CN114217571A - 一种基于数字孪生的激光切割随动系统健康监控方法 - Google Patents
一种基于数字孪生的激光切割随动系统健康监控方法 Download PDFInfo
- Publication number
- CN114217571A CN114217571A CN202111536715.5A CN202111536715A CN114217571A CN 114217571 A CN114217571 A CN 114217571A CN 202111536715 A CN202111536715 A CN 202111536715A CN 114217571 A CN114217571 A CN 114217571A
- Authority
- CN
- China
- Prior art keywords
- motor
- laser cutting
- model
- digital twin
- health
- 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.)
- Withdrawn
Links
- 230000036541 health Effects 0.000 title claims abstract description 112
- 238000003698 laser cutting Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000013461 design Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 24
- 238000003754 machining Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 20
- 238000004804 winding Methods 0.000 claims description 20
- 238000012512 characterization method Methods 0.000 claims description 18
- 230000033001 locomotion Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 239000003990 capacitor Substances 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000005662 electromechanics Effects 0.000 claims description 3
- 230000003862 health status Effects 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 230000016507 interphase Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000007306 turnover Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 5
- 230000002457 bidirectional effect Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/36—Removing material
- B23K26/38—Removing material by boring or cutting
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/37—Measurements
- G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明涉及数控系统维管技术领域，具体地说，涉及一种基于数字孪生的激光切割随动系统健康监控方法。包括如下步骤：建立激光切割随动系统数字孪生架构；建立激光切割随动系统数字孪生模型；建立真实电机系统和数字孪生的实时交互关系，实时监控激光切割随动系统的状态，建立健康数据库；实时对比分析激光切割随动系统运行数据和数字孪生数据，实现健康状态判读。本发明设计利用数字孪生和真实物理系统之间的双向实时交互关系，通过数字孪生反映相对应的激光切割随动系统的运行动态；通过整合多源实时数据，运用数字孪生模型对随动系统进行健康监控和预警；能够有效降低激光切割中事故发生的概率，大大保障人的生命安全。
Description
技术领域
本发明涉及数控系统维管技术领域，具体地说，涉及一种基于数字孪生的激光切割随动系统健康监控方法。
背景技术
在激光切割数控系统工作过程中，可能会发生电机的实际电压超过额定电压、电机转子被卡住不能转动且处于通电状态和电机散热不好等情况，使得激光切割系统在运行过程中发生事故，为此需要通过预测随动系统将要发生的电机故障达到避免事故发生的效果。然而，一个新的问题摆在我们面前，即怎样预测将要发生的情况。针对这一问题，传统的健康监控方法大多依赖于检修员对设备的实地考察。检修人员需要积累一定的工作经验，而且监控的稳定性不高容易出错，这就使得风险大大增加。
为了要实现激光切割随动系统的健康监控，首先需要将随动系统转化成数学模型，通过仿真在虚拟空间中对系统的状态信息进行分析。目前采用的方法是将整个系统分解成若干个子模块，其次要考虑分解后的子模型能够组建，并实现准确的计算和数据交互，因此，需要采用一种有效的建模方法来加以实现。数字孪生实现了物理空间中的激光切割随动系统在虚拟空间中的全部功能的虚拟镜像。因而，数字孪生可以在虚拟空中，可以对激光切割随动系统的运行状态进行探索、分析、挖掘和应用，从而能够很好的满足激光器切割随动系统中健康监控需求。鉴于此，我们提出了一种基于数字孪生的激光切割随动系统健康监控方法。
发明内容
本发明的目的在于提供一种基于数字孪生的激光切割随动系统健康监控方法，以解决上述背景技术中提出的问题。
