架;传感器的种类包括以下任一项或其组合:电流传感器、电压传感器、液压传感器、液位传感器、温度传感器、振动传感器、水压传感器、水流量传感器、行走编码器、倾角传感器;通信模块包括以下任一项或其组合:以太网通信模块、CAN通信模块、串口通信模块。
在该实施例中,矿山设备包括但不限于采煤机、掘进机、刮板机、液压支架等。传感器的种类包括但不限于以下任一项或其组合:电流传感器、电压传感器、液压传感器、液位传感器、温度传感器、振动传感器、水压传感器、水流量传感器、行走编码器、倾角传感器。通信模块包括但不限于以太网通信模块、CAN通信模块、串口通信模块中的任一项或其组合。
具体实施例:
采煤机的可靠性是关系到煤炭开采效率的最关键因素,现阶段采煤机优化设计存在变量耦合度高、数据缺乏、指标获取困难等问题,采煤机行走滑靴及截割摇臂、截割滚筒等部位承受着静态和动态的高负载,长此以往必然导致结构的损坏。
采煤机是综采工作面的核心设备,运行稳定性、可靠性要求高,由于井下生产环境恶劣、工况复杂,而且现阶段的采煤机优化设计仍存在变量耦合度高、数据缺乏、指标获取困难等问题。在采煤机行走及割煤过程中,采煤机截割摇臂和行走结构都承受很大的冲击载荷,冲击载荷的影响因素众多并相互耦合,其主要影响因素与载荷是一种复杂的非线性关系,传统基于内部机理分析为基础的机理建模方法很难建立采煤机行走及截割载荷的精确模型。
图6是本申请一个具体实施例的矿山设备的结构设计优化系统的示意图。
在该实施例中,首先建立采煤机数字孪生模型,包括物理采煤机、虚拟采煤机、孪生数据、应用服务及连接交互。布置传感器检测采煤机行走机构、截割机构、电气系统、液压系统等关键部位的关键数据。采集的实时数据与虚拟采煤机模型中的虚拟数据对比、融合,形成的孪生数据用来指导采煤机结构优化设计,孪生数据是整个架构中的核心支撑。构建应用服务模块,包括采煤机结构优化设计模块、状态实时监测模块、模型校准测试模块等,并以应用软件或移动端APP的形式提供给用户,辅助采煤机的优化设计。
其中,首先建立采煤机的数字孪生模型,具体包括采煤机物理实体、采煤机虚拟实体、应用服务、孪生数据及各组成部分之间的连接。此采煤机数字孪生模型能与物联网、大数据、人工智能等新技术集成与融合,满足信息物理系统集成、信息物理数据融合、虚实双向连接与交互等需求。其次孪生数据集成融合了采煤机信息数据与物理数据,满足信息空间与物理空间的一致性与同步性需求,提供更加准确、全面的全要素、全流程数据支持。服务对数字孪生应用过程中面向不同领域、不同层次用户、不同业务所需的各类数据、模型、算法、仿真、结果等进行服务化封装,并以应用软件或移动端APP的形式提供给用户,实现对服务的便捷与按需使用。连接实现物理实体、虚拟实体、服务及数据之间工业互联、从而支持虚实实时互联与融合。虚拟实体从多维度、多空间尺寸、及多时间尺度对物理实体进行刻画和描述。
将数字孪生技术应用到采煤机结构优化设计,是在建立采煤机数字孪生模型的基础上,获得与采煤机运行状态密切相关的物理数据(如摇臂提升速度、牵引速度、摇臂倾角等)、虚拟数据(如截割效率、截割电流不平衡度、牵引电机效率等)及融合数据,并利用现有的数据融合方法,即可准确地预测采煤机外部负载,从而准确确定采煤机负载承受位置及负载大小。随后即可利用融合数据进行采煤机结构优化计算,最终通过结构优化达到提升结构强度、提高可靠性、提高设计效率、降低设计成本等目标。在已存在的设计结构优化设计阶段,可利用数字孪生对设计进行使用评估,并形成改进反馈。当与来自客户的需求、意见结合后,若采煤机结构优化迭代判断无需优化设计则无需重新设计,若判断需要进行采煤机结构更新则进行优化设计。传统的优化设计过程主要分为建立目标函数、确定设计变量、明确设计约束等步骤,在此理论基础上,结合数字孪生的特点,利用虚拟模型对已有设计进行迭代改进与测试。若满足设计需求则最终形成新设计,若不满足则重复进行优化设计步骤直至得到满足设计需求且具有可行性的新设计。
采用数字孪生技术后,可综合大量的试验、实测、计算案例,进行产品设计使用仿真,并将以往的真实测试环境参数融入起落模型的设计中。经过计算和分析后,若结构优化设计评估结果收敛,则可生成结构优化设计方案。
图7是本申请一个具体实施例的矿山设备的结构设计优化方法的示意图。如图7所示,该矿山设备的结构设计优化方法包括:
步骤702,原有设计;
步骤704,基于孪生数据的使用评估;
步骤706,改进反馈;
步骤708,判断是否需要进行结构优化;若是,执行步骤710,否则,返回步骤702;
步骤710,建立目标函数;
步骤712,确定设计参数;
步骤714,明确设计约束;
步骤716,原有设计改进;
步骤718,基于虚拟模型的仿真测试;
步骤720,判断仿真结果是否满足设计要求;若是,执行步骤722,否则,返回步骤716;
步骤722,样机实验;
步骤724,可行性测试;
步骤726,可行性测试结果是否满足设计要求;若是,执行步骤728;否则,返回步骤710;
步骤728,优化改进。
本实施例提供的矿山设备的结构设计优化方法,能够实现如下有益效果:
采煤机优化设计验证,对部分在传统采煤机结构优化设计中需大量人力物力实验才可测得的数据,可利用数字孪生模型进行准确而高效的计算,极大地简化了迭代设计步骤并提升了设计效率。
采煤机虚拟调试功能,在采煤机物理产品未组装完成,甚至尚未采购前就开始开发程序逻辑、运动关系,然后在虚拟系统里完成参数调校,可实现产品快速上电调试。
根据本发明的又一个方面,提出了一种可读存储介质,其上存储有程序,程序被处理器执行时实现如上述任一实施例的矿山设备的结构设计优化方法。
本实施例提供的可读存储介质,程序被处理器执行时实现如上述任一实施例的矿山设备的结构设计优化方法的步骤,因此该可读存储介质包括上述任一实施例的矿山设备的结构设计优化方法的全部有益效果。
在本说明书的描述中,术语“第一”、“第二”仅用于描述的目的,而不能理解为指示或暗示相对重要性,除非另有明确的规定和限定;术语“连接”、“安装”、“固定”等均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连。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。
