CN115076452A - 一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法 - Google Patents
一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法 Download PDFInfo
- Publication number
- CN115076452A CN115076452A CN202210647308.XA CN202210647308A CN115076452A CN 115076452 A CN115076452 A CN 115076452A CN 202210647308 A CN202210647308 A CN 202210647308A CN 115076452 A CN115076452 A CN 115076452A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- maintenance
- pressure diaphragm
- equipment
- 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
- 230000036541 health Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012423 maintenance Methods 0.000 claims abstract description 84
- 238000004088 simulation Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000009776 industrial production Methods 0.000 claims abstract description 29
- 238000003745 diagnosis Methods 0.000 claims abstract description 28
- 238000007726 management method Methods 0.000 claims abstract description 25
- 238000013499 data model Methods 0.000 claims abstract description 18
- 230000015556 catabolic process Effects 0.000 claims abstract description 13
- 238000006731 degradation reaction Methods 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 230000000007 visual effect Effects 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 230000002265 prevention Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000008531 maintenance mechanism Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000013433 optimization analysis Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000010485 coping Effects 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
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16K—VALVES; TAPS; COCKS; ACTUATING-FLOATS; DEVICES FOR VENTING OR AERATING
- F16K37/00—Special means in or on valves or other cut-off apparatus for indicating or recording operation thereof, or for enabling an alarm to be given
- F16K37/0025—Electrical or magnetic means
- F16K37/0041—Electrical or magnetic means for measuring valve parameters