为实现上述技术问题，本发明的目的之一在于，提供了一种基于数字孪生的激光切割随动系统健康监控方法，包括如下步骤：
S1、建立激光切割随动系统数字孪生架构，通过系统分解，建立与物理拓扑一致的模型架构；
S2、建立包括调高器、伺服电机、机械结构和传感器的激光切割随动系统数字虚拟孪生模型，根据目标设备的状态参数初始化数据和响应参数数据结构构建目标设备的初始化数字孪生模型；
S3、通过TCP/IP通讯将加工过程中不断采集的现实加工数据传递给数字孪生模型，不断迭代完善数字孪生健康数据库，获取目标设备的目标故障第一状态参数，构建第一状态参数对应的响应参数表征函数；
S4、健康状态判读，根据实际采集到的电压值、电流值、实际电容值和编码器值与数字孪生模型计算出的结果进行比较，最终在健康数据库中查找并进行健康判断；
S5、健康监控界面读取、显示激光切割随动系统相关运行数据，电机三维结构动画实现运行，并根据健康状态判读结果进行实时的健康预警。
作为本技术方案的进一步改进，所述S1中，系统分解的具体方法包括如下步骤：
S1.1、将激光切割随动系统进行拓扑分析，根据物理实体一一映射；
S1.2、将激光切割随动系统分解为伺服电机模型、调高器模型、机械结构模型、传感器模型等；
S1.3、分别针对每个模型再次进行分解，直至分解到底层组件为止：以伺服电机模型为例，可以将伺服电机模型再次分解为电动机模型、伺服驱动器模型，进而电动机模型又可分解为定子绕组模型和永磁体转子模型等。
作为本技术方案的进一步改进，所述S2中，建立包括调高器、伺服电机、机械结构和传感器的数字虚拟孪生模型时，是基于相关物理原理，并借助OpenModelica工业软件完成电机、传感器等模型的设计与仿真的；
其中，电机模型原理为：
在电机中主要的参数包括电机电枢的电阻R、电感L、EMF常数km、电机力矩常数kb、电机转子的转动惯量J以及摩擦系数b，已知这些参数之后，便可以建立起输入电压V(t)与输出转速omiga(t)之间的微分方程，并进一步可以获得输入输出之间的传递函数：
式(1)中，W(s)为系统输出量，V(s)为系统输入量。
作为本技术方案的进一步改进，所述S2中，基于相关物理原理建立数字虚拟孪生模型时，
其中，电容采集原理为：
首先，电容传感器传进来的并不是一个数字信号，而是一个频率大约32M的脉冲信号，因此需要对脉冲进行运算处理，按照100个脉冲时间内的100M时钟脉冲数，每1ms更新一次计数值，则得出以下公式：
F＝(1*10Λ6)/(1/100)*pwn_num*(1/10) (2)
式(2)中，F为频率，pwn_num为单位时间内采集的脉冲数；
再由脉冲数计算电容值，公式为：
C＝L*1/((2*pi*Freq)Λ2) (3)
式(3)中，C为电容值，pi为圆周率π，Freq为频率值，L为感抗；
进而，由上述式(2)、式(3)两公式可以计算得出实时的电容值。
作为本技术方案的进一步改进，所述S2中，基于相关物理原理建立数字虚拟孪生模型时，
其中，电机编码器原理为：
以电机一圈2500个脉冲为列，电机编码器有A/B/C三相信号，每旋转一圈，A/B两相都输出2500个脉冲，C相旋转一圈输出1个脉冲，C相可以用作位置矫正，当A相的信号超前B相的信号90°时，电机正转，反之反转；
进而，把当前A、B输出值保存起来，与下一个到来的A、B输出值作比较，就可以得出角度码盘转动的方向；如果光栅格亮等于暗时，也就是亮和暗弧度夹角相同，且暗等于亮的1/2，那么可得到此次角度码盘运动位移角度为亮弧度夹角的1/2，再除以所用的时间，就得到此次角度码盘运动的角速度；当亮等于暗时，且暗等于亮的1/2时，则1/4个运动周期就可以得到运动方向位和位移角度，如果亮不等于暗，暗不等于亮的1/2，那么要1个运动周期才可以得到运动方向位和位移角度了；
因为随动系统在运行过程中是随时调整的，电机的抖动也非常小，可能没有达到一个脉冲，因此需要对脉冲进行四分频处理，将一个脉冲分为四个部分，对每个部分进行一次方向判断，最后进行汇总和数据处理。
作为本技术方案的进一步改进，所述S3中，通过TCP/IP通讯将现实加工数据传递给数字孪生模型并不断迭代完善数字孪生健康数据库的具体方法包括如下步骤：
S3.1、获取目标设备的目标故障的第一状态参数，构建第一状态参数对应的响应参数表征函数；
S3.2、基于数字孪生模型构建第一响应参数表征函数；
S3.3、基于目标设备的实际运行状态构建第二响应参数表征函数；
S3.4、根据第一响应参数表征函数、第二响应参数表征函数以及最小化处理后的第二差异函数确定第一状态参数的变化量；
S3.5、根据第一状态参数的变化量确定目标设备的故障诊断结果；
S3.6、数字孪生模型根据已知基础故障数据进行修正，基础故障原理包括：电机短路故障、电容故障。
作为本技术方案的进一步改进，所述S4中，根据实际采集到的数据值与数字孪生模型计算出的结果进行比较并最终在数据库中查找判断的具体方法包括如下步骤：
S4.1、激光切割随动系统在实际加工过程中实时将加工数据通过网络传输到上位机的数字孪生模型中；
S4.2、数字孪生模型根据采集到的加工数据进行实时仿真模拟并进行健康预测；
S4.3、检测电机短路故障，通过将实际采集的电流值与数字孪生模型计算出的电流值进行比较来检查三相电流，以便有效的判断电机短路故障问题；
S4.4、检查电容故障，通过将采集的实际电容值与数字孪生模型计算出的电容值进行比较；
S4.5、将比较判断出的可能存在故障问题的情况和健康数据库中的故障数据进行比较，以达到故障预警、健康监控和诊断的效果。
作为本技术方案的进一步改进，所述S4.3中，检测电机短路故障的具体原理如下：
伺服电机定子绕组匝间短路时，短路处的线圈形成一个电流闭环，此闭环短路线圈相对转子永磁体而言相当于电枢绕组，并且与未短路线圈构成类似于变压器的关系；
在这个短路变压器中，未短路线圈相当于原边，短路线圈相当于副边，设I1为发生匝间短路故障时的原边电流，I2为短路环线圈的闭环电流，则由电机学可知，当电机外接电压为U时，感应电动势为：
E＝(0.85～0.95)U0(4)
式(4)中，取E＝0.9U，则I短＝0.9U/Z，其中Z为原边输入阻抗；
又原边电流I＝(U-E)/Z，则I短＝9I，即短路线圈电流是原边电流的9倍；
