CN113705095A - 一种循环水泵数字孪生建模方法 - Google Patents
一种循环水泵数字孪生建模方法 Download PDFInfo
- Publication number
- CN113705095A CN113705095A CN202110998629.XA CN202110998629A CN113705095A CN 113705095 A CN113705095 A CN 113705095A CN 202110998629 A CN202110998629 A CN 202110998629A CN 113705095 A CN113705095 A CN 113705095A
- Authority
- CN
- China
- Prior art keywords
- water pump
- circulating water
- digital twin
- model
- modeling
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 238000013499 data model Methods 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 238000013506 data mapping Methods 0.000 claims abstract description 4
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000010687 lubricating oil Substances 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000012824 chemical production 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
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 229910001039 duplex stainless steel Inorganic materials 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 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
- 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
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
Abstract
本发明公开了一种循环水泵数字孪生建模方法,属于先进制造与自动化技术领域。所述方法包括:对循环水泵进行功能特征分析、结构特征分析和运行特性分析的数字孪生分析,确定循环水泵的子系统集合、结构特点、运行参数;通过对循环水泵的物理对象实体进行分析,构建循环水泵的数字孪生虚拟模型;数字孪生虚拟模型包括机理模型建模、数据模型建模和知识模型建模;将得到的循环水泵的子系统集合、结构特点、运行参数与构建的循环水泵的数字孪生虚拟模型进行交互与集成,先对循环水泵数字孪生虚拟建模的通信需求进行分析,再确定数据传输方案进行数据映射和数据融合,实现虚实映射。本发明实现对循环水泵提供运仿真、优化等智能服务。
Description
技术领域
本发明属于先进制造与自动化技术领域,涉及一种循环水泵数字孪生建模方法。
背景技术
循环水泵被广泛用于火电厂、核电厂、工农业生产、化工生产等,循环水泵作为这些行业的关键设备,具有非常重要的地位。循环水泵系统包括电机、齿轮箱、叶轮以及润滑油系统等20余项,组成复杂、设备价值高。目前,循环水泵的智能化和数字化水平较低,当循环水系统发生故障时,通常需要人工干预,存在不停泵和停泵两种模式。传统的事后维修和定期维护方式日益暴露出其局限性,所导致的设备故障、停机损失和维修费用等后果日益受到关注和重视。因此,实现循环水泵的信息化与智能化是实现智能制造亟需解决的重要问题。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种循环水泵数字孪生建模方法,实现循环水泵物理实体的时空状态、行为、功能等的模拟,从而可对循环水泵提供运仿真、优化等智能服务。
为了达到上述目的,本发明采用以下技术方案予以实现:
本发明公开了一种循环水泵数字孪生建模方法,包括以下步骤;
1)对循环水泵进行功能特征分析、结构特征分析和运行特性分析的数字孪生分析,确定循环水泵的子系统集合、结构特点、运行参数;2)通过对循环水泵的物理对象实体进行分析,构建循环水泵的数字孪生虚拟模型;数字孪生虚拟模型包括机理模型建模、数据模型建模和知识模型建模;3)将步骤1)得到的循环水泵的子系统集合、结构特点、运行参数与步骤2)构建的循环水泵的数字孪生虚拟模型进行交互与集成,先对循环水泵数字孪生虚拟建模的通信需求进行分析,再确定数据传输方案进行数据映射和数据融合,实现虚实映射。
优选地,在步骤1)中,通过功能特征分析,确定循环水泵的类型和功能。
优选地,在步骤1)中,通过结构特征分析,确定循环水泵数字孪生建模的主要部件、装配特征、子系统,并得到可简化的零部件和装配形式。
优选地,在步骤1)中,通过运行特性分析,确定的循环水泵的运行参数。
