CN114961754A - 一种基于数字孪生的泥水环流实验系统及方法 - Google Patents
一种基于数字孪生的泥水环流实验系统及方法 Download PDFInfo
- Publication number
- CN114961754A CN114961754A CN202210608231.5A CN202210608231A CN114961754A CN 114961754 A CN114961754 A CN 114961754A CN 202210608231 A CN202210608231 A CN 202210608231A CN 114961754 A CN114961754 A CN 114961754A
- Authority
- CN
- China
- Prior art keywords
- slurry
- muddy water
- water circulation
- circulation
- experiment
- 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 163
- 238000002474 experimental method Methods 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000002002 slurry Substances 0.000 claims abstract description 214
- 235000006506 Brasenia schreberi Nutrition 0.000 claims abstract description 11
- 244000267222 Brasenia schreberi Species 0.000 claims abstract description 11
- 230000005641 tunneling Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 239000002245 particle Substances 0.000 claims description 60
- 238000004088 simulation Methods 0.000 claims description 58
- 238000005457 optimization Methods 0.000 claims description 48
- 239000011521 glass Substances 0.000 claims description 37
- 238000003860 storage Methods 0.000 claims description 36
- 229910000975 Carbon steel Inorganic materials 0.000 claims description 30
- 239000010962 carbon steel Substances 0.000 claims description 30
- 239000012530 fluid Substances 0.000 claims description 21
- 210000002569 neuron Anatomy 0.000 claims description 21
- 239000004568 cement Substances 0.000 claims description 18
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 claims description 18
- 239000002893 slag Substances 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims description 13
- 238000010168 coupling process Methods 0.000 claims description 13
- 238000005859 coupling reaction Methods 0.000 claims description 13
- 239000000243 solution Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 102100021807 ER degradation-enhancing alpha-mannosidase-like protein 1 Human genes 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 6
- 239000011259 mixed solution Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 229920000728 polyester Polymers 0.000 claims description 3
- 238000005086 pumping Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 11
- 238000011160 research Methods 0.000 abstract description 8
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D9/00—Tunnels or galleries, with or without linings; Methods or apparatus for making thereof; Layout of tunnels or galleries
- E21D9/06—Making by using a driving shield, i.e. advanced by pushing means bearing against the already placed lining
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Mining & Mineral Resources (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Geology (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Civil Engineering (AREA)