由此可见，当发生匝间短路故障时，短路线圈的温度会迅速增加，很容易进一步引起周边绝缘层破损，甚至造成更严重的相间短路、单相对地短路等严重故障；
进而，伺服电机定子电流频率为电机正常运行时逆变器开关状态的频率，表示为：
式(5)中，s为一个电气周转内开关状态的变化次数,p为电机极对数,n为电机转速；
当伺服电机定子绕组出现匝间短路故障时，会使正常状态下对称的三相绕组参数(如阻抗)发生变化，从而造成三相电流不对称，改变原有电流信号的幅频特性。
作为本技术方案的进一步改进，所述S4.4中，检查电容故障时采用电容的公示进行计算判断，其公式具体为：
由公式(6)可得电容量与两个电极的表面积S有关，同时与两个电极的距离d有关，与绝缘的介质也有关，k为介质常数；
进而，得出结论：跟随高度时就可根据电容来判断系统是否异常。
作为本技术方案的进一步改进，所述S5中，根据健康状态判读结果进行实时的健康预警的具体方法包括如下步骤：
S5.1、软件健康监控窗口读取激光切割随动系统的实时加工数据；
S5.2、健康监控界面以三维动画形式显示电机结构的实时运行状态；
S5.3、健康监控界面将健康判断后的预警信息显示在界面上；
S5.4、用户可以通过查看激光切割随动系统的健康状态和查阅历史记录，达到无人工、零事故的效果。
本发明的目的之二在于，提供了一种激光切割随动系统数字孪生模型系统，该系统用于建立激光切割随动系统数字孪生架构及模型，采集现实加工数据并存储，建立数字孪生健康数据库，并根据采集到的电压、电流值、实际电容值和编码器值与孪生体算出的结果进行比较，在健康数据库中查找并进行判断，实时显示激光切割随动系统运行数据并进行健康预警。
本发明的目的之三在于，提供了一种激光切割随动系统数字孪生模型系统的运行装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述的基于数字孪生的激光切割随动系统健康监控方法的步骤。
本发明的目的之四在于，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于数字孪生的激光切割随动系统健康监控方法的步骤。
与现有技术相比，本发明的有益效果：
1.该基于数字孪生的激光切割随动系统健康监控方法利用数字孪生体和真实物理系统之间的双向实时交互关系，充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而通过数字孪生反映相对应的激光切割随动系统的运行状态及实体装备的全生命周期过程，有效的解决了上述问题；
2.该基于数字孪生的激光切割随动系统健康监控方法通过整合多源实时数据，对实时数据进行融合处理，运用数字孪生模型对随动系统进行健康监控和预警；通过健康检测算法实时检测偏差阈值，当检测到偏差超过阈值时，给出健康预警；同时决策系统调取健康数据库中的历史数据对事故原因进行分析，并重新控制电机的运行状态；
3.该基于数字孪生的激光切割随动系统健康监控方法能够有效降低激光切割中事故发生的概率，大大保障人的生命安全，尤其适用于大规模、长期作业等工况条件下。
附图说明
图1为本发明中硬件实物与数字孪生模型的映射关系图；
图2为本发明中的模型架构图；
图3为本发明中激光切割随动系统健康监控实施架构图；
图4为本发明的整体方法运行流程图；
图5为本发明的局部方法运行流程图之一；
图6为本发明的局部方法运行流程图之二；
图7为本发明的局部方法运行流程图之三；
图8为本发明的局部方法运行流程图之四；
图9为本发明中定子绕组等效变压器的模型图；
图10为本发明中定子三相电流正常状态的曲线图；
图11为本发明中定子三相电流不正常状态的曲线图；
图12为本发明中定子三相电流幅值正常状态的曲线图；
图13为本发明中定子三相电流幅值不正常状态的曲线图。
具体实施方式
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，都属于本发明保护的范围。
实施例1
如图1-图13所示，本实施例提供了一种基于数字孪生的激光切割随动系统健康监控方法，包括如下步骤：
S1、建立激光切割随动系统数字孪生架构，通过系统分解，建立与物理拓扑一致的模型架构；
S2、建立包括调高器、伺服电机、机械结构和传感器的激光切割随动系统数字虚拟孪生模型，根据目标设备的状态参数初始化数据和响应参数数据结构构建目标设备的初始化数字孪生模型；
S3、通过TCP/IP通讯将加工过程中不断采集的现实加工数据传递给数字孪生模型，不断迭代完善数字孪生健康数据库，获取目标设备的目标故障第一状态参数，构建第一状态参数对应的响应参数表征函数；
S4、健康状态判读，根据实际采集到的电压值、电流值、实际电容值和编码器值与数字孪生模型计算出的结果进行比较，最终在健康数据库中查找并进行健康判断；
S5、健康监控界面读取、显示激光切割随动系统相关运行数据，电机三维结构动画实时运行，并根据健康状态判读结果进行实时的健康预警。
其中，本技术方案中主要包含五大部分内容：随动系统系统数字孪生架构分解、基于数字孪生的随动系统模型实现、健康数据库的完善、健康状态判读方法、健康监控；具体为：
随动系统数字孪生架构分解——随动系统数字孪生架构设计的框架中，数字孪生模型完全映射物理实体如图1所示，根据激光切割随动系统的物理结构如图2所示，可以将此层再次向下细分；
基于数字孪生的随动系统模型实现——结合上文提到的模型设计分解策略，分析构造数字孪生体；利用OpenModelica工业软件开发伺服电机模型、调高控制器模型以及检测元件模型，根据实际的连接关系通过编写Modelica代码进行连接，有序的整合成一个整体；
健康数据库的完善——通过TCP/IP网络通讯将加工过程中不断采集的加工数据传递给数字孪生模型，不断迭代完善数字孪生健康数据库，数字孪生模型根据已知基础故障数据进行修正；
健康状态判读方法——激光切割随动系统在实际加工过程中实时将加工数据通过网络传输到上位机的数字孪生模型中，数字孪生模型根据采集到的加工数据进行实时仿真模拟并进行健康预测，和健康数据库中的故障数据进行比较，达到故障预警、健康状态判读的效果。