优选地,步骤2)中,机理模型建模包括:机械、电气、液压、热力学、控制属性建立循环水泵的三维模型;步骤2)中,数据模型建模包括:根据具体应用场景,建立支持分析功能、预测功能、优化功能、决策功能的数据模型;步骤2)中,知识模型建模包括:根据历史数据、运行维护手册、缺陷清单、DCS/传感器数据、专家经验构建循环水泵知识模型构建循环水泵知识模型。
优选地,在步骤3)中,通信需求包括:数字孪生虚拟模型内部、不同数字孪生虚拟模型之间、以及数字孪生虚拟模型和物理实体之间;其中,针对数字孪生虚拟模型内部的通信,通过可视化工具、仿真模型之间,通过标准化接口实现交互;其中,针对不同数字孪生虚拟模型之间的通信,通过各自对应的物理实体间的信息共享、数据传输实现;其中,针对数字孪生虚拟模型和物理实体之间的通信,通过传感器数据和状态数据、远程控制、软件更新的方式实现。
优选地,在步骤3)中,数据传输的方案,根据实际采集数据的需求和现场环境进行选择。
优选地,在步骤3)之后,还包括:4)基于数字孪生技术,从实时性、保真度和置信性,对构建的数字孪生虚拟模型进行验证及评价。
进一步优选地,步骤4)中的保真度,通过基于循环水泵的历史数据和实时运行数据,从理论和实验角度对数字孪生虚拟模型进行更新和修正。
进一步优选地,步骤4)中的置信性,通过建立模型精度及可信度评测算法,对循环水泵数字孪生虚拟模型的运行效果进行验证与评价。
与现有技术相比,本发明具有以下有益效果:
本发明公开了以循环水泵为对象,提出了一种循环水泵数字孪生建模方法,所述方法中通过构建企业关键设备数字孪生模型,可对循环水泵运行状态、故障诊断、故障预测、运行优化进行虚实映射,实现仿真、监控、评估、预测、优化等功能,提高了循环水泵设计、制造、运行、维护的智能化水平;在数字孪生模型中,构建循环水泵的机理模型、数据模型和知识模型,一方面,机理模型可清晰地描述循环水泵物理实体的运行机理,另一方面,构建数据模型可基于数据深层的规律使得数字孪生模型具有自主进化能力,另外,构建循环水泵的知识模型补充了机理模型和数据模型的不足,将专家知识融合到数字孪生系统中,使得循环水泵数字孪生模型更加智能,支持循环水泵在多种境下的关联、推理、预测功能。
进一步地,通过降低数字孪生系统的传输延迟、抖动,同时结合不断进行更新、修正等,以及运行效果进行验证与评价,确保孪生系统的实时性、保真度和置信度,提高本发明所述循环水泵数字孪生建模方法对不同实际工况的适用性和精准性。
附图说明
图1为本发明的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
参照图1,为本发明公开的一种循环水泵数字孪生建模方法,包括以下步骤:
1)数字孪生建模分析:对循环水泵进行数字孪生分析,分析过程包括三个方面,分别为循环水泵的功能特征分析、结构特征分析和运行特性分析分析,明确物理对象实体包含的子系统集合、结构特点,及对系统有重要影响的运行参数。
2)数字孪生虚拟建模:通过对循环水泵的物理对象实体进行分析,进一步构建循环水泵的数字孪生虚拟模型。数字孪生虚拟模型包括机理模型建模、数据模型建模和知识模型建模三类。
3)数字孪生虚实映射:步骤1)得到的循环水泵物理对象实体的各种参数数据和状态数据(子系统集合、结构特点、运行参数),需要与步骤2)构建的循环水泵的数字孪生虚拟模型进行交互与集成,实现虚实映射。其中包括:首先对循环水泵数字孪生虚拟建模的通信需求进行分析;其次,确定数据传输方案以进行数据映射和数据融合。其中,通信需求需要从数字孪生虚拟模型内部、不同数字孪生虚拟模型之间、以及数字孪生虚拟模型和物理实体之间三方面进行。
4)数字孪生虚拟模型验证与评价:从数字孪生技术的优越性角度提出验证及评价指标,包括数字孪生模型的实时性、保真度和置信性三个方面。
进一步的,在步骤1)中,功能特征分析主要确定循环水泵的类型和功能参数。
具体地,在本发明的具体实施例中,循环水泵类型可选择为混凝土涡壳泵或金属斜流泵。特别地,循环水泵是循环水系统中的提升设备,各部件具有不同的功能。
进一步的,在步骤1)中,结构特征分析需要确定循环水泵数字孪生建模的子系统,包括电机、齿轮箱、叶轮以及润滑油系统等;明确循环水泵的装配特征和主要部件,并分析其建模可简化的零部件和装配形式。例如,通过对循环水泵进行功能分析和BOM分解,循环水泵主要由混凝土进水流道、电机、齿轮箱、混凝土蜗壳、预埋件、叶轮、泵轴、泵盖、主轴密封、停机密封、下导轴承、支架、联轴器等主要部件组成。其中,以叶轮为例,其加工方式为双相不锈钢整体铸造,其上安装的是上、下密封环。叶轮上设有平衡孔,叶轮与轴采用法兰联接,由连接螺栓承受水泵的轴向推力。
进一步的,在步骤1)中,运行特性分析确定的循环水泵主要运行参数包括流量、频率、转速、电机参数等。例如,某型号循环水泵需要确定其额定流量、额定频率、额定转速、效率以及额定流量下的泵轴功率等参数。
进一步的,在步骤2)中,机理模型建模是从机械、电气、液压、热力学、控制属性方面建立循环水泵三维模型。例如,循环水泵机理模型包括循环水泵几何建模、循环水泵运动学建模、循环水泵流体动力学建模等。循环水泵几何模型用于获得循环水泵组成部件的形状、尺寸、位置、结构等几何信息,以及构成组成部件间连接关系及装配关系的装配模型镜像;循环水泵运动学模型可获得循环水泵内海水的流体运动学方程;循环水泵流体动力学模型,可获得泵的水力性能数据、流体介质在泵中各部件内的流动状况等,对循环水泵叶片设计优化、整体结构及运行时是否容易出现损坏有着重要意义。