在本说明书的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或实例。而且,描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种矿山设备的结构设计优化方法,其特征在于,包括:
获取所述矿山设备的运行数据和所述运行数据对应的孪生数据;
将所述孪生数据与所述运行数据进行对比;
根据对比结果确定是否对所述矿山设备的结构设计参数进行优化。
2.根据权利要求1所述的矿山设备的结构设计优化方法,其特征在于,所述根据对比结果确定是否对所述矿山设备的结构设计参数进行优化的步骤,具体包括:
判断所述对比结果是否超出预设阈值范围;
若否,无需对所述结构设计参数进行优化;
若是,则对所述结构设计参数 进行优化。
3.根据权利要求2所述的矿山设备的结构设计优化方法,其特征在于,所述对所述结构设计参数进行优化的步骤,具体包括:
确定设计变量,根据所述设计变量建立结构优化模型;
根据所述结构优化模型对所述结构设计参数进行优化。
4.根据权利要求1至3中任一项所述的矿山设备的结构设计优化方法,其特征在于,在获取所述矿山设备的运行数据和所述运行数据对应的孪生数据的步骤之前,还包括:
获取所述矿山设备的历史运行数据;
根据所述历史运行数据建立所述矿山设备的数字孪生模型;
所述获取所述运行数据对应的孪生数据的步骤,具体包括:
基于所述数字孪生模型进行仿真,得到虚拟数据;
将所述运行数据和所述虚拟数据进行数据融合,得到所述孪生数据。
5.根据权利要求4所述的矿山设备的结构设计优化方法,其特征在于,
所述矿山设备包括以下任一项或其组合:采煤机、刮板机及液压支架;
所述运行数据包括以下任一项或其组合:摇臂提升速度、牵引速度、摇臂倾角、电机运行温度;
所述孪生数据包括以下任一项或其组合:截割效率、截割电流不平衡度、牵引电机效率。
6.根据权利要求5所述的矿山设备的结构设计优化方法,其特征在于,
所述数字孪生模型包括所述矿山设备的物理模型、几何模型、规则模型及行为模型。
7.一种矿山设备的结构设计优化系统,其特征在于,包括:
存储器,所述存储器存储有计算机程序;
处理器,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的矿山设备的结构设计优化方法。
8.根据权利要求7所述的矿山设备的结构设计优化系统,其特征在于,还包括:
通信模块,用于实现所述矿山设备的结构设计优化系统与所述矿山设备的连接;
传感器,设置在所述矿山设备上,所述传感器用于检测所述矿山设备的运行数据。
9.根据权利要求8所述的矿山设备的结构设计优化系统,其特征在于,
所述矿山设备包括以下任一项或其组合:采煤机、刮板机及液压支架;
所述传感器的种类包括以下任一项或其组合:电流传感器、电压传感器、液压传感器、液位传感器、温度传感器、振动传感器、水压传感器、水流量传感器、行走编码器、倾角传感器;
所述通信模块包括以下任一项或其组合:以太网通信模块、CAN通信模块、串口通信模块。
10.一种可读存储介质,其上存储有程序,其特征在于,所述程序被处理器执行时实现如权利要求1至6中任一项所述的矿山设备的结构设计优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523366.7A CN113515848A (zh) | 2021-05-13 | 2021-05-13 | 矿山设备的结构设计优化方法、系统和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523366.7A CN113515848A (zh) | 2021-05-13 | 2021-05-13 | 矿山设备的结构设计优化方法、系统和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113515848A true CN113515848A (zh) | 2021-10-19 |
Family
ID=78064343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110523366.7A Pending CN113515848A (zh) | 2021-05-13 | 2021-05-13 | 矿山设备的结构设计优化方法、系统和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515848A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114153482A (zh) * | 2022-02-09 | 2022-03-08 | 深圳市爱云信息科技有限公司 | 基于数字孪生DaaS平台的深度学习编程方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286572A1 (en) * | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
CN110045608A (zh) * | 2019-04-02 | 2019-07-23 | 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 |
CN110488629A (zh) * | 2019-07-02 | 2019-11-22 | 北京航空航天大学 | 一种基于数字孪生技术的混合动力汽车的管控方法 |
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 |
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 |
CN112115649A (zh) * | 2020-09-29 | 2020-12-22 | 郑州轻工业大学 | 基于数字孪生的立磨机多场耦合系统工艺参数优化方法 |
CN112416531A (zh) * | 2020-12-07 | 2021-02-26 | 深圳华制智能制造技术有限公司 | 数字孪生系统仿真方法、系统、计算机设备及存储介质 |