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mechanical Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，涉及数控系统维管领域；包括数据采集组件、工业数字孪生智能管控平台、模型仿真数据组件、故障与性能退化仿真数据模型、设备健康数据预测性维护模型、状态监测组件、故障诊断与预测的模型、3D可视化模型、维修规划模型、现场作业记录数据模型和反馈维护报备模型，所述反馈维护报备模型内数据反馈至数据采集组件，使上述各步骤依次信息传递并循环工作；对工业生产设备中高压隔膜泵单向阀、及其相连部件进行故障的分析和提前预测，及时进行维护，减少因为设备意外故障导致的产能下降和财产损失。
Description
技术领域
本发明涉及数控系统维管领域，具体的涉及一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法。
背景技术
数字孪生是充分利用物理模型、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，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统；数字孪生是个普遍适应的理论技术体系，在众多领域中应用，较多应用在产品设计、产品制造、医学分析、工程建设等领域，国内深入应用的是工程建设领域；
基于数字孪生技术的设备异常/故障预警、诊断溯源，能够降低设备诊断的难度，提高诊断的准确性与可靠性，保障工业生产设备可靠运行；同时依靠数字孪生体的耦合关系，在实际生产线运行过程中，对数字孪生体进行动态更新与异常值反馈，从而保证模型的精度与时效；
隔膜泵又称控制泵，是执行器的主要类型，通过接受调节控制单元输出的控制信号，借助动力操作去改变流体流量。隔膜泵在控制过程中的作用是接受调节器或计算机的控制信号，改变被调介质的流量，使被调参数维持在所要求的范围内，从而达到生产过程的自动化；在自动调节系统中通过检测单元对各项数据进行观察，通过调节控制单元进行调节，通过隔膜泵执行调节操作；实现对工艺过程某一参数如温度、压力、流量、液位等的调节控制。
隔膜泵设置弹性隔膜和两组单向阀，在隔膜泵中单向阀保证隔膜泵的正常工作，在高压隔膜泵中单向阀相较于普通隔膜泵工作负荷更大，需要保证高压隔膜泵中单向阀的稳定工作。
综上所述，目前高压隔膜泵单向阀工作过程存在以下技术问题：高压隔膜泵中单向阀工作情况无法观察，随工作时间增长，高压隔膜泵单向阀的健康情况下降，产生随时失效的风险，单向阀发生故障意外情况下，导致高压隔膜泵发生损坏，使工业生产设备工作意外中断，产生不必要的损失，且需要大量专业人员对工业生产设备进行检查，进行故障损坏后修复。
发明内容
针对现有技术存在的上述问题，本发明提供了一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，设计并基于工业数字孪生智能管控平台研发工业生产设备健康管理系统，对现场状态进行集中监控和远程运维，提高运维的智能化与自动化，减少正常工作时间的检查人力，减轻人力负担，在发生故障损坏前进行修复，降低运维成本。
为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：
一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，包括数据采集组件、工业数字孪生智能管控平台、模型仿真数据组件、故障与性能退化仿真数据模型、设备健康数据预测性维护模型、状态监测组件、故障诊断与预测的模型、3D可视化模型、维修规划模型、现场作业记录数据模型和反馈维护报备模型，所述反馈维护报备模型内数据反馈至数据采集组件，使上述各步骤依次信息传递并循环工作；
所述数据采集组件包括获取监测数据、性能数据、运行日志和环境数据的监测硬件，在工业生产设备中高压隔膜泵单向阀、及其相连部件运行中，对故障有重大影响的特定参数数据进行实时监测和提取；
所述工业数字孪生智能管控平台包括工业现场传感器、智能终端和管控一体化平台，构建工业现场高压隔膜泵单向阀及关联工业生产设备的数字化镜像，模拟物理对象在计算中仿真处理的数学模型，描述物理对象在现场环境中的变化；
所述模型仿真数据组件包括根据工业现场高压隔膜泵单向阀、及关联工业生产设备的结构形式构建物理结构仿真模型，通过实物模型的仿真辅助计算机数学模型仿真的运行；
所述故障与性能退化仿真数据模型通过工业数字孪生智能管控平台、模型仿真数据组件得到的仿真数据，模拟工业现场高压隔膜泵单向阀、及关联工业生产设备运行中出现故障情况的数据，以及工作过程中性能下降情况下的运行数据；
所述设备健康数据预测性维护模型，收集工业数字孪生智能管控平台和模型仿真数据组件数据，根据工业现场高压隔膜泵单向阀、及关联工业生产设备的运行数据，预测剩余寿命，评判设备的运行时间，在预测的故障发生前提示维护；
所述状态监测组件包括安装在生产设备、生产基地和监测传感器，实时查看设备多项重要指标，通过有线/WIFI/4G/5G多种方式将数据传输，全局查看并掌握设备的运行状态，对设备能效进行更有效的管理；
