CN114357732A - 电子装备数字孪生模型及其构建方法和应用 - Google Patents
电子装备数字孪生模型及其构建方法和应用 Download PDFInfo
- Publication number
- CN114357732A CN114357732A CN202111549409.5A CN202111549409A CN114357732A CN 114357732 A CN114357732 A CN 114357732A CN 202111549409 A CN202111549409 A CN 202111549409A CN 114357732 A CN114357732 A CN 114357732A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- equipment
- digital twin
- physical
- 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
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种电子装备数字孪生模型及其构建方法和应用,涉及数字孪生领域。电子装备数字孪生模型中数字孪生元模型包括数据驱动模型和数据分析模型;数据驱动模型,用于描述物理装备的几何信息、物理属性和装配约束关系;数据分析模型,用于表达物理装备的功能特征,包括结构系统模型、控制系统模型、电气系统模型、以及面向数字孪生派生模型的人工智能算法模型;数字孪生派生模型,用于反映物理装备应用过程中的物联管控维。构建了物理装备的数字孪生模型,利用数据通信模块进行物理装备与数字孪生装备的实时映射,实现物理装备状态信息、故障诊断信息、预测性维护信息、健康管理信息的可视化显示、分析与管理,提升电子装备的远程运维水平。
Description
技术领域
本发明涉及数字孪生技术领域,具体涉及一种电子装备数字孪生模型及其构建方法和应用。
背景技术
电子装备是国家实体空间智慧感知的核心装备之一,其种类丰富、功能多样,用途广泛。电子装备涉及了机、电、光、磁、热等多学科,随着电子信息技术和先进制造技术的发展,电子装备研制呈现系统两极化、结构功能一体化、多功能集成化的发展趋势,这种发展趋势对电子装备的装配与维修都带来了更高的要求。面对复杂的国际环境和国防建设需要,也给电子装备的运维带来新的挑战。数字孪生以数字化方式构建物理实体的虚拟模型,借助实时采集数据对物理实体的实际状态进行映射,进而实现物理实体的状态监控、故障诊断、预测性维护和健康管理,提升物理实体运维水平的一种技术手段。
模型作为数字孪生的重要组成部分,是实现数字孪生应用的重要前提,如何快速构建数字孪生模型,提升应用平台的通用化和实时性已成为迫切需要解决的问题。但在实际建模和应用过程中存在以下不足:①模型是数字孪生技术应用的基础,当前缺少数字孪生模型的相关研究,应用也主要是物理对象在数字空间的状态可视化,没有考虑基于数据分析模型的故障诊断、预测性维护和健康管理,难以满足复杂电子装备的实时交互和远程运维需求;②目前,数字孪生技术处于初步探索阶段,不同企业和科研人员对数字孪生模型有不同的定义和解释,甚至有些认为数字孪生技术就是数字样机技术,导致数字孪生模型与数字样机模型之间的界限变得模糊,进而产生歧义。
鉴于此,有必要提升电子装备的远程运维水平。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种电子装备数字孪生模型及其构建方法和应用,解决了远程运维水平低的技术问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种电子装备数字孪生模型,包括数字孪生元模型和数字孪生派生模型;
所述数字孪生元模型包括数据驱动模型和数据分析模型;
所述数据驱动模型,用于描述物理装备的几何信息、物理属性和装配约束关系;
所述数据分析模型,用于表达物理装备的功能特征,包括结构系统模型、控制系统模型、电气系统模型、以及面向应用服务的所述数字孪生派生模型的人工智能算法模型;
所述数字孪生派生模型,用于反映物理装备应用过程中的物联管控维。
优选的,还包括环境模型,所述环境模型用于反映物理装备作业环境。
优选的,所述数字孪生派生模型,用于采用数学方法对物理设备的故障模式进行识别、评价,所述数学方法包括基于知识的神经网络法、专家系统法、故障树法、以及数据驱动的多元统计分析法、聚类分析法。
一种如上所述的电子装备数字孪生模型的构建方法,包括:
S300、需求分析:根据物理装备不同场景下的应用需求,梳理模型的几何特征、物理属性、约束条件和行为规则信息,确定数字孪生模型的构建、应用之间的关系内容;
