CN114201872A - 一种柴油机燃油系统的数字孪生建模方法 - Google Patents
一种柴油机燃油系统的数字孪生建模方法 Download PDFInfo
- Publication number
- CN114201872A CN114201872A CN202111499108.6A CN202111499108A CN114201872A CN 114201872 A CN114201872 A CN 114201872A CN 202111499108 A CN202111499108 A CN 202111499108A CN 114201872 A CN114201872 A CN 114201872A
- Authority
- CN
- China
- Prior art keywords
- fuel system
- virtual model
- diesel engine
- digital twin
- data
- 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
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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
- G06F16/287—Visualization; Browsing
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及一种柴油机燃油系统数字孪生建模方法,包括步骤:S1:采集柴油机燃油系统在初始工况下的相关信息;S2:构建柴油机燃油系统在初始工况下的整体虚拟模型,并根据所述相关信息对所述整体虚拟模型进行校核和确认;S3:采集柴油机燃油系统在其他工况下的输入参数和输出参数;S4:将采集到的输入参数输入校核和确认后的整体虚拟模型中,得到仿真计算结果;S5:将仿真计算结果和采集到的输出参数进行对比分析,并对所述整体虚拟模型进行修正,从而获得柴油机燃油系统的数字孪生模型;S6:搭建数据库,并将所述数字孪生模型和数据库集成至可视化到信息服务系统。
Description
技术领域
本发明涉及柴油机燃油系统领域,更具体地涉及一种柴油机燃油系统的数字孪生建模方法。
背景技术
燃油系统是柴油机的关键动力装置,但由于系统的复杂性和工作环境的恶劣性,燃油系统的故障率居高不下。传统的响应式维护是在设备发生故障或者停机后进行维修,该方式不具备提前性,不能给维护团队提供备件准备时间,有较长的停机维护时间,整体成本高。而预防性维护是基于时间和可靠性分析,按照失效率、平均故障间隔时间(MTBF)、平均修复时间(MTTR)等规定维修级别,在固定的时间周期或者使用循环数对设备进行维修维护,失效还是可能在检测周期的间隙发生,故障率虽然降低,但可能会造成一定成本的浪费。
数字孪生是以数字化的方式,利用物理模型和传感器数据,形成多维度、多学科、多物理量、多时间尺度、多概率的仿真过程[1],从而在虚拟空间中完成对物理实体的相似映射[2],展现物理系统或设备的全生命周期过程。数字孪生技术的发展以2017年为分界线,主要分为两个阶段:2017年之前,主要是针对数字孪生概念的探讨,对模型方法的研究较少,研究人员主要集中在欧美等西方国家;2017年以后,对于数字孪生技术的研究数量有很大程度的增长,提出了新的数字孪生应用框架和方式。
现有技术中,数字孪生技术的研究大多针对于车间流水线的规划、机床加工进程等简单系统的优化和监控。例如,车间运行(陶飞,张萌,程江峰,戚庆林.数字孪生车间——一种未来车间运行新模式[J].计算机集成制造系统,2017,23(01):1-9.)、生产管控(张新生.基于数字孪生的车间管控系统的设计与实现[D].郑州大学,2018.)以及工艺规划等方面。但由于数字孪生核心要素之一的模型目前没有统一的描述方法,并且缺乏完整的模型架构,目前还没有针对柴油机燃油系统等复杂机械系统的数字孪生技术的研究。
发明内容
本发明的目的在于提供一种柴油机燃油系统的数字孪生建模方法,构建将虚拟模型与数据相结合的数字孪生模型,便于管理人员在燃油系统运行过程中,全面掌握系统运行状态。