所述故障诊断与预测的模型包括对工业现场高压隔膜泵单向阀、及关联工业生产设备状态监测数据进行分析的诊断模型，对现场采集的监测数据进行分析和处理，提取特征值；对工业数字孪生智能管控平台、模型仿真数据组件获得的信息通过建立的数据关系进行推演的预测模型；建立各特定参数之间的关系公式与模型，通过决策变量之间的关系反映决策问题的实质，使用计算机实现自动化对关联系统进行维护管理的决策模型；通过诊断模型、预测模型和决策模型优化运行模式，并分析故障的根本原因，将故障原因关联数据传输至设备健康数据预测性维护模型内，增加设备健康数据预测性维护模型对设备健康的评判标准；
所述3D可视化模型通过建模软件建立与工业现场高压隔膜泵单向阀、及关联工业生产设备一致的三维模型，通过数据导入定位故障的位置，方便维修人员在维护前对故障位置进行观察，方便在设备维护前提前准备所需要的部件、材料和工具，以及提前安排相关的技术人员；
维修规划模型包括执行资源及资产规划的计划部分、接受诊断及预测结果的执行部分，以及接受主动维护建议的预防部分；
现场作业记录数据模型和反馈维护报备模型包括员工记录和交互式电子手册两部分，作业完成后反馈维护情况，对故障的维护数据进行报备，并将获得维护数据由数据采集组件采集，并将数据汇入循环。
本发明的有益效果：
一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，通过数据采集组件收集监测数据、性能数据、运行日志和环境数据之外增加收集维护过程所产生维护日志的数据，使数据采集作为数字孪生设备健康管理系统的起始组件和终止组件，完成设备健康数据预测性维护模型中数据循环的数据收集和传递；通过设备健康数据预测性维护模型收集工业数字孪生智能管控平台对设备数字仿真的数据，以及工业数字孪生智能管控平台结合模型仿真数据组件，得出的故障与性能退化仿真数据模型的数据，评估设备的使用寿命，再通过故障诊断和预测模型优化分析得出的根本原因，反馈至设备健康数据预测性维护模型，使设备健康数据预测性维护模型不断完善，对工业生产设备中高压隔膜泵单向阀、及其相连部件进行故障的分析和提前预测，及时进行维护，减少因为设备意外故障导致的产能下降和财产损失。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明实施例所述基于数字孪生的高压隔膜泵单向阀健康管理系统及方法的整体示意图；
图2为本发明实施例添加标号示意图；
附图中，各标号所代表的部件列表如下：
1-数据采集组件，101-监测数据，102-性能数据，103-运行日志，104-环境数据，105-维护日志，2-工业数字孪生智能管控平台，3-模型仿真数据组件，4-故障与性能退化仿真数据模型，5-设备健康数据预测性维护模型，6-状态监测组件，7-故障诊断与预测的模型，701-诊断模型，702-预测模型，703-决策模型，8-3D可视化模型，9-维修规划模型，901-计划部分，902-执行部分，903-预防部分，10-现场作业记录数据模型和反馈维护报备模型，106-员工记录，107-交互式电子手册。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1和图2所示
实施例1
本发明所述一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，包括数据采集组件(1)、工业数字孪生智能管控平台(2)、模型仿真数据组件(3)、故障与性能退化仿真数据模型(4)、设备健康数据预测性维护模型(5)、状态监测组件(6)、故障诊断与预测的模型(7)、3D可视化模型(8)、维修规划模型(9)、现场作业记录数据模型和反馈维护报备模型(10)，所述反馈维护报备模型内数据反馈至数据采集组件(1)，使上述各步骤依次信息传递并循环工作；
所述数据采集组件(1)包括获取监测数据(101)、性能数据(102)、运行日志(103)和环境数据(104)的监测硬件，在工业生产设备中高压隔膜泵单向阀、及其相连部件运行中，对故障有重大影响的特定参数数据进行实时监测和提取；
所述工业数字孪生智能管控平台(2)包括工业现场传感器、智能终端和管控一体化平台，构建工业现场高压隔膜泵单向阀及关联工业生产设备的数字化镜像，模拟物理对象在计算中仿真处理的数学模型，描述物理对象在现场环境中的变化；
所述模型仿真数据组件(3)包括根据工业现场高压隔膜泵单向阀、及关联工业生产设备的结构形式构建物理结构仿真模型，通过实物模型的仿真辅助计算机数学模型仿真的运行；
所述故障与性能退化仿真数据模型(4)通过工业数字孪生智能管控平台(2)、模型仿真数据组件(3)得到的仿真数据，模拟工业现场高压隔膜泵单向阀、及关联工业生产设备运行中出现故障情况的数据，以及工作过程中性能下降情况下的运行数据；
所述设备健康数据预测性维护模型(5)，收集工业数字孪生智能管控平台(2)和模型仿真数据组件(3)数据，根据工业现场高压隔膜泵单向阀、及关联工业生产设备的运行数据，预测剩余寿命，评判设备的运行时间，在预测的故障发生前提示维护；
所述状态监测组件(6)包括安装在生产设备、生产基地和监测传感器，实时查看设备多项重要指标，通过有线/WIFI/4G/5G多种方式将数据传输，全局查看并掌握设备的运行状态，对设备能效进行更有效的管理；