健康监控——健康监控界面实时显示采集到的激光切割随动系统的运行状态，并根据健康状态判读模块得等到的预警信息，实时将警告信息高亮显示，提示用户，提前解决相关故障，从而避免激光切割随动系统在加工过程中出现故障，提升加工效率。
本实施例中，所述S1中，系统分解的具体方法包括如下步骤：
S1.1、将激光切割随动系统进行拓扑分析，根据物理实体一一映射；
S1.2、将激光切割随动系统分解为伺服电机模型、调高器模型、机械结构模型、传感器模型等；
S1.3、分别针对每个模型再次进行分解，直至分解到底层组件为止：以伺服电机模型为例，可以将伺服电机模型再次分解为电动机模型、伺服驱动器模型，进而电动机模型又可分解为定子绕组模型和永磁体转子模型等。
本实施例中，所述S2中，建立包括调高器、伺服电机、机械结构和传感器的数字虚拟孪生模型时，是基于相关物理原理，并借助OpenModelica工业软件完成电机、传感器等模型的设计与仿真的；
其中，电机模型原理为：
在电机中主要的参数包括电机电枢的电阻R、电感L、EMF常数km、电机力矩常数kb、电机转子的转动惯量J以及摩擦系数b，已知这些参数之后，便可以建立起输入电压V(t)与输出转速omiga(t)之间的微分方程，并进一步可以获得输入输出之间的传递函数：
式(1)中，W(s)为系统输出量，V(s)为系统输入量；
具体地，电机模型下分的定子绕组等效变压器模型如图9所示。
进一步地，所述S2中，基于相关物理原理建立数字虚拟孪生模型时，
其中，电容采集原理为：
首先，电容传感器传进来的并不是一个数字信号，而是一个频率大约32M的脉冲信号，因此需要对脉冲进行运算处理，按照100个脉冲时间内的100M时钟脉冲数，每1ms更新一次计数值，则得出以下公式：
F＝(1*10Λ6)/(1/100)*pwn_num*(1/10) (2)
式(2)中，F为频率，pwn_num为单位时间内采集的脉冲数；
再由脉冲数计算电容值，公式为：
C＝L*1/((2*pi*Freq)Λ2) (3)
式(3)中，C为电容值，pi为圆周率π，Freq为频率值，L为感抗；
进而，由上述式(2)、式(3)两公式可以计算得出实时的电容值。
进一步地，所述S2中，基于相关物理原理建立数字虚拟孪生模型时，
其中，电机编码器原理为：
以电机一圈2500个脉冲为列，电机编码器有A/B/C三相信号，每旋转一圈，A/B两相都输出2500个脉冲，C相旋转一圈输出1个脉冲，C相可以用作位置矫正，当A相的信号超前B相的信号90°时，电机正转，反之反转；
进而，把当前A、B输出值保存起来，与下一个到来的A、B输出值作比较，就可以得出角度码盘转动的方向；如果光栅格亮等于暗时，也就是亮和暗弧度夹角相同，且暗等于亮的1/2，那么可得到此次角度码盘运动位移角度为亮弧度夹角的1/2，再除以所用的时间，就得到此次角度码盘运动的角速度；当亮等于暗时，且暗等于亮的1/2时，则1/4个运动周期就可以得到运动方向位和位移角度，如果亮不等于暗，暗不等于亮的1/2，那么要1个运动周期才可以得到运动方向位和位移角度了；
因为随动系统在运行过程中是随时调整的，电机的抖动也非常小，可能没有达到一个脉冲，因此需要对脉冲进行四分频处理，将一个脉冲分为四个部分，对每个部分进行一次方向判断，最后进行汇总和数据处理。
本实施例中，所述S3中，通过TCP/IP通讯将现实加工数据传递给数字孪生模型并不断迭代完善数字孪生健康数据库的具体方法包括如下步骤：
S3.1、获取目标设备目标故障的第一状态参数，构建第一状态参数对应的响应参数表征函数；
S3.2、基于数字孪生模型构建第一响应参数表征函数；
S3.3、基于目标设备的实际运行状态构建第二响应参数表征函数；
S3.4、根据第一响应参数表征函数、第二响应参数表征函数以及最小化处理后的第二差异函数确定第一状态参数的变化量；
S3.5、根据第一状态参数的变化量确定目标设备的故障诊断结果；
S3.6、数字孪生模型根据已知基础故障数据进行修正，基础故障原理包括：电机短路故障、电容故障。
其中，数字孪生模型构建完成后通过TCP/IP协议,与激光切割随动系统进行数据交互，以达到准确实时的传输数据，数据包括随动系统实际测量和加工数据的上传、数字孪生模型对激光切割随动系统的实际控制指令；
具体流程包括：激光切割随动系统在将采集到的电机电流电压信号、编码器信号、温度信号、电容信号、限位信号实时传输至数字孪生模型中进行存储；数字孪生模型作为实体在虚拟空间中的数字映射，数字孪生模型中存储电机、传感器、调高器模型，分别有实体制造的原理、几何、物理、行为及规则模型的所有数据信息；在数字孪生模型运算过程中，会在数据预处理过程中将仿真的运算结果与实物的信号进行比较，在比较过程中不断完善数字孪生模型中的健康数据库。
本实施例中，所述S4中，根据实际采集到的数据值与数字孪生模型计算出的结果进行比较并最终在数据库中查找判断的具体方法包括如下步骤：
S4.1、激光切割随动系统在实际加工过程中实时将加工数据通过网络传输到上位机的数字孪生模型中；
S4.2、数字孪生模型根据采集到的加工数据进行实时仿真模拟并进行健康预测；
S4.3、检测电机短路故障，通过将实际采集的电流值与数字孪生模型计算出的电流值进行比较来检查三相电流，以便有效的判断电机短路故障问题；
S4.4、检查电容故障，通过将实际采集的实际电容值与数字孪生模型计算出的电容值进行比较；
S4.5、将比较判断出的可能存在故障问题的情况和健康数据库中的故障数据进行比较，以达到故障预警、健康监控和诊断的效果。
其中，数据预处理后流程包括：激光切割随动系统在实际加工过程中实时将加工数据通过网络传输到上位机的数字孪生模型中，数字孪生模型进行数据预处理后进行健康检测，判断是否会出现故障，当判断会出现故障时，会和孪生库中故障数据进行对比核对，查验是什么故障，进行故障定位，并向下位机发出健康预警，达到故障预警、健康状态判读的效果。
其中，激光切割随动系统的健康状态判读方法包括电机短路故障检测和电容故障检查两种。
具体地，所述S4.3中，检测电机短路故障的具体原理如下：
伺服电机定子绕组匝间短路时，短路处的线圈形成一个电流闭环，此闭环短路线圈相对转子永磁体而言相当于电枢绕组，并且与未短路线圈构成类似于变压器的关系；