S301、模型构建:根据物理装备的特点和不同场景下的应用需求,通过三维设计软件、仿真软件和人工智能算法分别构建数据驱动模型和数据分析模型,所述数字孪生模型支持装备故障点在模型上的标记、加载和显示;
S302、模型融合:在统一的坐标系上,对数据驱动模型和数据分析模型进行融合,并按照实际操作要求与规范进行坐标匹配、位置标定;
S303、模型检查与修改:通过物理装备的历史数据驱动模型工作,检查模型的鲁棒性和合理性,并对于模型检查不符合要求的几何、物理、约束或者功能特征进行修改;
S304、模型管理:对模型进行分层次、类别和版本管理。
优选的,所述S301中通过三维设计软件建立物理装备的数据驱动模型,对装备几何特征进行映射,材质应与物理装备的材质一致,颜色、纹理、贴图应接近于物理装备实际外观;采用仿真软件和人工智能算法建立物理装备的数据分析模型,对装备行为机理进行描述。
优选的,所述S301中数据驱动模型的构建过程包括:
S400、接口设计:按照预定义的数据类型进行数据输入/输出,并适配接入数据分析模型的软件接口;
S401、数据驱动模型设计:通过三维设计平台或工具,对已有的数据驱动模型进行简化、轻量化、贴图处理,对无法直接获取的装备数据驱动模型进行逆向建模,并根据孪生数据进行模型动态更新;
S402、模型简化与轻量化:删除不影响模型应用要求中的几何特征、零部件和信息,对保留的几何特征进行面片处理,使模型简化和轻量化的数据量小,并尽量保证轻量化后的模型与物理装备在几何、外形上保持一致;
S403、模型物理属性和约束条件:根据物理装备的物理属性进行设置,并根据不同应用需求,设置材料属性,所述材料属性包括力学、电学、磁学和光学属性;
S404、模型检查与修改:按照模型应用需求以及物理装备与模型的几何特征、装配约束一致性检查规则,对模型进行检查,并根据模型检查的结果,对不符合要求的几何、设置材料和装配约束等组成要素进行修改。
优选的,所述S301中数据分析模型的构建过程包括:
S500、接口设计:按照预定义的数据类型进行数据输入/输出,并适配接入数据分析模型的软件接口;
S501、数据分析模型设计:通过相应的仿真软件和人工智能算法构建描述装备行为机理的数字模型,包括运动学模型、动力学分析模型、热仿真分析模型、可靠性仿真分析模型、静力学分析模型、电性能仿真模型、伺服控制系统仿真模型等多学科和多物理量分析模型;
S502、功能特性设置:根据物理装备各个系统的各自特点和应用要求,对模型的功能属性特性进行描述与设置,所述功能属性包括应力、应变、通信和电磁干扰;
S503、模型检查与修改:按照模型应用需求以及物理装备与模型的状态属性和行为规则一致性的检查规则,对模型进行检查,对不符合要求的状态要素进行修改。
优选的,所述S400或者S500的接口应提供数据实时同步、数据压缩和数据质量评估功能。
一种如上所述的电子装备数字孪生模型的应用,包括:采用传感器采集或已有数据系统数据,对物理装备进行可视化状态监控,并利用数据采集阶段边缘端计算以及大数据分析,对物理装备进行故障包括状态监控、故障诊断、预测性维护和健康管理。
优选的,所述状态监控是基于实时采集数据,在数字空间监测物理装备的运行状态,并对异常数据进行报警或进行相应的自动控制;
所述故障诊断是基于物理装备的运行历史数据构建故障诊断模型,对关键故障参数进行实时监控,结合通过装备运行状态特征识别设备故障模式;
所述预测性维护是基于实时运行数据,分析物理装备关键部件的损伤和退化机理,实时分析关键部件内部损伤状态,实现装备的预测性维护,所述预测性维护包括状态趋势预测和剩余寿命预测,状态趋势预测能根据监测数据及历史时序数据预测物理装备的状态时序,并结合故障诊断模型描述故障产生、传递过程,预测可能发生的故障模式,剩余寿命预测通过实时监测关键部件和易损部件的损伤状态数据,分析其失效原因,动态更新预测性模型;
所述健康管理根据故障诊断和预测性维护结果,提供一系列的维修维护保障措施。
(三)有益效果
本发明提供了一种电子装备数字孪生模型及其构建方法和应用。与现有技术相比,具备以下有益效果:
本发明明确了多维的数字孪生模型的组成类型以及各模型之间的关系。具体而言,构建了物理装备的数字孪生模型,利用数据通信模块进行物理装备与数字孪生装备的实时映射,实现物理装备状态信息、故障诊断信息、预测性维护信息、健康管理信息的可视化显示、分析与管理,提升电子装备的远程运维水平。
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一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电子装备数字孪生模型的结构示意图;
图2为本发明实施例提供的一种电子装备数字孪生模型的构建方法的流程示意图;
图3为本发明实施例提供的一种数据驱动模型的构建方法的流程示意图;
图4为本发明实施例提供的一种数据分析模型的构建方法的流程示意图;
图5为本发明实施例提供的一种接口示意图;