所述故障诊断与预测的模型(7)包括对工业现场高压隔膜泵单向阀、及关联工业生产设备状态监测数据(101)进行分析的诊断模型(701)，对现场采集的监测数据(101)进行分析和处理，提取特征值；对工业数字孪生智能管控平台(2)、模型仿真数据组件(3)获得的信息通过建立的数据关系进行推演的预测模型(702)；建立各特定参数之间的关系公式与模型，通过决策变量之间的关系反映决策问题的实质，使用计算机实现自动化对关联系统进行维护管理的决策模型(703)；通过诊断模型(701)、预测模型(702)和决策模型(703)优化运行模式，并分析故障的根本原因，将故障原因关联数据传输至设备健康数据预测性维护模型(5)内，增加设备健康数据预测性维护模型(5)对设备健康的评判标准；
所述3D可视化模型(8)通过建模软件建立与工业现场高压隔膜泵单向阀、及关联工业生产设备一致的三维模型，通过数据导入定位故障的位置，方便维修人员在维护前对故障位置进行观察，方便在设备维护前提前准备所需要的部件、材料和工具，以及提前安排相关的技术人员；
维修规划模型(9)包括执行资源及资产规划的计划部分(901)、接受诊断及预测结果的执行部分(902)，以及接受主动维护建议的预防部分(903)；
现场作业记录数据模型和反馈维护报备模型(10)包括员工记录(106)和交互式电子手册(107)两部分，作业完成后反馈维护情况，对故障的维护数据进行报备，并将获得维护数据由数据采集组件(1)采集，并将数据汇入循环。
系统根据不同类型的设备，完成数据的同步匹配、预处理及特征分析，提取故障特征值，实时传输到数字孪生体中，进行虚拟仿真，并将运行结果同故障知识库等进行匹配，完成设备故障诊断。同时，基于多维度、复杂工况多状态参数建模，在数字设备孪生体中进行数据挖掘仿真实验，预测可能产生的故障类型以及部位，发现工业生产过程中的隐患因素，进而建立设备预测性维护机制，提高设备的运行可靠性。
实施例2
所述状态监测对设备运行过程中，对设备故障有重大影响的特定参数实时监测；所述诊断模型对信号做分析和处理，提取特征值，完成设备状态做诊断；所述预测模型建立用数学语言或公式所描述的事物间数量关系的预测数学模型，作为计算预测值的直接依据；所述决策模型，通过设备诊断结果，决策采取相应的维护方案；
所述计划部分包括计划的制定，计划制定包括维保内容、维保频率、备件工具需求，根据年度、季度、月度计划制定，针对不同设备设施自动配置；计划部分还包括计划的发布，计划发布包括到期提醒、工单调度、任务或时间调整，计划实施前根据实际情况的调整；执行部分包括计划的执行，计划执行包括接单准备、现场执行、确认评价，维保工程师按任务指示现场执行计划任务，执行部分还包括计划的更新，计划更新包括下次任务内容更新、下次任务时点更新，通过系统自动根据完成情况更新下一次的任务时间和内容；预防部分使设备在必要时进行维护，预留足够应对时间给一线人员在故障前做出应对，或判断发生故障类别，确定故障的类型、故障的量级、故障发生的位置和时间，在故障后提高维护效率，维护成本低，停机停产时间短，减少设备的意外停机时间，避免不必要的经济损失；也降低了设备的维护成本。
基于数字孪生的高压隔膜泵单向阀健康管理系统根据不同类型的设备，通过设备健康数据预测性维护模型，完成数据的同步匹配、预处理及特征分析，提取故障特征值，实时传输到工业数字孪生智能管控平台的数字孪生体中，进行虚拟仿真，并将运行结果同故障知识库等进行匹配，完成设备故障诊断。同时，基于多维度、复杂工况多状态参数建模，在工业数字孪生智能管控平台的数字设备孪生体中进行数据挖掘仿真实验，预测可能产生的故障类型以及部位，发现工业生产过程中的隐患因素，进而建立设备预测性维护机制，提高设备的运行可靠性。
综上所述，本发明一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，通过数据采集组件收集监测数据、性能数据、运行日志和环境数据之外增加收集维护过程所产生维护日志的数据，使数据采集作为数字孪生设备健康管理系统的起始组件和终止组件，完成设备健康数据预测性维护模型中数据循环的数据收集和传递；通过设备健康数据预测性维护模型收集工业数字孪生智能管控平台对设备数字仿真的数据，以及工业数字孪生智能管控平台结合模型仿真数据组件，得出的故障与性能退化仿真数据模型的数据，评估设备的使用寿命，再通过故障诊断和预测模型优化分析得出的根本原因，反馈至设备健康数据预测性维护模型，使设备健康数据预测性维护模型不断完善，对工业生产设备中高压隔膜泵单向阀、及其相连部件进行故障的分析和提前预测，及时进行维护，减少因为设备意外故障导致的产能下降和财产损失。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：包括数据采集组件、工业数字孪生智能管控平台、模型仿真数据组件、故障与性能退化仿真数据模型、设备健康数据预测性维护模型、状态监测组件、故障诊断与预测的模型、3D可视化模型、维修规划模型、现场作业记录数据模型和反馈维护报备模型，所述反馈维护报备模型内数据反馈至数据采集组件，使上述各步骤依次信息传递并循环工作。