- Biomedical Technology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于数字孪生的泥水环流实验系统，包括泥水环流物理实验平台、泥水环流虚拟实验平台、泥水环流数字孪生一体化系统和泥水盾构环流系统物理实体，泥水环流虚拟实验平台与泥水环流物理实验平台虚实交互连接，泥水环流数字孪生一体化系统分别与泥水环流物理实验平台、泥水环流虚拟实验平台和泥水盾构环流系统物理实体信号连接。本发明将数字孪生与盾构机泥水环流系统结合，不仅可以充分研究泥水环流系统内复杂多变难以观测的运行状态，为泥水环流系统升级优化提供理论支撑，还可以有效监测、预警、解决盾构机掘进过程中泥水环流系统出现的故障问题，提升泥水盾构运行效率与安全性，节约施工成本，对学术研究领域和实际工程问题均具有重要价值。
Description
技术领域
本发明涉及大型装备数字孪生、多物理场耦合仿真及智能优化技术领域，具体的说，涉及一种基于数字孪生的泥水环流实验系统及方法。
背景技术
随着我国城市地铁、大型过江过河隧道工程及引水工程的大规模兴建，泥水盾构隧道技术的应用越来越广泛。由于我国幅员辽阔，各地地质条件差别较大，许多隧道遇到断面上同时存在岩石和土层、软土和卵石等复杂地质条件，加上施工中很多不可预知因素的影响，目前泥水盾构隧道施工中泥水环流系统遇到管道堵塞、磨损、失压等一些列问题，盾构机一旦发生故障停机，将严重影响施工进度，增加施工成本。
由于施工环境的局限性，泥水环流系统内部运行状态难以直接观测研究。
而数字孪生是建立物理世界与虚拟世界的桥梁，也是对物理系统的虚拟映射，通过将物理世界的产品装备与虚拟世界建立信息交互联系，将复杂的物理信息转而数字化投入虚拟世界并借助智能仿真优化等技术解决相应问题。
目前还没有将数字孪生与盾构机泥水环流系统结合的实验技术。
发明内容
本发明的目的是提供一种基于数字孪生的泥水环流实验系统及方法，本发明将数字孪生与盾构机泥水环流系统结合，不仅可以充分研究泥水环流系统内复杂多变难以观测的运行状态，为泥水环流系统升级优化提供理论支撑，还可以有效监测、预警、解决盾构机掘进过程中泥水环流系统出现的故障问题，提升泥水盾构运行效率与安全性，节约施工成本，对学术研究领域和实际工程问题均具有重要价值。
为实现上述目的，本发明采用如下技术方案：
一种基于数字孪生的泥水环流实验系统，包括泥水环流物理实验平台、泥水环流虚拟实验平台、泥水环流数字孪生一体化系统和泥水盾构环流系统物理实体，泥水环流虚拟实验平台与泥水环流物理实验平台虚实交互连接，泥水环流数字孪生一体化系统分别与泥水环流物理实验平台、泥水环流虚拟实验平台和泥水盾构环流系统物理实体信号连接；
泥水环流物理实验平台模拟泥水盾构环流系统物理实体的结构，并将实验参数实时传递给泥水环流数字孪生一体化系统；
泥水环流数字孪生一体化系统汇总筛选泥水盾构环流系统物理实体的结构参数及实时运行参数信息，同时根据泥水环流物理实验平台的物理模型生成数字孪生模型并进行虚拟仿真优化；
泥水环流虚拟实验平台系统是由泥水环流物理实验平台在虚拟空间中所映射的数字孪生体，泥水环流虚拟实验平台系统获取泥水环流数字孪生一体化系统的虚拟仿真优化后的泥水环流系统结构及运行参数，再对泥水环流在虚拟空间内进行运行模拟；
泥水盾构环流系统物理实体中安装有用于实时监测收集真实工况下泥水盾构环流系统物理实体运行参数信息的压力传感器、流量传感器、黏度传感器和密度传感器。
泥水环流物理实验平台包括第一水泥台座、第二水泥台座、立式碳钢蓄浆罐、渣浆泵、透明有机玻璃实验模块管道和变频控制柜，第一水泥台座位于第二水泥台座的右后侧，立式碳钢蓄浆罐的底部通过支架固定在第一水泥台座上，渣浆泵固定在第二水泥台座上，透明有机玻璃实验模块管道前低后高倾斜设置在立式碳钢蓄浆罐的右侧，透明有机玻璃实验模块管道的后端高于立式碳钢蓄浆罐的顶部，立式碳钢蓄浆罐的底部出水口与渣浆泵的抽水口通过第一泥水管路连接，渣浆泵的出水口与透明有机玻璃实验模块管道的前端通过第二泥水管道连接，透明有机玻璃实验模块管道的后端与立式碳钢蓄浆罐的顶部进水口通过第三泥水管道连接，立式碳钢蓄浆罐、渣浆泵、第一泥水管路、第二泥水管道、透明有机玻璃实验模块管道和第三泥水管道首尾连接形成闭环流道，第二泥水管道在临近透明有机玻璃实验模块管道的前端的位置沿流体流动方向依次设置有第一电磁压力计、第一电子流量计和进料管道，进料管道竖直连接在第二泥水管道的上部，进料管道上安装有两个上下间隔设置的电动蝶阀，第三泥水管道在临近透明有机玻璃实验模块管道的后端的位置沿流体流动方向依次设置有第二电磁压力计和第二电子流量计，透明有机玻璃实验模块管道上安装有用于拍摄其内部流动情况的高速流场摄像机，泥水环流数字孪生一体化系统分别与第一电磁压力计、第一电子流量计、第二电磁压力计、第二电子流量计和高速流场摄像机信号连接，变频控制柜与渣浆泵信号连接。
第一泥水管路、第二泥水管路和第三泥水管路均采用钢衬聚酯氨材料制成。
泥水环流虚拟实验平台系统包含数字体模块、数据模块和第一知识模块：
数字体模块是根据泥水环流物理实验平台的实体皮肤模型所对应在虚拟空间中的数字存储，数字体模块在虚拟空间内拥有与物理实体相同的物理属性；
数据模块为物理实验与仿真历史数据存储模块，数据模块通过云存储形式上传云端，便于随时调用；
第一知识模块包含专家知识以及泥水环流物理实验平台所有设备零件的物理信息。
泥水环流数字孪生一体化系统包含第二知识模块、仿真模块和优化模块：
第二知识模块包括专家知识、物理信息、云端存储、故障收集、辅助决策的功能信息；
仿真模块利用前沿仿真技术，基于数字体模块与泥水环流物理实验平台进行实时虚拟仿真；
优化模块采用智能优化算法对实验数据以及仿真数据进行优化处理并加以分析验证，指导泥水环流物理实验平台下一步实验或泥水盾构环流系统物理实体的参数设置。
一种基于数字孪生的泥水环流实验方法，采用上述的基于数字孪生的泥水环流实验系统进行实验，按以下步骤进行：
S1、在泥水盾构环流系统物理实体中安装压力传感器、流量传感器、黏度传感器和密度传感器，压力传感器、流量传感器、黏度传感器和密度传感器实时监测收集真实工况下泥水盾构环流系统物理实体运行参数信息，通过泥水环流数字孪生一体化系统汇总筛选泥水盾构环流系统物理实体的结构参数及实时运行参数信息
S2、搭建泥水环流物理实验平台，并进行泥水环流实验；
S3、泥水环流虚拟实验平台系统在虚拟空间内根据泥水环流物理实验平台的物理模型，生成与泥水环流物理实验平台的物理空间实际尺寸结构对应的虚拟空间三维模型，即数字孪生模型；