在这个短路变压器中，未短路线圈相当于原边，短路线圈相当于副边，设I1为发生匝间短路故障时的原边电流，I2为短路环线圈的闭环电流，则由电机学可知，当电机外接电压为U时，感应电动势为：
E＝(0.85～0.95)U0 (4)
式(4)中，取E＝0.9U，则I短＝0.9U/Z，其中Z为原边输入阻抗；
又原边电流I＝(U-E)/Z，则I短＝9I，即短路线圈电流是原边电流的9倍；
由此可见，当发生匝间短路故障时，短路线圈的温度会迅速增加，很容易进一步引起周边绝缘层破损，甚至造成更严重的相间短路、单相对地短路等严重故障；
进而，伺服电机定子电流频率为电机正常运行时逆变器开关状态的频率，表示为：
式(5)中，s为一个电气周转内开关状态的变化次数，p为电机极对数，n为电机转速；
当伺服电机定子绕组出现匝间短路故障时，会使正常状态下对称的三相绕组参数(如阻抗)发生变化，从而造成三相电流不对称，改变原有电流信号的幅频特性。
进而，由于定子匝间短路故障会引起三相绕组的不对称分布，根据以上分析基于伺服电机模型，通过调整A相定子绕组外接电阻R的大小，模拟不同程度的定子不对称故障；
电机在正常状态及定子不对称故障状态下(故障电阻r＝1.5Ω)仿真得到的定子三相电流信号时域波形如图10、图11所示，从图中可以看出，当电机出现定子匝间短路等不对称故障时，将会引起三相电流不对称，表现在时域图中为三相电流信号幅值的改变；
仿真计算出的伺服电机在定子绕组不同故障程度时的三相电流相位差如下表所示：当发生定子不对称故障时，随着故障程度的增加，三相电流产生明显不对称，电流相位差偏差增大；仿真结果与定子匝间短路故障原理中的特征现象一致，因此，可将电机电流信号作为匝间短路故障诊断的特征参量；但是仅通过电流大小与相位差无法准确判断，因此需采用特征提取算法进行故障诊断。
| R＝0.5Ω | R＝1.0Ω | R＝1.5Ω |
| 118.4545° | 116.9554° | 115.5011° |
| 121.4420° | 122.8108° | 124.1108° |
| 120.1035° | 120.2338° | 120.3881° |
进而，考虑定子不对称故障时电流信号的特征变化规律，伺服电机电流信号幅值解调方法为：首先对各相电流信号采用绝对值算子运算，然后计算其各相幅值的相对归一化均值，反映在相位-幅值图中；最后，对解调信号进行频谱分析，获得故障特征频率二倍频对应的故障检测特征成分。
采用幅值解调法，对伺服电机正常及定子不对称故障时的电流仿真信号进行分析，得到图10和图11所示的三相电流调幅信号相对归一化幅值及a相调幅信号频谱(仅给出故障电阻r＝1.5Ω结果)。
分析图12和图13可知，当出现定子不对称故障时，三相电流信号解调后的相对归一化幅值存在明显变化，且解调后调幅信号的特征频率经二倍频放大，故障特征频率相对正常电机电流信号频率明显增大；由此可诊断伺服电机的定子不对称故障。
具体地，所述S4.4中，检查电容故障时采用电容的公示进行计算判断，其公式具体为：
由公式(6)可得电容量与两个电极的表面积S有关，同时与两个电极的距离d有关，与绝缘的介质也有关，k为介质常数；
进而，得出结论：跟随高度时就可根据电容来判断系统是否异常。
本实施例中，所述S5中，根据健康状态判读结果进行实时的健康预警的具体方法包括如下步骤：
S5.1、软件健康监控窗口读取激光切割随动系统的实时加工数据；
S5.2、健康监控界面以三维动画形式显示电机结构的实时运行状态；
S5.3、健康监控界面将健康判断后的预警信息显示在界面上；
S5.4、用户可以通过查看激光切割随动系统的健康状态和查阅历史记录，达到无人工、零事故的效果。
具体为：在用户使用激光切割随动系统的过程中，软件健康监控界面会实时显示激光切割随动系统运行数据和报警警告信息，其中报警信息可以红色高亮显示，并根据预警信息进行控制决策，将决策信息生成控制信号通过网络通讯返回给激光切割随动系统，达到提前预警，提前解决问题，避免激光切割随动系统加工过程中故障的发生，用户在健康监控界面也可查看设备历史运行情况和历史报警记录等。
本实施例还提供了一种激光切割随动系统数字孪生模型系统，该系统用于建立激光切割随动系统数字孪生架构及模型，采集现实加工数据并存储，建立数字孪生健康数据库，并根据采集到的电压、电流值、实际电容值和编码器值与孪生体算出的结果进行比较，在健康数据库中查找并进行判断，实时显示激光切割随动系统运行数据并进行健康预警。
本实施例还提供了一种激光切割随动系统数字孪生模型系统的运行装置，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
处理器包括一个或一个以上处理核心，处理器通过总线与存储器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的基于数字孪生的激光切割随动系统健康监控方法。
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
此外，本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的基于数字孪生的激光切割随动系统健康监控方法的步骤。
可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面基于数字孪生的激光切割随动系统健康监控方法的步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤的过程可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于计算机可读存储介质中，上述提到的存储介质可以是只读存储器、磁盘或光盘等。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于数字孪生的激光切割随动系统健康监控方法，其特征在于：包括如下步骤：
S1、建立激光切割随动系统数字孪生架构，通过系统分解，建立与物理拓扑一致的模型架构；
S2、建立包括调高器、伺服电机、机械结构和传感器的激光切割随动系统数字虚拟孪生模型，根据目标设备的状态参数初始化数据和响应参数数据结构构建目标设备的初始化数字孪生模型；