为实现上述目的,本发明提供一种柴油机燃油系统的数字孪生建模方法,包括以下步骤:
S1:采集柴油机燃油系统在初始工况下的相关信息;
S2:构建柴油机燃油系统在初始工况下的整体虚拟模型,并根据所述相关信息对所述整体虚拟模型进行校核和确认;
S3:采集柴油机燃油系统在其他工况下的输入参数和输出参数;
S4:将采集到的输入参数输入校核和确认后的整体虚拟模型中,得到仿真计算结果;
S5:将仿真计算结果和采集到的输出参数进行对比分析,并对所述整体虚拟模型进行修正,从而获得柴油机燃油系统的数字孪生模型;
S6:搭建数据库,并将所述数字孪生模型和数据库集成至可视化到信息服务系统。
进一步地,所述相关信息包括柴油机燃油系统的系统特征及初始工况和环境参数。
进一步地,所述系统特征包括额定功率、额定转速和额定流量。
进一步地,所述初始工况和环境参数包括电机转速、燃油温度、压力、流量、喷油量和控制信号。
进一步地,步骤S2包括以下步骤:
S21:分析柴油机燃油系统的组成结构,确定各部件的运动状态和工作原理;
S22:根据各部件的工作原理建立虚拟模型,利用液压连接管路的虚拟模型将各部件的虚拟模型连接起来,得到柴油机燃油系统的整体虚拟模型;
S23:对整体虚拟模型进行后处理;
S24:根据步骤S1采集到的初始工况下的相关信息,不断对整体虚拟模型进行仿真,分析仿真结果,直至与实际情况相吻合。
进一步地,所述输入参数包括燃油类型、燃油温度、脉冲宽度调制信号和燃油计量阀出口开度。
进一步地,所述输出参数包括高压油泵、共轨系统和喷油器的出口压力、出口流量、喷油量和控制信号。
进一步地,所述数据库包括:
数据获取模块:设置为在构建好的整体虚拟模型中,通过设置输入参数,得到输出参数;
数据存储模块:设置为创建MySQL关系型数据库,将获取到的输出参数数据存储在MySQL关系型数据库中,并根据需要进行增加、删除、查询和修改操作;
数据处理模块:设置为对获取到的输出参数数据进行处理。
进一步地,所述数据处理模块包括:
数据预处理单元:设置为将柴油机燃油系统启动后的前0.1s的输出参数数据删除;
故障诊断数据处理单元:设置为分析处理燃油系统整体虚拟模型的流量和压力信号数据,构建智能故障诊断模型和算法;
寿命预测数据处理单元:将处理后的流量和压力信号数据进行降维处理,并应用至构建好的指数衰退模型中。
进一步地,步骤S6还包括通过数据库可视化管理工具将柴油机燃油系统的全部数据可视化。
本发明的柴油机燃油系统的数字孪生建模方法,建立达到映射关系的数字孪生模型,便于管理人员在燃油系统运行过程中,全面掌握系统运行状态,检测故障类型,预测剩余寿命,提高了燃油系统的运维效率,降低了运维成本。
附图说明
图1为本发明实施例提供的柴油机燃油系统的数字孪生建模方法的流程图。
具体实施方式
下面结合附图,给出本发明的较佳实施例,并予以详细描述。
如图1所示,本发明实施例提供一种柴油机燃油系统的数字孪生建模方法,包括以下步骤:
S1:采集柴油机燃油系统在初始工况下的相关信息,包括燃油系统的系统特征及其初始工况和环境参数;
燃油系统的系统特征包括额定功率、额定转速和额定流量;初始工况和环境参数包括但不限于电机转速、燃油温度、压力、流量、喷油量和控制信号等,其可通过对应的传感器采集获得。
S2:构建燃油系统各部件包括但不限于高压油泵、共轨系统、喷油器的虚拟模型,按各部件的工作原理和结构,用液压连接管路的虚拟模型将各部件的虚拟模型连接起来,从而得到燃油系统的整体虚拟模型,并根据柴油机燃油系统的相关信息对整体虚拟模型进行校核和确认;
步骤S2包括以下步骤:
S21:首先,分析实际燃油系统的组成结构,确定各部分包括但不限于高压油泵、共轨系统和喷油器的运动状态和工作原理。
高压油泵主要分为低压齿轮泵组、燃油计量阀、高压柱塞泵组三个部分。低压齿轮泵组由电机、油箱、燃油过滤器、容积腔、齿轮泵、溢流阀组成,其中燃油过滤器用一个小直径的阻尼孔代替,模拟实际中过滤燃油杂质作用;燃油计量阀位于低压齿轮泵和高压柱塞泵之间,电控模块(ECM)通过改变脉冲宽度调制(PWM)信号的占空比来调节电磁铁的推力大小,进而影响燃油计量阀的开度;高压柱塞泵是一个三缸径向柱塞泵,主要由电机、凸轮机构、弹簧阻尼系统、柱塞腔、入口单向阀(板阀)、出口单向阀(球阀)、蓄压腔、流量传感器等组成。