S4、泥水环流数字孪生一体化系统对数字孪生模型进行虚拟仿真和优化，得到仿真智能优化后的泥水环流结构以及运行参数；
S5、在泥水环流虚拟实验平台系统中输入仿真智能优化后的泥水环流结构以及运行参数，再一次对泥水环流在虚拟空间内进行运行模拟，实时监控运行状态并预警故障，依照虚拟实验平台优化数据通过泥水环流物理实验平台再次进行泥水环流实验，将实验数据与预测数据进行对比，如若达到预期则输出泥水环流物理实验平台运行参数指导泥水盾构环流系统物理实体下一环运行，并且第一知识模块通过数据融合建立泥水环流一体化系统运行参数知识库；如若未达到预期，则重复步骤S2～S4；综合当前优化参数与历史知识模块得到泥水环流运行最优参数指导泥水盾构环流系统物理实体运行，辅助工程师排除泥水盾构环流系统物理实体运行故障，保障盾构机安全、高效掘进。
步骤S2具体为：
S2.1、根据设计图纸搭建泥水环流物理实验平台；
S2.2、配置所需的泥浆，将配置完成的泥浆加入立式碳钢蓄浆罐内；
S2.3、打开变频控制柜电源，并打开立式碳钢蓄浆罐底部出水口的节流阀；
S2.4、启动渣浆泵，并通过变频控制柜调节渣浆泵的转速，使渣浆泵的转速达到实验所需泥浆速度要求，则泥浆在由立式碳钢蓄浆罐、渣浆泵、第一泥水管路、第二泥水管道、透明有机玻璃实验模块管道和第三泥水管道首尾连接形成的闭环流道中流动，通过透明有机玻璃实验模块管道观察并等待泥浆稳定流动；
S2.5、打开上侧的电动蝶阀，向进料管道中加入配置好的泥浆渣石颗粒混合溶液，然后关闭上侧的电动蝶阀，打开下侧的电动蝶阀，将泥浆渣石颗粒混合溶液加入第二泥水管道中，关闭下侧的电动蝶阀；
S2.6、通过透明有机玻璃实验模块管道观察泥浆渣石在管道内的运动状态以及流场信息并利用高速流场摄像机拍摄记录，读取第一电磁压力计、第一电子流量计、第二电磁压力计和第二电子流量计的实验全过程数据；
S2.7、清理泥水环流物理实验平台，泥水环流物理实验结束。
步骤S4具体为：
S4.1、利用ICEM网格划分软件对数字孪生模型进行网格划分，导出.msh网格文件；将.msh网格文件导入Fluent软件中，设置流场仿真的计算模型、边界条件、流体介质的物理参数、迭代步长，等待计算；将.msh网格文件导入EDEM软件中，填充离散元颗粒，设置颗粒间的微观作用模型；
S4.2、进行Fluent-EDEM耦合仿真：
S4.2.1、在Fluent软件中，当前时间步内，通过迭代，计算流场分布，流体与颗粒之间的动量、能量交换，以及每个网络中包含的颗粒体积分数，将计算获得的流场、温度场信息传递给EDEM软件；
S4.2.2、在EDEM软件中，利用Fluent软件计算的流场信息，计算当前时间步内流体对颗粒的作用力以及颗粒的速度和位置信息，并将这些信息传递给Fluent软件，作为下一时间步Fluent计算的依据；
S4.2.3、重复S4.2.1～S4.2.2的Fluent-EDEM耦合仿真计算过程，直至颗粒场、流体场都趋近于稳定状态，根据仿真结果，得到数字孪生模型的携渣效率、颗粒堆积、管道压差、结构受力的性能参数；
S4.3、将泥水环流物理实验平台实时参数输入数字孪生模型中，利用颗粒-流体多物理场耦合仿真方法对数字孪生模型进行仿真，获得数字孪生模型的性能参数，将性能参数作为实际性能参数；
S4.4、判断步骤S4.2.3中的性能参数与步骤S4.3中的实际性能参数的误差是否小于阈值M，若是，执行下一步骤S4.5，否则，调整数字孪生模型中的仿真模型参数，返回步骤S4.1；
S4.5、将整体三维模型分解成适合仿真的局部模型导入仿真软件，设置边界条件，网格划分进行有限元仿真得到优化所需的运行参数数据；
S4.6、利用PSO-BP神经网络模型优化算法对代理模型进行迭代寻优，找到代理模型中目标函数的改善期望值最大的点，并将改善期望值最大的点作为目标点输入数字孪生模型中，利用颗粒-流体-温度多物理场耦合仿真方法对数字孪生模型进行仿真获得目标点对应的响应值：
S4.6.1、确定输入层和输出层节点个数，BP神经网络模型用以下公式表明：
其中，Tount为神经元集合，Tin1，Tin2，...，Tinn为独立神经元节点；
S4.6.2、确定隐含层神经元节点数，利用公式（2）确定：
其中，m为隐含层神经元节点数，n为输入层神经元节点数，l为输出层神经元节点数，α：1-10之间的常数；
S4.6.3、按照解空间范围初始化粒子群，从神经网络实际情况出发，保证隐含层神经元节点n对应的空间位置v为整数；
S4.6.4、将粒子群中每个粒子包含的参数代入BP神经网络结构中，确定网络结构；
S4.6.5、通过粒子适应度函数计算适应值f：
其中，f为粒子适应度，s为粒子位移量，y为粒子当前位置量，t为粒子位移时间；
以适应度f误差小于预设值或达到最大迭代次数为标准评价每一次迭代粒子群中的所有个体，并从中找到当前最优位置p i ，再与已求得的最优位置p g 进行比较，更新粒子群的个体最优解p g ，经历多次迭代，直到找到全局最优解gbest；
S4.6.6、根据全局最优解gbest，确定BP神经网络的权值和阈值；
S4.6.7、训练BP神经网络模型，得到最终优化运行参数的网络模型；
S4.6.8、使用MATELAB9.80实现步骤S4.6.7中所述的操作流程并得到相应的输出值；
S4.6.9、根据输出值调整盾构机的相关运行参数，获取优化后的实际性能参数；S4.6.10、判断输出值对应的响应值与优化后的实际性能参数的误差是否达到预期误差M，若是，输出目标点并根据目标点优化结果调整泥水环流实验台架实际参数，否则，调整数字孪生模型中的仿真模型参数，返回步骤S4.6.7；
S4.7、通过第二知识模块对历史优化数据进行数据融合，建立泥水环流一体化系统优化算法知识模块。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体地说，本发明通过搭建相应泥水环流物理实验平台并结合数字孪生融合虚实信息，从多角度全面分析研究泥水环流系统内部携渣特性，通过虚拟仿真、参数优化等方式，为泥水环流系统提供参数指导并利用物理实验平台进行直观实验，虚实结合相互反馈，改进泥水环流系统技术参数，提升综合携渣能力，完善相关领域理论研究，降低盾构机运维成本，缩短施工周期，亦可运用于教学实践环节。
本发明将数字孪生与盾构机泥水环流系统结合，不仅可以充分研究泥水环流系统内复杂多变难以观测的运行状态，为泥水环流系统升级优化提供理论支撑，还可以有效监测、预警、解决盾构机掘进过程中泥水环流系统出现的故障问题，提升泥水盾构运行效率与安全性，节约施工成本，对学术研究领域和实际工程问题均具有重要价值。
附图说明
图1是本发明的基于数字孪生的泥水环流实验系统的原理示意图。