S3、通过TCP/IP通讯将加工过程中不断采集的现实加工数据传递给数字孪生模型，不断迭代完善数字孪生健康数据库，获取目标设备的目标故障第一状态参数，构建第一状态参数对应的响应参数表征函数；
S4、健康状态判读，根据实际采集到的电压值、电流值、实际电容值和编码器值与数字孪生模型计算出的结果进行比较，最终在健康数据库中查找并进行健康判断；
S5、健康监控界面读取、显示激光切割随动系统相关运行数据，电机三维结构动画实时运行，并根据健康状态判读结果进行实时的健康预警。
2.根据权利要求1所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S1中，系统分解的具体方法包括如下步骤：
S1.1、将激光切割随动系统进行拓扑分析，根据物理实体一一映射；
S1.2、将激光切割随动系统分解为伺服电机模型、调高器模型、机械结构模型、传感器模型等；
S1.3、分别针对每个模型再次进行分解，直至分解到底层组件为止：以伺服电机模型为例，可以将伺服电机模型再次分解为电动机模型、伺服驱动器模型，进而电动机模型又可分解为定子绕组模型和永磁体转子模型等。
3.根据权利要求1所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S2中，建立包括调高器、伺服电机、机械结构和传感器的数字虚拟孪生模型时，是基于相关物理原理，并借助OpenModelica工业软件完成电机、传感器等模型的设计与仿真的；
其中，电机模型原理为：
在电机中主要的参数包括电机电枢的电阻R、电感L、EMF常数km、电机力矩常数kb、电机转子的转动惯量J以及摩擦系数b，已知这些参数之后，便可以建立起输入电压V(t)与输出转速omiga(t)之间的微分方程，并进一步可以获得输入输出之间的传递函数：
式(1)中，W(s)为系统输出量，V(s)为系统输入量。
4.根据权利要求3所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S2中，基于相关物理原理建立数字虚拟孪生模型时，
其中，电容采集原理为：
首先，电容传感器传进来的并不是一个数字信号，而是一个频率大约32M的脉冲信号，因此需要对脉冲进行运算处理，按照100个脉冲时间内的100M时钟脉冲数，每1ms更新一次计数值，则得出以下公式：
F＝(1*10Λ6)/(1/100)*pwn_num*(1/10) (2)
式(2)中，F为频率，pwn_num为单位时间内采集的脉冲数；
再由脉冲数计算电容值，公式为：
C＝L*1/((2*pi*Freq)Λ2) (3)
式(3)中，C为电容值，pi为圆周率π，Freq为频率值，L为感抗；
进而，由上述式(2)、式(3)两公式可以计算得出实时的电容值。
5.根据权利要求3所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S2中，基于相关物理原理建立数字虚拟孪生模型时，
其中，电机编码器原理为：
以电机一圈2500个脉冲为列，电机编码器有A/B/C三相信号，每旋转一圈，A/B两相都输出2500个脉冲，C相旋转一圈输出1个脉冲，C相可以用作位置矫正，当A相的信号超前B相的信号90°时，电机正转，反之反转；
进而，把当前A、B输出值保存起来，与下一个到来的A、B输出值作比较，就可以得出角度码盘转动的方向；如果光栅格亮等于暗时，也就是亮和暗弧度夹角相同，且暗等于亮的1/2，那么可得到此次角度码盘运动位移角度为亮弧度夹角的1/2，再除以所用的时间，就得到此次角度码盘运动的角速度；当亮等于暗时，且暗等于亮的1/2时，则1/4个运动周期就可以得到运动方向位和位移角度，如果亮不等于暗，暗不等于亮的1/2，那么要1个运动周期才可以得到运动方向位和位移角度了；
因为随动系统在运行过程中是随时调整的，电机的抖动也非常小，可能没有达到一个脉冲，因此需要对脉冲进行四分频处理，将一个脉冲分为四个部分，对每个部分进行一次方向判断，最后进行汇总和数据处理。
6.根据权利要求1所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S3中，通过TCP/IP通讯将现实加工数据传递给数字孪生模型并不断迭代完善数字孪生健康数据库的具体方法包括如下步骤：
S3.1、获取目标设备目标故障的第一状态参数，构建第一状态参数对应的响应参数表征函数；
S3.2、基于数字孪生模型构建第一响应参数表征函数；
S3.3、基于目标设备的实际运行状态构建第二响应参数表征函数；
S3.4、根据第一响应参数表征函数、第二响应参数表征函数以及最小化处理后的第二差异函数确定第一状态参数的变化量；
S3.5、根据第一状态参数的变化量确定目标设备的故障诊断结果；
S3.6、数字孪生模型根据已知基础故障数据进行修正，基础故障原理包括：电机短路故障、电容故障。
7.根据权利要求1所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S4中，根据实际采集到的数据值与数字孪生模型计算出的结果进行比较并最终在数据库中查找判断的具体方法包括如下步骤：
S4.1、激光切割随动系统在实际加工过程中实时将加工数据通过网络传输到上位机的数字孪生模型中；
S4.2、数字孪生模型根据采集到的加工数据进行实时仿真模拟并进行健康预测；
S4.3、检测电机短路故障，通过将实际采集的电流值与数字孪生模型计算出的电流值进行比较来检查三相电流，以便有效的判断电机短路故障问题；
S4.4、检查电容故障，通过将采集的实际电容值与数字孪生模型计算出的电容值进行比较；
S4.5、将比较判断出的可能存在故障问题的情况和健康数据库中的故障数据进行比较，以达到故障预警、健康监控和诊断的效果。
8.根据权利要求7所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S4.3中，检测电机短路故障的具体原理如下：
伺服电机定子绕组匝间短路时，短路处的线圈形成一个电流闭环，此闭环短路线圈相对转子永磁体而言相当于电枢绕组，并且与未短路线圈构成类似于变压器的关系；
在这个短路变压器中，未短路线圈相当于原边，短路线圈相当于副边，设I1为发生匝间短路故障时的原边电流，I2为短路环线圈的闭环电流，则由电机学可知，当电机外接电压为U时，感应电动势为：
E＝(0.85～0.95)U0 (4)
式(4)中，取E＝0.9U，则I短＝0.9U/Z，其中Z为原边输入阻抗；
又原边电流I＝(U-E)/Z，则I短＝9I，即短路线圈电流是原边电流的9倍；
由此可见，当发生匝间短路故障时，短路线圈的温度会迅速增加，很容易进一步引起周边绝缘层破损，甚至造成更严重的相间短路、单相对地短路等严重故障；
进而，伺服电机定子电流频率为电机正常运行时逆变器开关状态的频率，表示为：
式(5)中，s为一个电气周转内开关状态的变化次数,p为电机极对数,n为电机转速；
当伺服电机定子绕组出现匝间短路故障时，会使正常状态下对称的三相绕组参数(如阻抗)发生变化，从而造成三相电流不对称，改变原有电流信号的幅频特性。
9.根据权利要求7所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S4.4中，检查电容故障时采用电容的公示进行计算判断，其公式具体为：
由公式(6)可得电容量与两个电极的表面积S有关，同时与两个电极的距离d有关，与绝缘的介质也有关，k为介质常数；
进而，得出结论：跟随高度时就可根据电容来判断系统是否异常。
10.根据权利要求1所述的基于数字孪生的激光切割随动系统健康监控方法，其特征在于：所述S5中，根据健康状态判读结果进行实时的健康预警的具体方法包括如下步骤：
S5.1、软件健康监控窗口读取激光切割随动系统的实时加工数据；
S5.2、健康监控界面以三维动画形式显示电机结构的实时运行状态；
S5.3、健康监控界面将健康判断后的预警信息显示在界面上；
S5.4、用户可以通过查看激光切割随动系统的健康状态和查阅历史记录，达到无人工、零事故的效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536715.5A CN114217571A (zh) | 2021-12-15 | 2021-12-15 | 一种基于数字孪生的激光切割随动系统健康监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111536715.5A CN114217571A (zh) | 2021-12-15 | 2021-12-15 | 一种基于数字孪生的激光切割随动系统健康监控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114217571A true CN114217571A (zh) | 2022-03-22 |
Family
ID=80702518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111536715.5A Withdrawn CN114217571A (zh) | 2021-12-15 | 2021-12-15 | 一种基于数字孪生的激光切割随动系统健康监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114217571A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114609917A (zh) * | 2022-05-11 | 2022-06-10 | 曜石机器人(上海)有限公司 | 一种基于数字孪生技术的伺服驱动器及伺服系统 |
| CN114700635A (zh) * | 2022-03-29 | 2022-07-05 | 新代科技(苏州)有限公司 | 一种基于激光管材切割的简易密排加工方法 |
| CN116720415A (zh) * | 2023-08-09 | 2023-09-08 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生的目标红外特性建模方法 |
| CN117217008A (zh) * | 2023-09-15 | 2023-12-12 | 国网四川省电力公司电力科学研究院 | 一种输电网变压器的数字孪生模型构建方法 |
| CN117206423A (zh) * | 2023-11-02 | 2023-12-12 | 江苏富松模具科技有限公司 | 一种电机定转子的多工位进模管控方法及系统 |
-
2021
- 2021-12-15 CN CN202111536715.5A patent/CN114217571A/zh not_active Withdrawn
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114700635A (zh) * | 2022-03-29 | 2022-07-05 | 新代科技(苏州)有限公司 | 一种基于激光管材切割的简易密排加工方法 |
| CN114609917A (zh) * | 2022-05-11 | 2022-06-10 | 曜石机器人(上海)有限公司 | 一种基于数字孪生技术的伺服驱动器及伺服系统 |
| CN116720415A (zh) * | 2023-08-09 | 2023-09-08 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生的目标红外特性建模方法 |
| CN116720415B (zh) * | 2023-08-09 | 2023-12-05 | 中国人民解放军火箭军工程大学 | 一种基于数字孪生的目标红外特性建模方法 |
| CN117217008A (zh) * | 2023-09-15 | 2023-12-12 | 国网四川省电力公司电力科学研究院 | 一种输电网变压器的数字孪生模型构建方法 |
| CN117217008B (zh) * | 2023-09-15 | 2024-05-07 | 国网四川省电力公司电力科学研究院 | 一种输电网变压器的数字孪生模型构建方法 |
| CN117206423A (zh) * | 2023-11-02 | 2023-12-12 | 江苏富松模具科技有限公司 | 一种电机定转子的多工位进模管控方法及系统 |
| CN117206423B (zh) * | 2023-11-02 | 2024-04-05 | 江苏富松模具科技有限公司 | 一种电机定转子的多工位进模管控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114217571A (zh) | 一种基于数字孪生的激光切割随动系统健康监控方法 | |
| CN102221651B (zh) | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 | |
| Zidani et al. | Induction motor stator faults diagnosis by a current Concordia pattern-based fuzzy decision system | |
| Filippetti et al. | Recent developments of induction motor drives fault diagnosis using AI techniques | |
| US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
| CA2712158C (en) | Wind turbine generator fault diagnostic and prognostic device and method | |
| Abdallah et al. | Stator winding inter‐turn short‐circuit detection in induction motors by parameter identification | |
| CN116593811B (zh) | 一种集成型变频器运行状态监测系统及监测方法 | |
| CN106679710A (zh) | 一种磁编码器校准方法及系统 | |
| Ondel et al. | Coupling pattern recognition with state estimation using Kalman filter for fault diagnosis | |
| CN112101666A (zh) | 一种故障预测方法、装置、可读存储介质和计算机设备 | |
| JP6543028B2 (ja) | 異常診断装置及び異常診断方法 | |
| CN113486868B (zh) | 一种电机故障诊断方法及系统 | |
| KR102576327B1 (ko) | 전기 구동 시스템에서의 센서 결함 모니터링 및 식별 방법 | |
| WO2024023045A1 (en) | Computer-implemented method for optimizing the operation of a drivetrain of a wind turbine | |
| CN114252694A (zh) | 用于监测电气系统中的能量相关数据的系统和方法 | |
| CN115128513A (zh) | 一种基于热量的电容器异常检测方法及相关装置 | |
| EP3905516A1 (en) | System, apparatus and method for managing an electromechanical system | |
| CN117786385A (zh) | 基于孪生网络的三相异步电动机故障监测方法及系统 | |
| CN115313930A (zh) | 一种大型汽轮发电机励磁电流实时预测方法 | |
| JP3161844B2 (ja) | プラントの異常検知方法及びその装置 | |
| CN116918209A (zh) | 用于评估电相量以识别、评估和缓解电能质量问题的系统和方法 | |
| CN117192369A (zh) | 基于数字孪生技术的曳引电机监测与诊断方法 | |
| Chudasama et al. | Induction motor relaying scheme for external faults detection and classification using subtractive clustering based sugeno fuzzy inference system | |
| JP6867812B2 (ja) | 回転機の短絡診断装置および回転機の短絡診断方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230803 Address after: 215000, 3rd Floor, Building 1, No. 56 Lijiang Road, High tech Zone, Suzhou City, Jiangsu Province Applicant after: Suzhou golden orange Laser Technology Co.,Ltd. Address before: 215000 Room 405, 4th floor, building 1, Wujiang science and Technology Pioneer Park, east of Chang'an Road, Jiangling street, Wujiang District, Suzhou City, Jiangsu Province Applicant before: Suzhou Huaguang Intelligent Control Electronic Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220322 |
|
| WW01 | Invention patent application withdrawn after publication |