2.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述数据采集组件包括获取监测数据、性能数据、运行日志和环境数据的监测硬件，在工业生产设备中高压隔膜泵单向阀、及其相连部件运行中，对故障有重大影响的特定参数数据进行实时监测和提取。
3.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述工业数字孪生智能管控平台包括工业现场传感器、智能终端和管控一体化平台，构建工业现场高压隔膜泵单向阀及关联工业生产设备的数字化镜像，模拟物理对象在计算中仿真处理的数学模型，描述物理对象在现场环境中的变化。
4.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述模型仿真数据组件包括根据工业现场高压隔膜泵单向阀、及关联工业生产设备的结构形式构建物理结构仿真模型，通过实物模型的仿真辅助计算机数学模型仿真的运行。
5.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述故障与性能退化仿真数据模型通过工业数字孪生智能管控平台、模型仿真数据组件得到的仿真数据，模拟工业现场高压隔膜泵单向阀、及关联工业生产设备运行中出现故障情况的数据，以及工作过程中性能下降情况下的运行数据。
6.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述设备健康数据预测性维护模型，收集工业数字孪生智能管控平台和模型仿真数据组件数据，根据工业现场高压隔膜泵单向阀、及关联工业生产设备的运行数据，预测剩余寿命，评判设备的运行时间，在预测的故障发生前提示维护。
7.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述状态监测组件包括安装在生产设备、生产基地和监测传感器，实时查看设备多项重要指标，通过有线/WIFI/4G/5G多种方式将数据传输，全局查看并掌握设备的运行状态，对设备能效进行更有效的管理。
8.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述故障诊断与预测的模型包括对工业现场高压隔膜泵单向阀、及关联工业生产设备状态监测数据进行分析的诊断模型，对现场采集的监测数据进行分析和处理，提取特征值；对工业数字孪生智能管控平台、模型仿真数据组件获得的信息通过建立的数据关系进行推演的预测模型；建立各特定参数之间的关系公式与模型，通过决策变量之间的关系反映决策问题的实质，使用计算机实现自动化对关联系统进行维护管理的决策模型；通过诊断模型、预测模型和决策模型优化运行模式，并分析故障的根本原因，将故障原因关联数据传输至设备健康数据预测性维护模型内，增加设备健康数据预测性维护模型对设备健康的评判标准。
9.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：所述3D可视化模型通过建模软件建立与工业现场高压隔膜泵单向阀、及关联工业生产设备一致的三维模型，通过数据导入定位故障的位置，方便维修人员在维护前对故障位置进行观察，方便在设备维护前提前准备所需要的部件、材料和工具，以及提前安排相关的技术人员。
10.如权利要求1所述的基于数字孪生的高压隔膜泵单向阀健康管理系统及方法，其特征在于：维修规划模型包括执行资源及资产规划的计划部分、接受诊断及预测结果的执行部分，以及接受主动维护建议的预防部分；
现场作业记录数据模型和反馈维护报备模型包括员工记录和交互式电子手册两部分，作业完成后反馈维护情况，对故障的维护数据进行报备，并将获得维护数据由数据采集组件采集，并将数据汇入循环。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210647308.XA CN115076452A (zh) | 2022-06-08 | 2022-06-08 | 一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210647308.XA CN115076452A (zh) | 2022-06-08 | 2022-06-08 | 一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115076452A true CN115076452A (zh) | 2022-09-20 |
Family
ID=83252248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210647308.XA Pending CN115076452A (zh) | 2022-06-08 | 2022-06-08 | 一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115076452A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116382197A (zh) * | 2023-01-18 | 2023-07-04 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的智慧工厂管理平台及管理方法 |