图2是本发明的泥水环流物理实验平台的俯视图。
图3是图2中的泥水环流物理实验平台的左视图。
图4是图2中的泥水环流物理实验平台的前视图。
图5是本发明的基于数字孪生的泥水环流实验系统的实验流程图。
具体实施方式
以下结合附图进一步说明本发明的实施例。
如图1-5所示，一种基于数字孪生的泥水环流实验系统，包括泥水环流物理实验平台1、泥水环流虚拟实验平台2、泥水环流数字孪生一体化系统3和泥水盾构环流系统物理实体4，泥水环流虚拟实验平台2与泥水环流物理实验平台1虚实交互连接，泥水环流数字孪生一体化系统3分别与泥水环流物理实验平台1、泥水环流虚拟实验平台2和泥水盾构环流系统物理实体4信号连接；
泥水环流物理实验平台1模拟泥水盾构环流系统物理实体4的结构，并将实验参数实时传递给泥水环流数字孪生一体化系统3；
泥水环流数字孪生一体化系统3汇总筛选泥水盾构环流系统物理实体4的结构参数及实时运行参数信息，同时根据泥水环流物理实验平台1的物理模型生成数字孪生模型并进行虚拟仿真优化；
泥水环流虚拟实验平台2系统是由泥水环流物理实验平台1在虚拟空间中所映射的数字孪生体，泥水环流虚拟实验平台2系统获取泥水环流数字孪生一体化系统3的虚拟仿真优化后的泥水环流系统结构及运行参数，再对泥水环流在虚拟空间内进行运行模拟；
泥水盾构环流系统物理实体4中安装有用于实时监测收集真实工况下泥水盾构环流系统物理实体4运行参数信息的压力传感器、流量传感器、黏度传感器和密度传感器。
泥水环流物理实验平台1包括第一水泥台座5、第二水泥台座6、立式碳钢蓄浆罐7、渣浆泵8、透明有机玻璃实验模块管道9和变频控制柜，第一水泥台座5位于第二水泥台座6的右后侧，立式碳钢蓄浆罐7的底部通过支架10固定在第一水泥台座5上，渣浆泵8固定在第二水泥台座6上，透明有机玻璃实验模块管道9前低后高倾斜设置在立式碳钢蓄浆罐7的右侧，透明有机玻璃实验模块管道9的后端高于立式碳钢蓄浆罐7的顶部，立式碳钢蓄浆罐7的底部出水口与渣浆泵8的抽水口通过第一泥水管路11连接，渣浆泵8的出水口与透明有机玻璃实验模块管道9的前端通过第二泥水管道12连接，透明有机玻璃实验模块管道9的后端与立式碳钢蓄浆罐7的顶部进水口通过第三泥水管道13连接，立式碳钢蓄浆罐7、渣浆泵8、第一泥水管路11、第二泥水管道12、透明有机玻璃实验模块管道9和第三泥水管道13首尾连接形成闭环流道，第二泥水管道12在临近透明有机玻璃实验模块管道9的前端的位置沿流体流动方向依次设置有第一电磁压力计14、第一电子流量计15和进料管道16，进料管道16竖直连接在第二泥水管道12的上部，进料管道16上安装有两个上下间隔设置的电动蝶阀17，第三泥水管道13在临近透明有机玻璃实验模块管道9的后端的位置沿流体流动方向依次设置有第二电子流量计18和第二电磁压力计19，透明有机玻璃实验模块管道9上安装有用于拍摄其内部流动情况的高速流场摄像机，泥水环流数字孪生一体化系统3分别与第一电磁压力计14、第一电子流量计15、第二电子流量计18、第二电磁压力计19和高速流场摄像机信号连接，变频控制柜与渣浆泵8信号连接。
第一泥水管路11、第二泥水管路和第三泥水管路均采用钢衬聚酯氨材料制成。
泥水环流虚拟实验平台2系统包含数字体模块20、数据模块21和第一知识模块22：
数字体模块20是根据泥水环流物理实验平台1的实体皮肤模型所对应在虚拟空间中的数字存储，数字体模块20在虚拟空间内拥有与物理实体相同的物理属性；
数据模块21为物理实验与仿真历史数据存储模块，数据模块21通过云存储形式上传云端，便于随时调用；
第一知识模块22包含专家知识以及泥水环流物理实验平台1所有设备零件的物理信息。
泥水环流数字孪生一体化系统3包含第二知识模块23、仿真模块24和优化模块25：
第二知识模块23包括专家知识、物理信息、云端存储、故障收集、辅助决策的功能信息；
仿真模块24利用前沿仿真技术，基于数字体模块20与泥水环流物理实验平台1进行实时虚拟仿真；
优化模块25采用智能优化算法对实验数据以及仿真数据进行优化处理并加以分析验证，指导泥水环流物理实验平台1下一步实验或泥水盾构环流系统物理实体4的参数设置。
一种基于数字孪生的泥水环流实验方法，采用上述的基于数字孪生的泥水环流实验系统进行实验，按以下步骤进行：
S1、在泥水盾构环流系统物理实体4中安装压力传感器、流量传感器、黏度传感器和密度传感器，压力传感器、流量传感器、黏度传感器和密度传感器实时监测收集真实工况下泥水盾构环流系统物理实体4运行参数信息，通过泥水环流数字孪生一体化系统3汇总筛选泥水盾构环流系统物理实体4的结构参数及实时运行参数信息
S2、搭建泥水环流物理实验平台1，并进行泥水环流实验；
S3、泥水环流虚拟实验平台2系统在虚拟空间内根据泥水环流物理实验平台1的物理模型，生成与泥水环流物理实验平台1的物理空间实际尺寸结构对应的虚拟空间三维模型，即数字孪生模型；
S4、泥水环流数字孪生一体化系统3对数字孪生模型进行虚拟仿真和优化，得到仿真智能优化后的泥水环流结构以及运行参数；
S5、在泥水环流虚拟实验平台2系统中输入仿真智能优化后的泥水环流结构以及运行参数，再一次对泥水环流在虚拟空间内进行运行模拟，实时监控运行状态并预警故障，依照虚拟实验平台优化数据通过泥水环流物理实验平台1再次进行泥水环流实验，将实验数据与预测数据进行对比，如若达到预期则输出泥水环流物理实验平台1运行参数指导泥水盾构环流系统物理实体4下一环运行，并且第一知识模块22通过数据融合建立泥水环流一体化系统运行参数知识库；如若未达到预期，则重复步骤S2～S4；综合当前优化参数与历史知识模块得到泥水环流运行最优参数指导泥水盾构环流系统物理实体4运行，辅助工程师排除泥水盾构环流系统物理实体4运行故障，保障盾构机安全、高效掘进。
步骤S2具体为：
S2.1、根据设计图纸搭建泥水环流物理实验平台1；
S2.2、配置所需的泥浆，将配置完成的泥浆加入立式碳钢蓄浆罐7内；
S2.3、打开变频控制柜电源，并打开立式碳钢蓄浆罐7底部出水口的节流阀；
S2.4、启动渣浆泵8，并通过变频控制柜调节渣浆泵8的转速，使渣浆泵8的转速达到实验所需泥浆速度要求，则泥浆在由立式碳钢蓄浆罐7、渣浆泵8、第一泥水管路11、第二泥水管道12、透明有机玻璃实验模块管道9和第三泥水管道13首尾连接形成的闭环流道中流动，通过透明有机玻璃实验模块管道9观察并等待泥浆稳定流动；
S2.5、打开上侧的电动蝶阀17，向进料管道16中加入配置好的泥浆渣石颗粒混合溶液，然后关闭上侧的电动蝶阀17，打开下侧的电动蝶阀17，将泥浆渣石颗粒混合溶液加入第二泥水管道12中，关闭下侧的电动蝶阀17；