共轨系统主要由稳压阀、液压管组成。稳压阀主要由脉冲比例信号、电磁阀、弹簧腔、球阀、蓄压器、节流孔等组成;液压管路主要包括连接管路和共轨管路。
喷油器主要由电磁控制、控制柱塞和针阀三部分构成。电磁控制部分包括高速电磁阀和电控模块;控制柱塞部分包括蓄压器、弹簧腔、控制腔、节流孔、泄露腔等;针阀部分包括针阀杆、燃油粘性阻尼、喷油嘴等。
S22:其次,利用AMESim仿真建模软件,依据各部件的工作原理,建立各元件的虚拟模型,然后用液压连接管路的虚拟模型将各部件的虚拟模型连接起来,从而得到燃油系统的整体虚拟模型。
S23:再次,根据实际工程中关注的数据,对整体虚拟模型进行后处理操作,如时域分析、线性分析等;
在本实施例中,关注的是燃油系统的故障诊断和寿命预测,因此关注的数据就是高压油泵与喷油器的运行数据(包括故障数据和健康数据),利用MATLAB诊断特征设计器和预测性维护工具箱,进行故障诊断数据处理和寿命预测数据处理,最终构建训练模型,为信息服务系统故障诊断和寿命预测功能模块的实现提供数据和模型支持;
S24:最后,根据步骤S1采集到的真实燃油系统的相关数据,不断对整体虚拟模型进行仿真,分析仿真结果,直至与实际情况相吻合,证明整体虚拟模型的有效性和准确性。
整体虚拟模型建立后,需要对其进行校核与确认,确定该模型是否能足以准确地反映实际系统在初始工况下的各种动静态特性,是否可保证放心地使用所建立的模型。如果不满足要求,需要进行相应的修正。模型的有效性和准确性,有两个方面的含义:一是首先要检查概念模型(数学模型、物理模型)是否正确地描述了实际系统;二是进一步考察模型输出是否充分接近实际系统的行为。不吻合就需要不断修改参数,例如齿轮泵容积效率、齿轮泵机械效率、齿轮泵排量、电机转速、过滤器阻尼孔径、溢流阀流量压力梯度、溢流阀开启压力等等,使其尽量与实际系统相吻合,当实物和整体虚拟模型的误差能控制在可接受的范围,那么就确定了整体虚拟模型在初始工况下的各项参数。
由于实物是一个比较完整的整体,许多内部构件的参数不能得到,而整体虚拟模型是由一个一个比较精细的元件组成,每个元件都有输入输出,只能根据实物能得到的参数一步一步根据工作原理、方程和仿真的结果最终确定出内部元件的各个参数。
S3:采集柴油机燃油系统在其他工况下的输入参数和输出参数;
输入参数是指整体虚拟模型中的燃油类型,燃油温度,脉冲宽度调制信号,燃油计量阀出口开度等所有对应在实物中用户可以自行决定的参数;输出参数是指燃油系统子部件的健康状态和故障状态数据,包括但不限于高压油泵、共轨系统、喷油器等子部件的出口压力、出口流量、喷油量和控制信号等,输入参数和输出参数均可通过对应的传感器采集获得。
S4:将S3采集到的输入参数输入到整体虚拟模型中,得到仿真计算结果;
S5:将S4得到的仿真计算结果与S3得到的输出参数进行对比分析,对整体虚拟模型内部参数进行调整和修正,从而获得实时同步的燃油系统数字孪生模型;
步骤S2中的整体虚拟模型是根据初始工况(即正常服役工况)下的参数搭建的,是一个静态的模型,其并不能映射其他工况下的实物。步骤S3-S5是在其他各种工况下验证模型,目的是为了让整体虚拟模型在各种工况下都能完美复刻实物的各种状态,以便当同一输入信号同时输入实物和整体虚拟模型时,能得到同样的输出结果,从而两者能获得实时同步。
验证就是改变实物和整体虚拟模型的工况,看看能不能吻合,不吻合就找出原因,是从哪个元件开始不吻合的,问题可能就出现在该元件身上,调整这个元件的内部参数,这里的内部参数随元件不同而不同。如:燃油计量阀的电磁阀线圈匝数、气隙、占空比、频率;高压柱塞泵的柱塞直径、柱塞腔初始间隙、柱塞弹簧预紧力、柱塞弹簧刚度、柱塞初始位移、入口单向阀阀座直径、入口单向阀直径、弹簧刚度、弹簧预紧力、位移限制、出口单向阀阀座直径、球直径、位移限制、弹簧刚度、弹簧预紧力、凸轮初始旋转角度、偏心半径、偏心距、凸轮角位移与柱塞轴夹角、阻尼率等。系统元件过多,此处不再赘述。
S6:搭建数据库,最终将数字孪生模型和数据库集成至可视化到信息服务系统(用MATLAB开发的APP)上。