图6为本发明实施例提供的一种数字孪生模型应用示意图;
图7为本发明实施例提供的一种数字孪生系统框架图的应用示意图;
图8(a)~图8(b)为本发明实施例提供的某系留气球装备的数字孪生模型图;
图9(a)~图9(b)为本发明实施例提供的某系留气球装备的数据分析模型图;
图10为本发明实施例提供的气球载浮空平台数字孪生远程平台示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
本申请实施例通过提供一种电子装备数字孪生模型及其构建方法和应用,解决了远程运维水平低的技术问题。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
本发明实施例明确了多维的数字孪生模型的组成类型以及各模型之间的关系。具体而言,构建了物理装备的数字孪生模型,利用数据通信模块进行物理装备与数字孪生装备的实时映射,实现物理装备状态信息、故障诊断信息、预测性维护信息、健康管理信息的可视化显示、分析与管理,提升电子装备的远程运维水平。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例:
第一方面,如图1所示,本发明实施例提供了一种电子装备数字孪生模型,包括数字孪生元模型和数字孪生派生模型。
所述数字孪生元模型包括数据驱动模型和数据分析模型;
所述数据驱动模型,用于描述物理装备的几何信息、物理属性和装配约束关系。
所述几何信息包括物理装备的形状、尺寸等;所述物理属性包括物理装备的颜色、质量、材料特性等。
所述数据分析模型,是为支持机构运动仿真、伺服控制仿真等功能构建的模型;用于表达物理装备的功能特征,包括结构系统模型、控制系统模型、电气系统模型、以及面向应用服务的所述数字孪生派生模型的人工智能算法模型;
所述数字孪生派生模型,用于反映物理装备应用过程中的物联管控维;还用于采用数学方法对物理设备的故障模式进行识别、评价,所述数学方法包括基于知识的神经网络法、专家系统法、故障树法、以及数据驱动的多元统计分析法、聚类分析法。
上述多维的电子装备数字孪生模型数字孪生元模型和数字孪生派生模型构成,其中元模型反映了电子装备的几何要素、物理要素、约束要素、状态要素等信息元维、数据分析模型和数据驱动模型的对象尺度维、结构系统模型、控制系统模型、电气系统模型等功能维;派生模型反映了电子装备应用过程中的物联管控维。
所述数据驱动模型与数据分析模型之间应建立一定的耦合互相关联耦合,所述数据分析模型的分析结果可以作用在数据驱动模型上,并支持同步更新,以保证应用过程中数据不会发生混乱。
在一实施例中,所述电子装备数字孪生模型还包括环境模型,所述环境模型用于反映物理装备作业环境。
第二方面,如图2所示,本发明实施例提供了一种电子装备数字孪生模型的构建方法,包括:
S300、需求分析:根据物理装备不同场景下的应用需求,梳理模型的几何特征、物理属性、约束条件和行为规则信息,确定数字孪生模型的构建、应用之间的关系内容。
S301、模型构建:根据物理装备的特点和不同场景下的应用需求,通过三维设计软件、仿真软件和人工智能算法分别构建数据驱动模型和数据分析模型,以满足装备的应用需求,并能够对故障点和故障原因进行标记、加载、显示与纠正,同时能够支持装备的远程维修(即所述数字孪生模型支持装备故障点在模型上的标记、加载和显示)。
其中,通过三维设计软件建立物理装备的数据驱动模型,对装备几何特征进行映射,材质应与物理装备的材质一致,颜色、纹理、贴图应接近于物理装备实际外观;采用仿真软件和人工智能算法建立物理装备的数据分析模型,对装备行为机理进行描述。
S302、模型融合:在统一的坐标系上,例如世界坐标系的零点坐标(0,0,0),对数据驱动模型和数据分析模型进行融合,并按照实际操作要求与规范进行坐标匹配、位置标定,保证模型与数据信息更新的唯一性、实时性和可靠性,同时设置机构运动约束,建立数字孪生模型的运动驱动模块、虚拟触发信号管理单元。
S303、模型检查与修改:通过物理装备的历史数据驱动模型工作,检查模型的鲁棒性和合理性,使得模型之间不存在相互干涉;并对于模型检查不符合要求的几何、物理、约束或者功能特征进行修改,通过物理装备实时数据驱动模型工作,检查虚实装备动作的一致性。
S304、模型管理:对模型进行分层次、类别和版本管理,以便模型进行共享与交换,并支持模型与孪生数据之间的逻辑关联,方便快速进行历史复现等应用。
在一实施例中,如图3所示,所述S301中数据驱动模型的构建过程包括:
S400、接口设计:按照预定义的数据类型(JSON、XML等)进行数据输入/输出,并适配接入数据分析模型的软件接口,保证数据加载和显示的连通性;
S401、数据驱动模型设计:一般采用正向建模和逆向建模两种模式,本发明实施例中通过三维设计平台或工具(例如(3DMAX、PiXYZ等),对已有的数据驱动模型进行简化、轻量化、贴图处理,对无法直接获取的装备数据驱动模型进行逆向建模,并根据孪生数据进行模型动态更新;
S402、模型简化与轻量化:删除不影响模型应用要求中的几何特征、零部件和信息,对保留的几何特征进行面片处理,使模型简化和轻量化的数据量小,并尽量保证轻量化后的模型与物理装备在几何、外形上保持一致;
S403、模型物理属性和约束条件:尽可能根据物理装备的实际颜色、纹理等物理属性进行设置,以便于模型应用的可视化,并根据不同应用需求,设置材料属性,所述材料属性包括力学(弹性模量、泊松比等)、电学(电导率、电阻率等)、磁学(磁导率、磁化率等)和光学(反射率、吸收率等)属性;
S404、模型检查与修改:按照模型应用需求以及物理装备与模型的几何特征、装配约束一致性检查规则,对模型进行检查,以保证模型的有效性和精确性;并根据模型检查的结果,对不符合要求的几何、设置材料和装配约束等组成要素进行修改。
在一实施例中,如图4所示,所述S301中数据分析模型的构建过程包括:
S500、接口设计:按照预定义的数据类型(JSON、XML等)进行数据输入/输出,并适配接入数据分析模型的软件接口,保证数据加载和显示的连通性;
S501、数据分析模型设计:通过相应的仿真软件(ANSYS、Modelica、Matlab等)和人工智能算法(统计分析、机器学习等)构建描述装备行为机理的数字模型,包括运动学模型、动力学分析模型、热仿真分析模型、可靠性仿真分析模型、静力学分析模型、电性能仿真模型、伺服控制系统仿真模型等多学科和多物理量分析模型;
S502、功能特性设置:根据物理装备各个系统的各自特点和应用要求,对模型的功能属性特性进行描述与设置,所述功能属性包括应力、应变、通信和电磁干扰;
S503、模型检查与修改:按照模型应用需求以及物理装备与模型的状态属性和行为规则一致性的检查规则,对模型进行检查,对不符合要求的状态要素进行修改。
所述S400或者S500的接口是物理装备与数字孪生模型进行信息交互的桥梁,通过约定接口关系,实现模型与装备之间的信息交互,便于模型的检查、修改与应用过程,也便于不同装备之间的数字孪生模型复用;其应提供数据实时同步、数据压缩和数据质量评估功能,以满足物理装备与数字孪生模型的虚实映射。
需要说明的是,在本发明实施例中接口的设计如图5所示,通过传感器采集物理装备的孪生数据,经过解析与处理驱动数字孪生模型运行,实现物理装备与数字孪生模型的虚实映射,同时通过预设的阈值或大数据分析,输出决策信息给物理装备,进而完成物理装备的状态监控、故障诊断、预测性维护以及健康管理,如图6所示。
第三方面,如图6~7所示,本发明实施例提供了一种子装备数字孪生模型的应用,包括:采用传感器采集或已有数据系统数据,对物理装备进行可视化状态监控,并利用数据采集阶段边缘端计算以及大数据分析,对物理装备进行故障包括状态监控、故障诊断、预测性维护和健康管理。
其中,所述状态监控是基于实时采集数据,在数字空间监测物理装备的运行状态,并对异常数据进行报警或进行相应的自动控制;
所述故障诊断是基于物理装备的运行历史数据构建故障诊断模型,对关键故障参数进行实时监控,结合通过装备运行状态特征识别设备故障模式;
所述预测性维护是基于实时运行数据,分析物理装备关键部件的损伤和退化机理,实时分析关键部件内部损伤状态,实现装备的预测性维护,所述预测性维护包括状态趋势预测和剩余寿命预测,状态趋势预测能根据监测数据及历史时序数据预测物理装备的状态时序,并结合故障诊断模型描述故障产生、传递过程,预测可能发生的故障模式,剩余寿命预测通过实时监测关键部件和易损部件的损伤状态数据,分析其失效原因,动态更新预测性模型;
所述健康管理根据故障诊断和预测性维护结果,提供一系列的维修维护保障措施。
为了进一步说明本发明的实施例的方法,以某系留气球为例,详细介绍本发明的具体过程:
系留气球是一种内部充入气体产生浮力,通过缆绳约束以悬浮高空中的浮空器,通过搭载某种载荷可在高空中执行预警探测、侦察监视、通信等任务。由于系留气球长时间驻空工作,无法实时可视化监控系留气球的工作状态,利用本发明实施例中的方法,可以构建系留气球在数字空间的高保真数字孪生装备以及装备的工作环境,利用数据通信模块采集传感器数据,并通过处理驱动数字孪生模型运动,完成系留气球在地面、放飞、驻空等过程状态监控。并可根据系留气球的实时状态数据,通过系留气球数字孪生运维系统向执行器(如系留缆绳收放控制开关)发送指令,执行器接受指令后完成对应操作,从而实现系留气球的远程自动控制。
步骤1:系留气球由复杂的刚、柔性体结构组成,包括球体、系留缆绳、地面系留设施以及功能分系统等,因此,需要构建球体数字孪生模型、系留缆绳数字孪生模型和地面系留设施数字孪生模型等数据驱动模型,以及功能分系统中电气分系统模型、测控分系统模型、通信分系统模型、压力调节分系统模型、动力学计算模型、气动力计算模型和热力学计算模型等数据分析模型。
另外,系留气球的工作环境对系留气球具有严重的影响,如图8(a)~图8(b)所示,因此还需要构建数字孪生环境模型。
步骤2:按照图3和图4所示步骤构建分别构建数字孪生元模型和数字孪生派生模型。
其中,球体由囊体、有效载荷及其它部件组成,以球体的中心坐标系为局部坐标系SLCS(Ss-osxsyszs)创建球体数字孪生模型,囊体是一种柔性体模型,需通过贴图使球体具有纹理及凹凸感特征,并利用unity中的obi-fluid仿真充放气过程,同时借助代码控制球体充放气过程的速度和时间,实现该过程的可配置;有效载荷和其它部件可根据可视化内容及保密需要,利用3D Max简化模型,删除不影响性能表达和应用的几何特征、零部件,并通过Pixyz进行面片处理减小模型量,并保证模型的位置精度,保证球体各模型建模和装配与物理装配一致。
系留缆绳用于连接球体和地面系留设施,在系留气球放飞和驻空工作过程中,受内部张力、重力和风力的作用,所创建的缆绳模型与球体发生干涉,因此通过unity中的obi模块分段设计缆绳,并进行柔性特征处理,以便缆绳收放以及不同高度弯曲变化的映射。
地面系留设施以锚泊设备的回转支撑中心坐标系为局部坐标系ELCS(Se-oexeyeze),按照三维模型或实际尺寸创建锚泊车、伺服控制设备、收放设备等地面系留设施数字孪生模型。同时将ELCS设置为世界坐标系的原坐标(0,0,0),用于环境模型创建和各个模型的装配以及坐标系转换。并且通过Ss和Se可计算球体的姿态角(α—俯仰角,β—偏航角,θ—滚转角),其中ELCS到SLCS的转化矩阵为:
功能分系统主要通过数学模型和智能算法建立数据分析模型,通过系留气球传感器采集与处理的数据,按照对应的接口传输给数字孪生模型,实现系留气球虚实映射以及对执行器的控制。
如图9(a)~图9(b)所示,搭建缆绳绞盘驱动电机控制电路,并设定系留气球收放速度参考值。通过UDP协议,由外部ext传输组件读取系留缆绳的拉力传感器拉力值并转化为力矩施加到驱动电机,以控制系留缆绳的收放。也可从拉力值历史数据中截取一部分用于仿真和培训。
步骤3:模型融合、模型检查与修改:如图8(a)~图8(b)所示,利用锚泊设备的回转支撑中心坐标系ELCS(Se-oexeyeze),将系留气球的数据驱动模型、数据分析模型和环境模型装配。并利用数据通信模块,通过系留气球历史数据或实时数据驱动系留气球数字孪生模型运动,对数字孪生模型和数字孪生系统进行检查和修改。
最后实现图10所示的气球载浮空平台数字孪生远程。
综上所述,与现有技术相比,具备以下有益效果:
本发明实施例明确了多维的数字孪生模型的组成类型以及各模型之间的关系。具体而言,构建了物理装备的数字孪生模型,利用数据通信模块进行物理装备与数字孪生装备的实时映射,实现物理装备状态信息、故障诊断信息、预测性维护信息、健康管理信息的可视化显示、分析与管理,提升电子装备的远程运维水平。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电子装备数字孪生模型,其特征在于,包括数字孪生元模型和数字孪生派生模型;
所述数字孪生元模型包括数据驱动模型和数据分析模型;
所述数据驱动模型,用于描述物理装备的几何信息、物理属性和装配约束关系;
所述数据分析模型,用于表达物理装备的功能特征,包括结构系统模型、控制系统模型、电气系统模型、以及面向应用服务的所述数字孪生派生模型的人工智能算法模型;
所述数字孪生派生模型,用于反映物理装备应用过程中的物联管控维。
2.一种如权利要求1所述的电子装备数字孪生模型,其特征在于,还包括环境模型,所述环境模型用于反映物理装备作业环境。
3.一种如权利要求1或者2所述的电子装备数字孪生模型,其特征在于,所述数字孪生派生模型,用于采用数学方法对物理设备的故障模式进行识别、评价,所述数学方法包括基于知识的神经网络法、专家系统法、故障树法、以及数据驱动的多元统计分析法、聚类分析法。
4.一种如权利要求1~3任一项所述的电子装备数字孪生模型的构建方法,其特征在于,包括:
S300、需求分析:根据物理装备不同场景下的应用需求,梳理模型的几何特征、物理属性、约束条件和行为规则信息,确定数字孪生模型的构建、应用之间的关系内容;
S301、模型构建:根据物理装备的特点和不同场景下的应用需求,通过三维设计软件、仿真软件和人工智能算法分别构建数据驱动模型和数据分析模型,所述数字孪生模型支持装备故障点在模型上的标记、加载和显示;
S302、模型融合:在统一的坐标系上,对数据驱动模型和数据分析模型进行融合,并按照实际操作要求与规范进行坐标匹配、位置标定;
S303、模型检查与修改:通过物理装备的历史数据驱动模型工作,检查模型的鲁棒性和合理性,并对于模型检查不符合要求的几何、物理、约束或者功能特征进行修改;
S304、模型管理:对模型进行分层次、类别和版本管理。
5.如权利要求4所述的电子装备数字孪生模型的构建方法,其特征在于,所述S301中通过三维设计软件建立物理装备的数据驱动模型,对装备几何特征进行映射,材质应与物理装备的材质一致,颜色、纹理、贴图应接近于物理装备实际外观;采用仿真软件和人工智能算法建立物理装备的数据分析模型,对装备行为机理进行描述。
6.如权利要求3所述的电子装备数字孪生模型的构建方法,其特征在于,所述S301中数据驱动模型的构建过程包括:
S400、接口设计:按照预定义的数据类型进行数据输入/输出,并适配接入数据分析模型的软件接口;
S401、数据驱动模型设计:通过三维设计平台或工具,对已有的数据驱动模型进行简化、轻量化、贴图处理,对无法直接获取的装备数据驱动模型进行逆向建模,并根据孪生数据进行模型动态更新;
S402、模型简化与轻量化:删除不影响模型应用要求中的几何特征、零部件和信息,对保留的几何特征进行面片处理,使模型简化和轻量化的数据量小,并尽量保证轻量化后的模型与物理装备在几何、外形上保持一致;
S403、模型物理属性和约束条件:根据物理装备的物理属性进行设置,并根据不同应用需求,设置材料属性,所述材料属性包括力学、电学、磁学和光学属性;
S404、模型检查与修改:按照模型应用需求以及物理装备与模型的几何特征、装配约束一致性检查规则,对模型进行检查,并根据模型检查的结果,对不符合要求的几何、设置材料和装配约束等组成要素进行修改。
7.如权利要求3所述的电子装备数字孪生模型的构建方法,其特征在于,所述S301中数据分析模型的构建过程包括:
S500、接口设计:按照预定义的数据类型进行数据输入/输出,并适配接入数据分析模型的软件接口;
S501、数据分析模型设计:通过相应的仿真软件和人工智能算法构建描述装备行为机理的数字模型,包括运动学模型、动力学分析模型、热仿真分析模型、可靠性仿真分析模型、静力学分析模型、电性能仿真模型、伺服控制系统仿真模型等多学科和多物理量分析模型;
S502、功能特性设置:根据物理装备各个系统的各自特点和应用要求,对模型的功能属性特性进行描述与设置,所述功能属性包括应力、应变、通信和电磁干扰;
S503、模型检查与修改:按照模型应用需求以及物理装备与模型的状态属性和行为规则一致性的检查规则,对模型进行检查,对不符合要求的状态要素进行修改。
8.根据权利要求6或者7所述的电子装备数字孪生模型的构建方法,其特征在于,所述S400或者S500的接口应提供数据实时同步、数据压缩和数据质量评估功能。
9.一种如权利要求1~3任一项所述的电子装备数字孪生模型的应用,其特征在于,包括:采用传感器采集或已有数据系统数据,对物理装备进行可视化状态监控,并利用数据采集阶段边缘端计算以及大数据分析,对物理装备进行故障包括状态监控、故障诊断、预测性维护和健康管理。
10.如权利要求9所述的电子装备数字孪生模型的应用,其特征在于,包括:
所述状态监控是基于实时采集数据,在数字空间监测物理装备的运行状态,并对异常数据进行报警或进行相应的自动控制;
所述故障诊断是基于物理装备的运行历史数据构建故障诊断模型,对关键故障参数进行实时监控,结合通过装备运行状态特征识别设备故障模式;
所述预测性维护是基于实时运行数据,分析物理装备关键部件的损伤和退化机理,实时分析关键部件内部损伤状态,实现装备的预测性维护,所述预测性维护包括状态趋势预测和剩余寿命预测,状态趋势预测能根据监测数据及历史时序数据预测物理装备的状态时序,并结合故障诊断模型描述故障产生、传递过程,预测可能发生的故障模式,剩余寿命预测通过实时监测关键部件和易损部件的损伤状态数据,分析其失效原因,动态更新预测性模型;
所述健康管理根据故障诊断和预测性维护结果,提供一系列的维修维护保障措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111549409.5A CN114357732A (zh) | 2021-12-17 | 2021-12-17 | 电子装备数字孪生模型及其构建方法和应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111549409.5A CN114357732A (zh) | 2021-12-17 | 2021-12-17 | 电子装备数字孪生模型及其构建方法和应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114357732A true CN114357732A (zh) | 2022-04-15 |
Family
ID=81099071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111549409.5A Pending CN114357732A (zh) | 2021-12-17 | 2021-12-17 | 电子装备数字孪生模型及其构建方法和应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114357732A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526910A (zh) * | 2022-04-21 | 2022-05-24 | 杭州杰牌传动科技有限公司 | 一种基于数字孪生驱动的传动系统故障定位方法 |
CN114897271A (zh) * | 2022-06-14 | 2022-08-12 | 郑州轻工业大学 | 数字孪生环境下基于故障传播的中央空调预测性维护方法 |
CN115347673A (zh) * | 2022-08-16 | 2022-11-15 | 华珑(沈阳)智能电气有限公司 | 适用于配电开关设备的数字孪生系统诊断方法 |
CN115914410A (zh) * | 2023-03-03 | 2023-04-04 | 无锡顶视科技有限公司 | 基于数据驱动的数字孪生仿真方法 |
CN116168164A (zh) * | 2023-04-25 | 2023-05-26 | 深圳墨影科技有限公司 | 基于机器人产业链的数字孪生可视化方法 |
CN116187144A (zh) * | 2023-04-24 | 2023-05-30 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种数字样机及其构建方法 |
CN116679579A (zh) * | 2023-08-03 | 2023-09-01 | 天津鑫宝龙电梯集团有限公司 | 一种基于数字孪生的安全控制方法、装置、设备及介质 |
CN116756875A (zh) * | 2023-06-21 | 2023-09-15 | 北方工业大学 | 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 |
CN117572996A (zh) * | 2024-01-12 | 2024-02-20 | 深圳柯赛标识智能科技有限公司 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
-
2021
- 2021-12-17 CN CN202111549409.5A patent/CN114357732A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114526910A (zh) * | 2022-04-21 | 2022-05-24 | 杭州杰牌传动科技有限公司 | 一种基于数字孪生驱动的传动系统故障定位方法 |
CN114897271A (zh) * | 2022-06-14 | 2022-08-12 | 郑州轻工业大学 | 数字孪生环境下基于故障传播的中央空调预测性维护方法 |
CN115347673A (zh) * | 2022-08-16 | 2022-11-15 | 华珑(沈阳)智能电气有限公司 | 适用于配电开关设备的数字孪生系统诊断方法 |
CN115914410A (zh) * | 2023-03-03 | 2023-04-04 | 无锡顶视科技有限公司 | 基于数据驱动的数字孪生仿真方法 |
CN115914410B (zh) * | 2023-03-03 | 2023-07-14 | 无锡顶视科技有限公司 | 基于数据驱动的数字孪生仿真方法 |
CN116187144B (zh) * | 2023-04-24 | 2023-07-11 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种数字样机及其构建方法 |
CN116187144A (zh) * | 2023-04-24 | 2023-05-30 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种数字样机及其构建方法 |
CN116168164B (zh) * | 2023-04-25 | 2023-07-04 | 深圳墨影科技有限公司 | 基于机器人产业链的数字孪生可视化方法 |
CN116168164A (zh) * | 2023-04-25 | 2023-05-26 | 深圳墨影科技有限公司 | 基于机器人产业链的数字孪生可视化方法 |
CN116756875A (zh) * | 2023-06-21 | 2023-09-15 | 北方工业大学 | 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 |
CN116756875B (zh) * | 2023-06-21 | 2024-03-01 | 北方工业大学 | 基于柱坐标映射的批量叶片工艺模型多源信息关联方法 |
CN116679579A (zh) * | 2023-08-03 | 2023-09-01 | 天津鑫宝龙电梯集团有限公司 | 一种基于数字孪生的安全控制方法、装置、设备及介质 |
CN117572996A (zh) * | 2024-01-12 | 2024-02-20 | 深圳柯赛标识智能科技有限公司 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
CN117572996B (zh) * | 2024-01-12 | 2024-03-26 | 深圳柯赛标识智能科技有限公司 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114357732A (zh) | 电子装备数字孪生模型及其构建方法和应用 | |
CN111208759B (zh) | 矿井无人化综采工作面数字孪生智能监控系统 | |
US20230115586A1 (en) | Construction method of digital twin for structure performance of intelligent excavator | |
Lai et al. | Designing a shape–performance integrated digital twin based on multiple models and dynamic data: a boom crane example | |
CN112528525B (zh) | 一种基于建模技术的可视化工业流程管控平台 | |
CN110083119A (zh) | 一种基于数字孪生的可视化电力系统机房监控系统和方法 | |
CN107272654B (zh) | 一种用于无人机飞控系统故障检测的数据聚类降维方法 | |
CN113806978A (zh) | 基于bim-fem的桥梁结构数字孪生体及方法 | |
Sadhu et al. | A review of data management and visualization techniques for structural health monitoring using BIM and virtual or augmented reality | |
CN111381515A (zh) | 基于数字孪生五维模型的软体机器人或驱动器系统及其建模方法 | |
CN113110283A (zh) | 一种基于数字孪生的mps系统智能控制方法及系统 | |
Yang et al. | Learning to propagate interaction effects for modeling deformable linear objects dynamics | |
CN115205782A (zh) | 一种基于数字孪生技术的喂饭机器人集群监测管理方法 | |
CN114147706A (zh) | 一种基于数字孪生的协作机器人远程监测系统与方法 | |
CN117332635B (zh) | 一种基于数字孪生的结构在线监测系统及方法 | |
CN113627780A (zh) | 基于深水浮式平台状态监测与评估的一体化数字孪生系统 | |
CN113496548A (zh) | 一种面向透明工厂的生产现场数据映射方法 | |
CN117252051A (zh) | 一种基于数字孪生的电缆隧道监测预警方法及系统 | |
CN116150886A (zh) | 基于实时数据驱动的无人机数字孪生建模方法 | |
CN115994323A (zh) | 设备故障诊断模型建立方法以及设备故障诊断方法 | |
CN115374608A (zh) | 基于多维度仿真建模的智能工厂建设方法、系统及介质 | |
Mittal et al. | A simulated dataset in aerial images using Simulink for object detection and recognition | |
Li et al. | Research on Digital Twin Technology of Port Structure Safety based on Floating 3D Display | |
CN113345095A (zh) | 一种基于数字孪生的革命文物残损监测与预警方法及系统 | |
Liu | Research on the Design of Digital Twin System for Construction Safety |
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 |