S2.6、通过透明有机玻璃实验模块管道9观察泥浆渣石在管道内的运动状态以及流场信息并利用高速流场摄像机拍摄记录，读取第一电磁压力计14、第一电子流量计15、第二电子流量计18和第二电磁压力计19的实验全过程数据；
S2.7、清理泥水环流物理实验平台1，泥水环流物理实验结束。
步骤S4具体为：
S4.1、利用ICEM网格划分软件对数字孪生模型进行网格划分，导出.msh网格文件；将.msh网格文件导入Fluent软件中，设置流场仿真的计算模型、边界条件、流体介质的物理参数、迭代步长，等待计算；将.msh网格文件导入EDEM软件中，填充离散元颗粒，设置颗粒间的微观作用模型；
S4.2、进行Fluent-EDEM耦合仿真：
S4.2.1、在Fluent软件中，当前时间步内，通过迭代，计算流场分布，流体与颗粒之间的动量、能量交换，以及每个网络中包含的颗粒体积分数，将计算获得的流场、温度场信息传递给EDEM软件；
S4.2.2、在EDEM软件中，利用Fluent软件计算的流场信息，计算当前时间步内流体对颗粒的作用力以及颗粒的速度和位置信息，并将这些信息传递给Fluent软件，作为下一时间步Fluent计算的依据；
S4.2.3、重复S4.2.1～S4.2.2的Fluent-EDEM耦合仿真计算过程，直至颗粒场、流体场都趋近于稳定状态，根据仿真结果，得到数字孪生模型的携渣效率、颗粒堆积、管道压差、结构受力的性能参数；
S4.3、将泥水环流物理实验平台1实时参数输入数字孪生模型中，利用颗粒-流体多物理场耦合仿真方法对数字孪生模型进行仿真，获得数字孪生模型的性能参数，将性能参数作为实际性能参数；
S4.4、判断步骤S4.2.3中的性能参数与步骤S4.3中的实际性能参数的误差是否小于阈值M，若是，执行下一步骤S4.5，否则，调整数字孪生模型中的仿真模型参数，返回步骤S4.1；
S4.5、将整体三维模型分解成适合仿真的局部模型导入仿真软件，设置边界条件，网格划分进行有限元仿真得到优化所需的运行参数数据；
S4.6、利用PSO-BP神经网络模型优化算法对代理模型进行迭代寻优，找到代理模型中目标函数的改善期望值最大的点，并将改善期望值最大的点作为目标点输入数字孪生模型中，利用颗粒-流体-温度多物理场耦合仿真方法对数字孪生模型进行仿真获得目标点对应的响应值：
S4.6.1、确定输入层和输出层节点个数，BP神经网络模型用以下公式表明：
其中，Tount为神经元集合，Tin1，Tin2，...，Tinn为独立神经元节点；
S4.6.2、确定隐含层神经元节点数，利用公式（2）确定：
其中，m为隐含层神经元节点数，n为输入层神经元节点数，l为输出层神经元节点数，α：1-10之间的常数；
S4.6.3、按照解空间范围初始化粒子群，从神经网络实际情况出发，保证隐含层神经元节点n对应的空间位置v为整数；
S4.6.4、将粒子群中每个粒子包含的参数代入BP神经网络结构中，确定网络结构；
S4.6.5、通过粒子适应度函数计算适应值f：
其中，f为粒子适应度，s为粒子位移量，y为粒子当前位置量，t为粒子位移时间；
以适应度f误差小于预设值或达到最大迭代次数为标准评价每一次迭代粒子群中的所有个体，并从中找到当前最优位置p i ，再与已求得的最优位置p g 进行比较，更新粒子群的个体最优解p g ，经历多次迭代，直到找到全局最优解gbest；
S4.6.6、根据全局最优解gbest，确定BP神经网络的权值和阈值；
S4.6.7、训练BP神经网络模型，得到最终优化运行参数的网络模型；
S4.6.8、使用MATELAB9.80实现步骤S4.6.7中所述的操作流程并得到相应的输出值；
S4.6.9、根据输出值调整盾构机的相关运行参数，获取优化后的实际性能参数；S4.6.10、判断输出值对应的响应值与优化后的实际性能参数的误差是否达到预期误差M，若是，输出目标点并根据目标点优化结果调整泥水环流实验台架实际参数，否则，调整数字孪生模型中的仿真模型参数，返回步骤S4.6.7；
S4.7、通过第二知识模块23对历史优化数据进行数据融合，建立泥水环流一体化系统优化算法知识模块。
压力传感器、流量传感器、黏度传感器、密度传感器、变频控制柜和高速流场摄像机在图中均未示出。
本发明通过搭建相应泥水环流物理实验平台并结合数字孪生融合虚实信息，从多角度全面分析研究泥水环流系统内部携渣特性，通过虚拟仿真、参数优化等方式，为泥水环流系统提供参数指导并利用物理实验平台进行直观实验，虚实结合相互反馈，改进泥水环流系统技术参数，提升综合携渣能力，完善相关领域理论研究，降低盾构机运维成本，缩短施工周期，亦可运用于教学实践环节。
以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应当理解；依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于数字孪生的泥水环流实验系统，其特征在于：包括泥水环流物理实验平台、泥水环流虚拟实验平台、泥水环流数字孪生一体化系统和泥水盾构环流系统物理实体，泥水环流虚拟实验平台与泥水环流物理实验平台虚实交互连接，泥水环流数字孪生一体化系统分别与泥水环流物理实验平台、泥水环流虚拟实验平台和泥水盾构环流系统物理实体信号连接；
泥水环流物理实验平台模拟泥水盾构环流系统物理实体的结构，并将实验参数实时传递给泥水环流数字孪生一体化系统；
泥水环流数字孪生一体化系统汇总筛选泥水盾构环流系统物理实体的结构参数及实时运行参数信息，同时根据泥水环流物理实验平台的物理模型生成数字孪生模型并进行虚拟仿真优化；
泥水环流虚拟实验平台系统是由泥水环流物理实验平台在虚拟空间中所映射的数字孪生体，泥水环流虚拟实验平台系统获取泥水环流数字孪生一体化系统的虚拟仿真优化后的泥水环流系统结构及运行参数，再对泥水环流在虚拟空间内进行运行模拟；
泥水盾构环流系统物理实体中安装有用于实时监测收集真实工况下泥水盾构环流系统物理实体运行参数信息的压力传感器、流量传感器、黏度传感器和密度传感器。