搭建数据库的过程主要分为数据获取、数据存储和数据处理三个模块。其中,数据获取主要通过整体虚拟模型仿真得到的数据资源;数据存储是利用数据库和相关接口程序,对获取到的运行数据进行存储,方便数据处理模块对数据的调用以及数据云存储的实现;数据处理分为数据预处理、故障诊断数据处理以及寿命预测数据处理三部分,主要通过MATLAB中的机器学习工具箱、预测性维护工具箱、诊断特征设计器完成。数据库是数字孪生模型的基础,为功能应用的实现提供了原始数据和训练模型。
其中,数据获取模块设置为在构建好的整体虚拟模型中,通过设置仿真参数和条件(包括燃油类型,燃油温度,脉冲宽度调制信号,燃油计量阀出口开度等所有对应在实物中用户可以自行决定的参数),得到高压油泵、共轨系统、喷油器等子部件的状态信息、控制信号、进出口压力、流量、喷油量的健康状态和故障状态数据等;数据存储模块设置为创建MySQL关系型数据库,通过MATLAB数据库工具箱(Database Toolbox),将获取到的数据通过存储在创建好的数据库中,并根据需要对数据进行增加、删除、查询、修改等操作;数据处理模块主要分为三部分,第一部分是对数据进行预处理,主要是考虑到燃油系统在启动时会产生一部分不稳定的瞬态数据,所以利用MySQL删除命令将前0.1s的数据删除;第二部分是故障诊断数据处理,通过MATLAB提供的诊断特征设计器等工具箱,分析处理燃油系统各虚拟模型的流量和压力信号数据,构建智能故障诊断模型和算法,如时域、频域分析,统计特征提取,机器学习分类方法选择等;第三部分是寿命预测数据处理,与故障诊断数据处理类似,将提取到的统计特征进行降维处理,如:数据标准化,主成分分析等,然后应用到构建好的指数衰退模型中。
建立信息服务系统的过程可以采用但不限于采用如下方法:通过MATLAB的AppDesigner应用程序构建平台,利用模块化开发思路,分别设计开发初始化模块、用户登录模块、状态监测模块、故障检测模块、寿命预测模块的GUI界面和具体功能,并对各功能进行调试运行,实现对燃油系统整体虚拟模型的数字化运维。
其中,系统初始化模块设置为自动完成环境配置,连接AMESim虚拟模型和数据库通讯接口;用户登录模块设置为通过输入用户名和密码,获取访问权限,登录信息服务系统;在线监测模块设置为通过联合仿真实时获取燃油系统各部分的信号数据,并以可视化形式展示;故障检测模块设置为将虚拟模型中高压油泵和喷油器的实时数据作为输入,通过故障诊断训练模型的判断,输出相应的故障类型;寿命预测模块:通过设置安全阈值,自动更新指数衰退模型,从而得到关键统计特征趋势和剩余寿命变化,并显示剩余使用天数信息。
在完成数据库的搭建以及数据交互传输后,通过数据库可视化管理工具DatabaseExplorer将燃油系统模型的全部相关数据可视化。
这样设计开发出的信息服务系统具有良好的兼容性和集成性,客户端和数据库便于安装和调试;燃油系统的整体虚拟模型与物理实体具有极为相似的匹配度,数据库能完美接收整体虚拟模型输出的实时运行数据,实现数据存储与共享;信息服务软件能实现燃油系统故障预测与健康管理的功能,包括状态监测、故障检测以及剩余寿命预测,方便用户对燃油系统的管理和维护,最大限度延长设备使用寿命。
信息服务系统如果能够实时监测燃油系统运行状态,准确检测故障类型,预测剩余寿命,就说明数字孪生模型能够准确映射物理模型。例如信息服务系统随着实物的启动运行,出口压力、出口流量、喷油量等输出信号以动态形式展现,并且和实物差别不大就说明能实时监测系统运行状态;如信息服务系统提示喷油孔堵塞,检查实物发现确实喷油孔堵塞就说明它能准确检测故障类型;如信息服务系统显示的剩余运行天数和最终实物达到失效标准的时间的误差在要求的区间内,就说明它能预测剩余寿命。
达到映射关系的数字孪生模型,便于管理人员在燃油系统运行过程中,全面掌握系统运行状态,检测故障类型,预测剩余寿命,提高了燃油系统的运维效率,降低了运维成本。
以上所述的,仅为本发明的较佳实施例,并非用以限定本发明的范围,本发明的上述实施例还可以做出各种变化。即凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰,皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。
Claims (10)
1.一种柴油机燃油系统的数字孪生建模方法,其特征在于,包括以下步骤:
S1:采集柴油机燃油系统在初始工况下的相关信息;
S2:构建柴油机燃油系统在初始工况下的整体虚拟模型,并根据所述相关信息对所述整体虚拟模型进行校核和确认;
S3:采集柴油机燃油系统在其他工况下的输入参数和输出参数;
S4:将采集到的输入参数输入校核和确认后的整体虚拟模型中,得到仿真计算结果;
S5:将仿真计算结果和采集到的输出参数进行对比分析,并对所述整体虚拟模型进行修正,从而获得柴油机燃油系统的数字孪生模型;
S6:搭建数据库,并将所述数字孪生模型和数据库集成至可视化到信息服务系统。
2.根据权利要求1所述的柴油机燃油系统的数字孪生建模方法,其特征在于,所述相关信息包括柴油机燃油系统的系统特征及初始工况和环境参数。
3.根据权利要求2所述的柴油机燃油系统的数字孪生建模方法,其特征在于,所述系统特征包括额定功率、额定转速和额定流量。
4.根据权利要求3所述的柴油机燃油系统的数字孪生建模方法,其特征在于,所述初始工况和环境参数包括电机转速、燃油温度、压力、流量、喷油量和控制信号。
5.根据权利要求1所述的柴油机燃油系统的数字孪生建模方法,其特征在于,步骤S2包括以下步骤:
S21:分析柴油机燃油系统的组成结构,确定各部件的运动状态和工作原理;
S22:根据各部件的工作原理建立虚拟模型,利用液压连接管路的虚拟模型将各部件的虚拟模型连接起来,得到柴油机燃油系统的整体虚拟模型;
S23:对整体虚拟模型进行后处理;
S24:根据步骤S1采集到的初始工况下的相关信息,不断对整体虚拟模型进行仿真,分析仿真结果,直至与实际情况相吻合。
6.根据权利要求1所述的柴油机燃油系统的数字孪生建模方法,其特征在于,所述输入参数包括燃油类型、燃油温度、脉冲宽度调制信号和燃油计量阀出口开度。
7.根据权利要求6所述的柴油机燃油系统的数字孪生建模方法,其特征在于,所述输出参数包括高压油泵、共轨系统和喷油器的出口压力、出口流量、喷油量和控制信号。
8.根据权利要求1所述的柴油机燃油系统的数字孪生建模方法,其特征在于,所述数据库包括:
数据获取模块:设置为在构建好的整体虚拟模型中,通过设置输入参数,得到输出参数;
数据存储模块:设置为创建MySQL关系型数据库,将获取到的输出参数数据存储在MySQL关系型数据库中,并根据需要进行增加、删除、查询和修改操作;
数据处理模块:设置为对获取到的输出参数数据进行处理。
9.根据权利要求8所述的柴油机燃油系统的数字孪生建模方法,其特征在于,所述数据处理模块包括:
数据预处理单元:设置为将柴油机燃油系统启动后的前0.1s的输出参数数据删除;
故障诊断数据处理单元:设置为分析处理燃油系统整体虚拟模型的流量和压力信号数据,构建智能故障诊断模型和算法;
寿命预测数据处理单元:将处理后的流量和压力信号数据进行降维处理,并应用至构建好的指数衰退模型中。
10.根据权利要求1所述的柴油机燃油系统的数字孪生建模方法,其特征在于,步骤S6还包括通过数据库可视化管理工具将柴油机燃油系统的全部数据可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111499108.6A CN114201872A (zh) | 2021-12-09 | 2021-12-09 | 一种柴油机燃油系统的数字孪生建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111499108.6A CN114201872A (zh) | 2021-12-09 | 2021-12-09 | 一种柴油机燃油系统的数字孪生建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114201872A true CN114201872A (zh) | 2022-03-18 |
Family
ID=80651597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111499108.6A Pending CN114201872A (zh) | 2021-12-09 | 2021-12-09 | 一种柴油机燃油系统的数字孪生建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114201872A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114909227A (zh) * | 2022-04-12 | 2022-08-16 | 哈尔滨工程大学 | 一种基于数字孪生的船舶柴油机喷油控制系统及策略 |