| CN118296562A (zh) * | 2024-06-06 | 2024-07-05 | 山东国华时代投资发展有限公司 | 一种基于数字孪生的风电机组健康管理方法及系统 |
-
2022
- 2022-06-08 CN CN202210647308.XA patent/CN115076452A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116382197A (zh) * | 2023-01-18 | 2023-07-04 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的智慧工厂管理平台及管理方法 |
| CN116382197B (zh) * | 2023-01-18 | 2023-09-15 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的智慧工厂管理平台及管理方法 |
| CN118296562A (zh) * | 2024-06-06 | 2024-07-05 | 山东国华时代投资发展有限公司 | 一种基于数字孪生的风电机组健康管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110320892B (zh) | 基于Lasso回归的污水处理设备故障诊断系统及方法 | |
| CN115076452A (zh) | 一种基于数字孪生的高压隔膜泵单向阀健康管理系统及方法 | |
| CN108363836B (zh) | 多工况自适应的工业机器人健康度评估方法及系统 | |
| CN107544457A (zh) | 基于可靠性分析的炼化装置运行周期专家决策系统及方法 | |
| KR101853480B1 (ko) | 해양플랜트 예지보전 시스템 | |
| CN112561238A (zh) | 一种抽水蓄能电站辅机设备状态健康评价系统及方法 | |
| CN113420465B (zh) | 一种基于数字孪生模型的液压支架全寿命周期管理方法 | |
| CN109242104A (zh) | 一种利用数据分析实时发现设备故障异常的系统 | |
| CN116184948A (zh) | 一种水厂的智能监盘及预警诊断技术的应用系统及方法 | |
| CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
| CN117032120A (zh) | 集成一体式空压站智能云控制系统及控制方法 | |
| CN117574624A (zh) | 基于数字孪生技术的变压器状态监测及预警方法 | |
| CN115657541A (zh) | 一种基于数字孪生精细化建模的空压机监管系统及方法 | |
| CN114023477A (zh) | 一种核电厂计算机化规程系统和控制系统 | |
| CN116880358A (zh) | 一种用于数控机床的智能监测系统 | |
| CN112329953A (zh) | 一种工业炉全流程智能诊断和优化运行系统 | |
| CN115755664A (zh) | 一种离散型企业制造设备维护方法及系统 | |
| CN116414086A (zh) | 基于fmeda失效预测技术集成安全控制系统的装置 | |
| CN114066163A (zh) | 一种基于三层架构模式的电力设备状态分析方法及装置 | |
| CN117391552B (zh) | 基于数字孪生的建筑部件质量控制系统及方法 | |
| KR102573254B1 (ko) | 연합 학습을 이용한 기계설비 고장 예지 분석 시스템 | |
| CN117032154A (zh) | 一种热电厂供热机组故障监测方法及系统 | |
| Tang et al. | Development of Predictive Maintenance System for Nuclear Power Turbine Unit | |
| Gale et al. | A real-time expert system for the condition monitoring of hydraulic control systems in a hot steel strip finishing mill | |
| Zhou et al. | Fault Diagnosis for Tray Loader Machine of Power Battery Based on Fault Tree Analysis |
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 |