2.根据权利要求1所述的基于数字孪生的泥水环流实验系统，其特征在于：泥水环流物理实验平台包括第一水泥台座、第二水泥台座、立式碳钢蓄浆罐、渣浆泵、透明有机玻璃实验模块管道和变频控制柜，第一水泥台座位于第二水泥台座的右后侧，立式碳钢蓄浆罐的底部通过支架固定在第一水泥台座上，渣浆泵固定在第二水泥台座上，透明有机玻璃实验模块管道前低后高倾斜设置在立式碳钢蓄浆罐的右侧，透明有机玻璃实验模块管道的后端高于立式碳钢蓄浆罐的顶部，立式碳钢蓄浆罐的底部出水口与渣浆泵的抽水口通过第一泥水管路连接，渣浆泵的出水口与透明有机玻璃实验模块管道的前端通过第二泥水管道连接，透明有机玻璃实验模块管道的后端与立式碳钢蓄浆罐的顶部进水口通过第三泥水管道连接，立式碳钢蓄浆罐、渣浆泵、第一泥水管路、第二泥水管道、透明有机玻璃实验模块管道和第三泥水管道首尾连接形成闭环流道，第二泥水管道在临近透明有机玻璃实验模块管道的前端的位置沿流体流动方向依次设置有第一电磁压力计、第一电子流量计和进料管道，进料管道竖直连接在第二泥水管道的上部，进料管道上安装有两个上下间隔设置的电动蝶阀，第三泥水管道在临近透明有机玻璃实验模块管道的后端的位置沿流体流动方向依次设置有第二电磁压力计和第二电子流量计，透明有机玻璃实验模块管道上安装有用于拍摄其内部流动情况的高速流场摄像机，泥水环流数字孪生一体化系统分别与第一电磁压力计、第一电子流量计、第二电磁压力计、第二电子流量计和高速流场摄像机信号连接，变频控制柜与渣浆泵信号连接。
3.根据权利要求2所述的基于数字孪生的泥水环流实验系统，其特征在于：第一泥水管路、第二泥水管路和第三泥水管路均采用钢衬聚酯氨材料制成。
4.根据权利要求3所述的基于数字孪生的泥水环流实验系统，其特征在于：泥水环流虚拟实验平台系统包含数字体模块、数据模块和第一知识模块：
数字体模块是根据泥水环流物理实验平台的实体皮肤模型所对应在虚拟空间中的数字存储，数字体模块在虚拟空间内拥有与物理实体相同的物理属性；
数据模块为物理实验与仿真历史数据存储模块，数据模块通过云存储形式上传云端，便于随时调用；
第一知识模块包含专家知识以及泥水环流物理实验平台所有设备零件的物理信息。
5.根据权利要求4所述的基于数字孪生的泥水环流实验系统，其特征在于：泥水环流数字孪生一体化系统包含第二知识模块、仿真模块和优化模块：
第二知识模块包括专家知识、物理信息、云端存储、故障收集、辅助决策的功能信息；
仿真模块利用前沿仿真技术，基于数字体模块与泥水环流物理实验平台进行实时虚拟仿真；
优化模块采用智能优化算法对实验数据以及仿真数据进行优化处理并加以分析验证，指导泥水环流物理实验平台下一步实验或泥水盾构环流系统物理实体的参数设置。
6.一种基于数字孪生的泥水环流实验方法，其特征在于：采用如权利要求5所述的基于数字孪生的泥水环流实验系统进行实验，按以下步骤进行：
S1、在泥水盾构环流系统物理实体中安装压力传感器、流量传感器、黏度传感器和密度传感器，压力传感器、流量传感器、黏度传感器和密度传感器实时监测收集真实工况下泥水盾构环流系统物理实体运行参数信息，通过泥水环流数字孪生一体化系统汇总筛选泥水盾构环流系统物理实体的结构参数及实时运行参数信息
S2、搭建泥水环流物理实验平台，并进行泥水环流实验；
S3、泥水环流虚拟实验平台系统在虚拟空间内根据泥水环流物理实验平台的物理模型，生成与泥水环流物理实验平台的物理空间实际尺寸结构对应的虚拟空间三维模型，即数字孪生模型；
S4、泥水环流数字孪生一体化系统对数字孪生模型进行虚拟仿真和优化，得到仿真智能优化后的泥水环流结构以及运行参数；
S5、在泥水环流虚拟实验平台系统中输入仿真智能优化后的泥水环流结构以及运行参数，再一次对泥水环流在虚拟空间内进行运行模拟，实时监控运行状态并预警故障，依照虚拟实验平台优化数据通过泥水环流物理实验平台再次进行泥水环流实验，将实验数据与预测数据进行对比，如若达到预期则输出泥水环流物理实验平台运行参数指导泥水盾构环流系统物理实体下一环运行，并且第一知识模块通过数据融合建立泥水环流一体化系统运行参数知识库；如若未达到预期，则重复步骤S2～S4；综合当前优化参数与历史知识模块得到泥水环流运行最优参数指导泥水盾构环流系统物理实体运行，辅助工程师排除泥水盾构环流系统物理实体运行故障，保障盾构机安全、高效掘进。
7.根据权利要求6所述的一种基于数字孪生的泥水环流实验方法，其特征在于：步骤S2具体为：
S2.1、根据设计图纸搭建泥水环流物理实验平台；
S2.2、配置所需的泥浆，将配置完成的泥浆加入立式碳钢蓄浆罐内；
S2.3、打开变频控制柜电源，并打开立式碳钢蓄浆罐底部出水口的节流阀；
S2.4、启动渣浆泵，并通过变频控制柜调节渣浆泵的转速，使渣浆泵的转速达到实验所需泥浆速度要求，则泥浆在由立式碳钢蓄浆罐、渣浆泵、第一泥水管路、第二泥水管道、透明有机玻璃实验模块管道和第三泥水管道首尾连接形成的闭环流道中流动，通过透明有机玻璃实验模块管道观察并等待泥浆稳定流动；
S2.5、打开上侧的电动蝶阀，向进料管道中加入配置好的泥浆渣石颗粒混合溶液，然后关闭上侧的电动蝶阀，打开下侧的电动蝶阀，将泥浆渣石颗粒混合溶液加入第二泥水管道中，关闭下侧的电动蝶阀；
S2.6、通过透明有机玻璃实验模块管道观察泥浆渣石在管道内的运动状态以及流场信息并利用高速流场摄像机拍摄记录，读取第一电磁压力计、第一电子流量计、第二电磁压力计和第二电子流量计的实验全过程数据；
S2.7、清理泥水环流物理实验平台，泥水环流物理实验结束。
8.根据权利要求7所述的一种基于数字孪生的泥水环流实验方法，其特征在于：步骤S4具体为：
S4.1、利用ICEM网格划分软件对数字孪生模型进行网格划分，导出.msh网格文件；将.msh网格文件导入Fluent软件中，设置流场仿真的计算模型、边界条件、流体介质的物理参数、迭代步长，等待计算；将.msh网格文件导入EDEM软件中，填充离散元颗粒，设置颗粒间的微观作用模型；
S4.2、进行Fluent-EDEM耦合仿真：
S4.2.1、在Fluent软件中，当前时间步内，通过迭代，计算流场分布，流体与颗粒之间的动量、能量交换，以及每个网络中包含的颗粒体积分数，将计算获得的流场、温度场信息传递给EDEM软件；
S4.2.2、在EDEM软件中，利用Fluent软件计算的流场信息，计算当前时间步内流体对颗粒的作用力以及颗粒的速度和位置信息，并将这些信息传递给Fluent软件，作为下一时间步Fluent计算的依据；
S4.2.3、重复S4.2.1～S4.2.2的Fluent-EDEM耦合仿真计算过程，直至颗粒场、流体场都趋近于稳定状态，根据仿真结果，得到数字孪生模型的携渣效率、颗粒堆积、管道压差、结构受力的性能参数；
S4.3、将泥水环流物理实验平台实时参数输入数字孪生模型中，利用颗粒-流体多物理场耦合仿真方法对数字孪生模型进行仿真，获得数字孪生模型的性能参数，将性能参数作为实际性能参数；
S4.4、判断步骤S4.2.3中的性能参数与步骤S4.3中的实际性能参数的误差是否小于阈值M，若是，执行下一步骤S4.5，否则，调整数字孪生模型中的仿真模型参数，返回步骤S4.1；
S4.5、将整体三维模型分解成适合仿真的局部模型导入仿真软件，设置边界条件，网格划分进行有限元仿真得到优化所需的运行参数数据；