-
2021
- 2021-12-09 CN CN202111499108.6A patent/CN114201872A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114909227A (zh) * | 2022-04-12 | 2022-08-16 | 哈尔滨工程大学 | 一种基于数字孪生的船舶柴油机喷油控制系统及策略 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109779894B (zh) | 一种基于神经网络算法的往复式压缩机故障诊断系统及方法 | |
JP5290199B2 (ja) | エンジン動作のシミュレート方法 | |
CN106444489A (zh) | 基于数字化监测重型装备发动机的监测装置及其监测方法 | |
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 | |
CN102855349A (zh) | 航空发动机气路故障诊断的快速原型设计方法及平台 | |
CN116380166A (zh) | 一种设备异常监测方法、电子设备及存储介质 | |
CN113378329A (zh) | 基于数字孪生的轴向柱塞泵状态监测方法 | |
CN115596588B (zh) | 一种喷油器在线故障诊断设备及诊断方法 | |
CN115408892B (zh) | 一种液压泵虚实交互方法及系统 | |
CN114201872A (zh) | 一种柴油机燃油系统的数字孪生建模方法 | |
CN105988465A (zh) | 可编程致动器模拟卡 | |
Niculita et al. | Design for diagnostics and prognostics: A physical-functional approach | |
CN102253663B (zh) | 一种网络化三容水箱系统的泄漏故障诊断方法及系统 | |
CN117034800A (zh) | 一种基于Fluent的往复式注水泵流场分析方法 | |
CN115808209A (zh) | 一种基于神经网络的电静压伺服机构状态监测方法及系统 | |
CN112214912B (zh) | 一种外部自动测试系统及机载设备测试方法 | |
CN110188040A (zh) | 一种针对软件系统故障检测与健康状态评估的软件平台 | |
CN113050609B (zh) | 一种ecu测试方法及装置 | |
JP2012032899A (ja) | プロセスモデルベース自動テストシステム | |
CN115982123A (zh) | 基于数字孪生的光电装备健康管理系统 | |
Lei et al. | Testability modeling of hydraulic system based on multi-signal flow model | |
Struss | A model-based methodology for the integration of diagnosis and fault analysis during the entire life cycle | |
CN117851810B (zh) | 一种盾构机故障检测及解决方法及系统 | |
Milligan et al. | The integration of an api619 screw compressor package into the industrial internet of things | |
CN115906267A (zh) | 故障分析、检测方法、系统、设备和介质 |
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 |