CN112418455A (zh) * | 2020-11-28 | 2021-02-26 | 北京三维天地科技股份有限公司 | 一种设备故障预测与健康管理系统 |
CN112487584A (zh) * | 2020-12-03 | 2021-03-12 | 天津工业大学 | 一种基于动力学的滚动轴承数字孪生建模方法 |
-
2021
- 2021-05-13 CN CN202110523366.7A patent/CN113515848A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170286572A1 (en) * | 2016-03-31 | 2017-10-05 | General Electric Company | Digital twin of twinned physical system |
CN110045608A (zh) * | 2019-04-02 | 2019-07-23 | 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 |
CN110488629A (zh) * | 2019-07-02 | 2019-11-22 | 北京航空航天大学 | 一种基于数字孪生技术的混合动力汽车的管控方法 |
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 |
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 |
CN112115649A (zh) * | 2020-09-29 | 2020-12-22 | 郑州轻工业大学 | 基于数字孪生的立磨机多场耦合系统工艺参数优化方法 |
CN112418455A (zh) * | 2020-11-28 | 2021-02-26 | 北京三维天地科技股份有限公司 | 一种设备故障预测与健康管理系统 |
CN112487584A (zh) * | 2020-12-03 | 2021-03-12 | 天津工业大学 | 一种基于动力学的滚动轴承数字孪生建模方法 |
CN112416531A (zh) * | 2020-12-07 | 2021-02-26 | 深圳华制智能制造技术有限公司 | 数字孪生系统仿真方法、系统、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张帆;葛世荣;李闯;: "智慧矿山数字孪生技术研究综述", 煤炭科学技术, vol. 48, no. 07 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114153482A (zh) * | 2022-02-09 | 2022-03-08 | 深圳市爱云信息科技有限公司 | 基于数字孪生DaaS平台的深度学习编程方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111737811B (zh) | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 | |
CN111027165A (zh) | 一种基于数字孪生的动力电池组管理系统及方法 | |
CN111968004A (zh) | 一种基于数字孪生的高精密产品装调一体化系统 | |
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 | |
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 | |
CN111881495A (zh) | 基于数字孪生的预应力钢结构安全评估方法 | |
CN113378329A (zh) | 基于数字孪生的轴向柱塞泵状态监测方法 | |
CN115456331B (zh) | 多维多测点模型在线监控算法在监测分析系统平台的应用 | |
CN113900381A (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 | |
CN113515848A (zh) | 矿山设备的结构设计优化方法、系统和可读存储介质 | |
CN115422814A (zh) | 一种数字孪生驱动的复杂机电产品闭环优化设计方法 | |
CN114528688A (zh) | 可靠性数字孪生体模型构建方法、装置和计算机设备 | |
CN114330058A (zh) | 一种挖掘机载荷谱编制方法及系统 | |
US7054799B1 (en) | Method and system for reduction of a network topology-based system having automated optimization features | |
CN116542177A (zh) | 一种基于启停工况分析评判的水轮机寿命评估方法及系统 | |
WO2023160300A1 (zh) | 结构件剩余寿命预测方法、装置及作业机械 | |
CN116090063A (zh) | 一种考虑节点滑移效应的输电塔有限元建模方法 | |
CN115859864A (zh) | 一种适用于海上风机结构方案设计分项系数的修正方法 | |
CN104515591A (zh) | 一种高精度的磨煤机振动检测工艺方法 | |
CN115510726A (zh) | 一种输电铁塔运行状态数字化快速评估方法 | |
CN111651843B (zh) | 发电机主机架的设计方法、系统及电子设备 | |
CN117851810B (zh) | 一种盾构机故障检测及解决方法及系统 | |
CN116877051B (zh) | 一种采油工程生产流量及压力异常诊断方法及设备 | |
CN117807659A (zh) | 一种建筑结构缺陷检测和纠正方法及系统 | |
US11216600B2 (en) | Liner polish analysis platform |
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 |