S4.6、利用PSO-BP神经网络模型优化算法对代理模型进行迭代寻优，找到代理模型中目标函数的改善期望值最大的点，并将改善期望值最大的点作为目标点输入数字孪生模型中，利用颗粒-流体-温度多物理场耦合仿真方法对数字孪生模型进行仿真获得目标点对应的响应值：
S4.6.1、确定输入层和输出层节点个数，BP神经网络模型用以下公式表明：
其中，Tount为神经元集合，Tin1，Tin2，...，Tinn为独立神经元节点；
S4.6.2、确定隐含层神经元节点数，利用公式（2）确定：
其中，m为隐含层神经元节点数，n为输入层神经元节点数，l为输出层神经元节点数，α为1-10之间的常数；
S4.6.3、按照解空间范围初始化粒子群，从神经网络实际情况出发，保证隐含层神经元节点n对应的空间位置v为整数；
S4.6.4、将粒子群中每个粒子包含的参数代入BP神经网络结构中，确定网络结构；
S4.6.5、通过粒子适应度函数计算适应值f：
其中，f为粒子适应度，s为粒子位移量，y为粒子当前位置量，t为粒子位移时间；
以适应度f误差小于预设值或达到最大迭代次数为标准评价每一次迭代粒子群中的所有个体，并从中找到当前最优位置p i ，再与已求得的最优位置p g 进行比较，更新粒子群的个体最优解p g ，经历多次迭代，直到找到全局最优解gbest；
S4.6.6、根据全局最优解gbest，确定BP神经网络的权值和阈值；
S4.6.7、训练BP神经网络模型，得到最终优化运行参数的网络模型；
S4.6.8、使用MATELAB9.80实现步骤S4.6.7中所述的操作流程并得到相应的输出值；
S4.6.9、根据输出值调整盾构机的相关运行参数，获取优化后的实际性能参数；S4.6.10、判断输出值对应的响应值与优化后的实际性能参数的误差是否达到预期误差M，若是，输出目标点并根据目标点优化结果调整泥水环流实验台架实际参数，否则，调整数字孪生模型中的仿真模型参数，返回步骤S4.6.7；
S4.7、通过第二知识模块对历史优化数据进行数据融合，建立泥水环流一体化系统优化算法知识模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210608231.5A CN114961754B (zh) | 2022-05-31 | 2022-05-31 | 一种基于数字孪生的泥水环流实验系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210608231.5A CN114961754B (zh) | 2022-05-31 | 2022-05-31 | 一种基于数字孪生的泥水环流实验系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114961754A true CN114961754A (zh) | 2022-08-30 |
| CN114961754B CN114961754B (zh) | 2024-05-14 |
Family
ID=82971129
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210608231.5A Active CN114961754B (zh) | 2022-05-31 | 2022-05-31 | 一种基于数字孪生的泥水环流实验系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114961754B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116150580A (zh) * | 2023-04-17 | 2023-05-23 | 中国水利水电科学研究院 | 一种数字孪生流域数据底板的数据资源评价方法 |
| CN117851810A (zh) * | 2024-03-07 | 2024-04-09 | 山东天工岩土工程设备有限公司 | 一种盾构机故障检测及解决方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349470A (zh) * | 2019-07-29 | 2019-10-18 | 中铁隧道局集团有限公司 | 一种泥水盾构模拟操作平台及模拟实训系统 |
| 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 |
| CN111488694A (zh) * | 2020-04-16 | 2020-08-04 | 盾构及掘进技术国家重点实验室 | 基于多元线性自回归的泥水盾构机掘进关键参数预测方法 |
| CN113031549A (zh) * | 2021-03-04 | 2021-06-25 | 常州信息职业技术学院 | 基于数字孪生的工业互联网智能制造解决方案及系统 |
| CN113283095A (zh) * | 2021-05-31 | 2021-08-20 | 中国水利水电科学研究院 | 一种进化式数字孪生流域构建方法 |
| CN114109949A (zh) * | 2021-11-16 | 2022-03-01 | 大连海事大学 | 一种阀口独立控制电液系统的数字孪生优化控制系统及方法 |
| CN114296408A (zh) * | 2021-12-06 | 2022-04-08 | 上海大学 | 一种数字孪生环境中的生产制造车间人工智能优化算法模型系统及其算法 |
-
2022
- 2022-05-31 CN CN202210608231.5A patent/CN114961754B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349470A (zh) * | 2019-07-29 | 2019-10-18 | 中铁隧道局集团有限公司 | 一种泥水盾构模拟操作平台及模拟实训系统 |
| 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 |
| CN111488694A (zh) * | 2020-04-16 | 2020-08-04 | 盾构及掘进技术国家重点实验室 | 基于多元线性自回归的泥水盾构机掘进关键参数预测方法 |
| CN113031549A (zh) * | 2021-03-04 | 2021-06-25 | 常州信息职业技术学院 | 基于数字孪生的工业互联网智能制造解决方案及系统 |
| CN113283095A (zh) * | 2021-05-31 | 2021-08-20 | 中国水利水电科学研究院 | 一种进化式数字孪生流域构建方法 |