进一步的,在步骤2)中,数据模型建模根据具体应用场景建立支持分析、预测、优化、决策功能的数据模型。通过统计学方法挖掘循环水泵各类数据规律,以支持循环水泵数字孪生模型的自感知、自预测、自调整等全面准确的仿真能力。以循环水泵故障预测数据模型为例,采用神经网络构建故障预测模型,然后根据实际数据和模拟数据对神经网络进行校准和验证。基于该神经网络,获得了循环水泵某种故障行为下的故障预测模型,该模型将作为循环水泵数字孪生模型中的一部分。同理,建立循环水泵不同应用场合下的数据模型,如运行优化模型、智能决策模型等,随着循环水泵实际运行情况不断更新,不断进化模型。
进一步的,在步骤2)中,知识模型建模根据循环水泵历史数据、运行维护手册、缺陷清单、DCS/传感器数据、专家经验构建循环水泵的知识模型,用于支持循环水泵数字孪生模型更加复杂的关联、推理、预测功能。优选地,知识建模可采用以本体模型为核心的循环水泵复杂知识资源组织、存储和表达方法。
进一步的,在步骤3)中,针对数字孪生模型内部的通信,即在可视化工具、仿真模型之间,通过标准化接口实现交互;针对不同数字孪生模型间的通信,通过各自对应的物理实体间的信息共享、数据传输实现;针对数字孪生体和对应的物理实体间的通信,传感器数据和状态数据、远程控制、软件更新等方式实现。
进一步的,在步骤3)中,在循环水泵的数据传输方案上,根据实际采集数据的需求和现场环境进行选择,具体考虑传输距离、延迟、能耗、采样率等因素。数据传输依赖于传输协议、访问方法、多访问方案、信道多路调制和编码以及多用户检测技术。可采用的应用协议包括DDS、CoAP、MQTT、AMQP等,同时基于4G、5G、NB-IoT等物联网技术可实现高可靠性、高安全性、低延时等要求。
进一步的,在步骤4)中,循环水泵在线数据的实时感知获取和传输是保证数字孪生模型实时性和灵敏性的基础,通过降低数字孪生系统的传输延迟、抖动,确保孪生系统的实时性。
进一步的,在步骤4)中,基于循环水泵的历史数据和实时运行数据,从理论和实验角度对数字孪生虚拟模型不断进行更新、修正等,获得整个孪生系统的保真度。
进一步的,在步骤4)中,通过建立模型精度及可信度评测算法,对循环水泵数字孪生虚拟模型的运行效果进行验证与评价,可选方法包括因果图、控制分析、黑盒测试、白盒测试、回归测试等。
综上所述,本发明公开了一种循环水泵数字孪生建模方法,基于物联网、人工智能和先进建模技术等新兴技术,实现了将数字孪生概念与相关技术相结合,发展成为循环水泵等关键设备的智能化实施,所述循环水泵数字孪生建模方法中,借助数字孪生技术能够为循环水泵提供一系列例如设计改进、状态监测、故障诊断、运行优化、预测性维护等智能服务,可以应用于核电等行业中,对提升整体性能及竞争力具有重要意义。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种循环水泵数字孪生建模方法,其特征在于,包括以下步骤;
1)对循环水泵进行功能特征分析、结构特征分析和运行特性分析的数字孪生分析,确定循环水泵的子系统集合、结构特点、运行参数;
2)通过对循环水泵的物理对象实体进行分析,构建循环水泵的数字孪生虚拟模型;数字孪生虚拟模型包括机理模型建模、数据模型建模和知识模型建模;
3)将步骤1)得到的循环水泵的子系统集合、结构特点、运行参数与步骤2)构建的循环水泵的数字孪生虚拟模型进行交互与集成,先对循环水泵数字孪生虚拟建模的通信需求进行分析,再确定数据传输方案进行数据映射和数据融合,实现虚实映射。
2.根据权利要求1所述的一种循环水泵数字孪生建模方法,其特征在于,在步骤1)中,通过功能特征分析,确定循环水泵的类型和功能。
3.根据权利要求1所述的一种循环水泵数字孪生建模方法,其特征在于,在步骤1)中,通过结构特征分析,确定循环水泵数字孪生建模的主要部件、装配特征、子系统,并得到可简化的零部件和装配形式。
4.根据权利要求1所述的一种循环水泵数字孪生建模方法,其特征在于,在步骤1)中,通过运行特性分析,确定的循环水泵的运行参数。
5.根据权利要求1所述的一种循环水泵数字孪生建模方法,其特征在于,步骤2)中,机理模型建模包括:机械、电气、液压、热力学、控制属性建立循环水泵的三维模型;
步骤2)中,数据模型建模包括:根据具体应用场景,建立支持分析功能、预测功能、优化功能、决策功能的数据模型;
步骤2)中,知识模型建模包括:根据历史数据、运行维护手册、缺陷清单、DCS/传感器数据、专家经验构建循环水泵知识模型构建循环水泵知识模型。
6.根据权利要求1所述的一种循环水泵数字孪生建模方法,其特征在于,在步骤3)中,通信需求包括:数字孪生虚拟模型内部、不同数字孪生虚拟模型之间、以及数字孪生虚拟模型和物理实体之间;
其中,针对数字孪生虚拟模型内部的通信,通过可视化工具、仿真模型之间,通过标准化接口实现交互;
其中,针对不同数字孪生虚拟模型之间的通信,通过各自对应的物理实体间的信息共享、数据传输实现;
其中,针对数字孪生虚拟模型和物理实体之间的通信,通过传感器数据和状态数据、远程控制、软件更新的方式实现。
7.根据权利要求1所述的一种循环水泵数字孪生建模方法,其特征在于,在步骤3)中,数据传输的方案,根据实际采集数据的需求和现场环境进行选择。
8.根据权利要求1所述的一种循环水泵数字孪生建模方法,其特征在于,在步骤3)之后,还包括:4)基于数字孪生技术,从实时性、保真度和置信性,对构建的数字孪生虚拟模型进行验证及评价。
9.根据权利要求8所述的一种循环水泵数字孪生建模方法,其特征在于,步骤4)中的保真度,通过基于循环水泵的历史数据和实时运行数据,从理论和实验角度对数字孪生虚拟模型进行更新和修正。
10.根据权利要求8所述的一种循环水泵数字孪生建模方法,其特征在于,步骤4)中的置信性,通过建立模型精度及可信度评测算法,对循环水泵数字孪生虚拟模型的运行效果进行验证与评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110998629.XA CN113705095B (zh) | 2021-08-27 | 2021-08-27 | 一种循环水泵数字孪生建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110998629.XA CN113705095B (zh) | 2021-08-27 | 2021-08-27 | 一种循环水泵数字孪生建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113705095A true CN113705095A (zh) | 2021-11-26 |
CN113705095B CN113705095B (zh) | 2024-03-19 |
Family
ID=78656294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110998629.XA Active CN113705095B (zh) | 2021-08-27 | 2021-08-27 | 一种循环水泵数字孪生建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113705095B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912371A (zh) * | 2022-06-13 | 2022-08-16 | 江苏大学 | 一种贯流泵运行稳定检测的数字孪生体建模系统及方法 |
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
CN116557307A (zh) * | 2023-05-08 | 2023-08-08 | 江苏大学 | 一种立式轴流泵装置的优化方法及优化系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019076233A1 (zh) * | 2017-10-17 | 2019-04-25 | 广东工业大学 | 一种智能车间快速定制设计方法及系统 |
CN111159793A (zh) * | 2020-01-20 | 2020-05-15 | 兰州理工大学 | 基于数字孪生五维模型3d打印机建模方法及模型系统 |
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 |
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 |
EP3696622A1 (en) * | 2019-02-14 | 2020-08-19 | Rockwell Automation Technologies, Inc. | Ai extensions and intelligent model validation for an industrial digital twin |
US10814883B1 (en) * | 2018-10-18 | 2020-10-27 | Northrop Grumman Systems Corporation | Prognostics for improved maintenance of vehicles |
CN112417619A (zh) * | 2020-11-23 | 2021-02-26 | 江苏大学 | 一种基于数字孪生的泵机组优化运行调节系统及方法 |
-
2021
- 2021-08-27 CN CN202110998629.XA patent/CN113705095B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019076233A1 (zh) * | 2017-10-17 | 2019-04-25 | 广东工业大学 | 一种智能车间快速定制设计方法及系统 |
US10814883B1 (en) * | 2018-10-18 | 2020-10-27 | Northrop Grumman Systems Corporation | Prognostics for improved maintenance of vehicles |
EP3696622A1 (en) * | 2019-02-14 | 2020-08-19 | Rockwell Automation Technologies, Inc. | Ai extensions and intelligent model validation for an industrial digital twin |
CN111562769A (zh) * | 2019-02-14 | 2020-08-21 | 罗克韦尔自动化技术公司 | 用于工业数字孪生的ai扩展和智能模型验证 |
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 |
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 |
CN111159793A (zh) * | 2020-01-20 | 2020-05-15 | 兰州理工大学 | 基于数字孪生五维模型3d打印机建模方法及模型系统 |
CN112417619A (zh) * | 2020-11-23 | 2021-02-26 | 江苏大学 | 一种基于数字孪生的泵机组优化运行调节系统及方法 |
Non-Patent Citations (1)
Title |
---|
陈志鼎;梅李萍;: "基于数字孪生技术的水轮机虚实交互系统设计", 水电能源科学, no. 09 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912371A (zh) * | 2022-06-13 | 2022-08-16 | 江苏大学 | 一种贯流泵运行稳定检测的数字孪生体建模系统及方法 |
CN115859700A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司电力科学研究院 | 一种基于数字孪生技术的电网建模方法 |
CN116557307A (zh) * | 2023-05-08 | 2023-08-08 | 江苏大学 | 一种立式轴流泵装置的优化方法及优化系统 |
CN116557307B (zh) * | 2023-05-08 | 2024-01-26 | 江苏大学 | 一种立式轴流泵装置的优化方法及优化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113705095B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113705095B (zh) | 一种循环水泵数字孪生建模方法 | |
EP2715466B1 (en) | Large-scale comprehensive real-time monitoring framework for industrial facilities | |
CN111639430B (zh) | 一种数字孪生驱动的天然气管道泄漏识别系统 | |
RU2613637C2 (ru) | Способ и система для правил диагностики мощных газовых турбин | |
KR20160017681A (ko) | 풍력플랜트 관리 시스템 및 그 방법 | |
KR20160073945A (ko) | 풍력플랜트 관리 시스템 및 그 방법 | |
CN111911483B (zh) | 基于数字孪生的液压系统融合型故障诊断预测方法 | |
JP2005317002A (ja) | 機械監視の方法及びシステム | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
CN114992106B (zh) | 一种基于数字孪生的泵站机组运行状态分析系统 | |
CN112955831A (zh) | 利用边缘模块服务器系统和方法 | |
CN113486420B (zh) | 水库大坝岸坡稳定性监测方法、装置、设备及介质 | |
CN113039521A (zh) | 状态边缘模块服务器系统和方法 | |
US11520326B2 (en) | Automating construction and deployment of predictive models for industrial plant assets | |
CN115859700B (zh) | 一种基于数字孪生技术的电网建模方法 | |
CN114741815A (zh) | 一种基于数字孪生的海底石油管道健康管理方法 | |
CA3164976A1 (en) | Digital avatar at an edge of a network | |
US8433427B2 (en) | Method for monitoring operation behaviour of a component of an industrial plant | |
Li et al. | Research on digital twin and collaborative cloud and edge computing applied in operations and maintenance in wind turbines of wind power farm | |
AU2016265997B2 (en) | Large-scale comprehensive real-time monitoring framework for industrial facilities | |
Ristić et al. | Digital technologies emergence in the contemporary hydropower plants operation | |
KR102115515B1 (ko) | 펌프 생산 및 제어 시스템 | |
Al Maghlouth et al. | ESP Surveillance and Optimization Solutions: Ensuring Best Performance and Optimum Value. | |
Lima et al. | Closing the Loop-Integrating Predictive Surveillance with Remote Control Operations | |
Koistinen et al. | Information from centralized database to support local calculations in condition monitoring |
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 |