| CN114109949A (zh) * | 2021-11-16 | 2022-03-01 | 大连海事大学 | 一种阀口独立控制电液系统的数字孪生优化控制系统及方法 |
| CN114296408A (zh) * | 2021-12-06 | 2022-04-08 | 上海大学 | 一种数字孪生环境中的生产制造车间人工智能优化算法模型系统及其算法 |
Non-Patent Citations (3)
| Title |
|---|
| 张明文: "《工业互联网与机器人技术应用初级教程》", 30 June 2020, 哈尔滨工业大学出版社, pages: 104 * |
| 秦邦江;夏毅敏;: "泥水盾构泥浆环流系统管路压力损失分析与计算", 液压气动与密封, no. 07, 15 July 2016 (2016-07-15) * |
| 陈丹 等: "《铁路盾构隧道智能建造技术现状与展望》", 《隧道建设》, vol. 41, no. 6, 30 June 2021 (2021-06-30), pages 923 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116150580A (zh) * | 2023-04-17 | 2023-05-23 | 中国水利水电科学研究院 | 一种数字孪生流域数据底板的数据资源评价方法 |
| CN117851810A (zh) * | 2024-03-07 | 2024-04-09 | 山东天工岩土工程设备有限公司 | 一种盾构机故障检测及解决方法及系统 |
| CN117851810B (zh) * | 2024-03-07 | 2024-05-14 | 山东天工岩土工程设备有限公司 | 一种盾构机故障检测及解决方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114961754B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114961754A (zh) | 一种基于数字孪生的泥水环流实验系统及方法 | |
| Wang et al. | Large-scale wind turbine blade design and aerodynamic analysis | |
| CN101956711A (zh) | 一种基于cfd的离心泵多工况水力优化方法 | |
| CN104881510A (zh) | 一种直升机旋翼/尾桨气动干扰数值仿真方法 | |
| CN111625922A (zh) | 一种基于机器学习代理模型的大规模油藏注采优化方法 | |
| Zhang et al. | Surrogate-assisted multiobjective optimization of a hydraulically fractured well in a naturally fractured shale reservoir with geological uncertainty | |
| Clary et al. | An optimally-controlled RANS Actuator force model for efficient computations of tidal turbine arrays | |
| CN106523260A (zh) | 一种基于导叶开度的水电站机组效率排序和负荷分配方法 | |
| CN108763741A (zh) | 一种液压软管流固耦合数值预测方法 | |
| CN108090313A (zh) | 一种复杂岩石裂隙模型建模识别方法 | |
| Cao et al. | Digital twin real time monitoring method of turbine blade performance based on numerical simulation | |
| Xu et al. | Parameter identification of unsaturated seepage model of core rockfill dams using principal component analysis and multi-objective optimization | |
| CN114638048A (zh) | 三维喷管流场快速预测与敏感性参数分析方法及装置 | |
| CN114186510A (zh) | 基于moc-cfd耦合的循环泵系统能量变化预测方法 | |
| CN206034365U (zh) | 一种用于围油栏溢油围控实验的波流水槽 | |
| Li et al. | Multi-objective optimization of turbine blade profiles based on multi-agent reinforcement learning | |
| Chen et al. | Surrogate-assisted level-based learning evolutionary search for geothermal heat extraction optimization | |
| CN110096812A (zh) | 一种基于cfd平台的离心泵汽蚀性能自动模拟方法 | |
| CN116519055B (zh) | 一种泥水盾构泥水循环系统管路堵塞智能预警方法 | |
| CN107832482A (zh) | 致密储层多尺度裂缝网络建模及模拟方法 | |
| CN113898021A (zh) | 一种耙吸挖泥船管道输送控制方法 | |
| Fleischli et al. | Application of a general discrete adjoint method for draft tube optimization | |
| Li et al. | Pressure prediction for air cyclone centrifugal classifier based on CNN-LSTM enhanced by attention mechanism | |
| CN117034800A (zh) | 一种基于Fluent的往复式注水泵流场分析方法 | |
| CN103970610A (zh) | 一种供水管网中节点流量的监控方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |