CN116933409B - 一种面向数字孪生的煤矿井下设备模型压缩设计方法 - Google Patents
一种面向数字孪生的煤矿井下设备模型压缩设计方法 Download PDFInfo
- Publication number
- CN116933409B CN116933409B CN202310702521.0A CN202310702521A CN116933409B CN 116933409 B CN116933409 B CN 116933409B CN 202310702521 A CN202310702521 A CN 202310702521A CN 116933409 B CN116933409 B CN 116933409B
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- coal mine
- real time
- time interval
- 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.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006835 compression Effects 0.000 title claims abstract description 36
- 238000007906 compression Methods 0.000 title claims abstract description 36
- 238000013461 design Methods 0.000 title claims abstract description 36
- 230000003993 interaction Effects 0.000 claims abstract description 9
- 238000007667 floating Methods 0.000 claims description 43
- 239000003638 chemical reducing agent Substances 0.000 claims description 33
- 230000001105 regulatory effect Effects 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 26
- 238000011156 evaluation Methods 0.000 claims description 20
- 239000000498 cooling water Substances 0.000 claims description 18
- 230000001276 controlling effect Effects 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000013433 optimization analysis Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 230000002269 spontaneous effect Effects 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 239000000463 material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Control Of Conveyors (AREA)
Abstract
本发明公开了一种面向数字孪生的煤矿井下设备模型压缩设计方法,属于煤矿井下设备技术领域,包括如下步骤:利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,且对实时采集的多模态特征数据进行处理,确定出基于大型煤矿井下带式传送设备的多模态感知数据。本发明解决了现有大型煤矿数字孪生系统数千或上万规模的面数,硬件显示所呈现的人机交互界面流畅性是亟待解决的问题之一,使大型煤矿数字孪生系统使用效果不佳的问题,本发明通过保留大型煤矿井下带式传送设备的外观曲面、颜色、纹理、尺寸等真实参数并建模,以达到监控人员操作时的感官一致性,保障人机交互界面舒适性,提升大型煤矿数字孪生系统使用效果。
Description
技术领域
本发明涉及煤矿井下设备技术领域,具体为一种面向数字孪生的煤矿井下设备模型压缩设计方法。
背景技术
运输巷带式输送机是煤矿生产过程中的关键设备,采煤机截割下的煤经过刮板输送机和转载机到达运输巷带式输送机,运输巷带式输送机一般由卸载端、驱动装置、储带仓、张紧小车及张紧装置、自移机尾等部分组成。目前,运输巷带式输送机多由PLC构成监控操作系统实现设备的软启动、功率平衡、综合保护等的功能。
公开号为CN114677054A的中国专利公开了一种基于数字孪生的煤矿井下人员及物资调度方法,弥补现有的煤矿井下人员及物资调度方法无法实时反映人员及物资调度过程、物资需求预测精度不够高的缺陷;基于反馈的实时数据对所得的调度结果进行分析推断,能够及时对现有调度策略进行调整,提高了调度效率。但是该专利在实际使用过程中存在以下缺陷:
现有的大型煤矿数字孪生系统数千或上万规模的面数,硬件显示所呈现的人机交互界面流畅性是亟待解决的瓶颈问题之一,导致大型煤矿数字孪生系统使用效果不佳。
发明内容
本发明的目的在于提供一种面向数字孪生的煤矿井下设备模型压缩设计方法,通过保留大型煤矿井下带式传送设备的外观曲面、颜色、纹理、尺寸等真实参数并建模,以达到监控人员操作时的感官一致性,保障人机交互界面舒适性,提升大型煤矿数字孪生系统使用效果,解决了上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种面向数字孪生的煤矿井下设备模型压缩设计方法,包括如下步骤:
S1:利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,且对实时采集的多模态特征数据进行处理,确定出基于大型煤矿井下带式传送设备的多模态感知数据;
S2:建立三维模型工作空间,将多模态感知数据输入到三维建模软件中,通过多模态感知数据建立大型煤矿井下带式传送设备的结构和行为关系,结合数字孪生场景空间,在虚拟空间中完成映射,构建面向数字孪生的大型煤矿井下带式传送设备模型;
S3:在虚拟环境中对大型煤矿井下带式传送设备进行各种情况的模拟,使用面向数字孪生的大型煤矿井下带式传送设备模型来进行各种仿真、评估、测试及优化分析;
S4:获取大型煤矿井下带式传送设备模型,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,其中极简对象包括部件对象、传感器和反馈信号接收对象;
S5:利用部件对象、传感器和反馈信号接收对象协同运作,确定出基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,在虚拟空间中完成映射,构建面向数字孪生的压缩设计数字孪生模型。
优选的,所述S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,执行以下操作:
利用跑偏传感器实时采集基于输送带的输送带跑偏数据;
利用速度传感器实时采集基于输送带的输送带速度数据;
利用堆煤传感器实时采集基于输送带的煤位高度数据;
利用撕裂传感器实时采集基于输送带的输送带撕裂数据;
利用温度传感器实时采集基于输送带的托辊温度数据;
利用烟雾传感器实时采集基于输送带的输送带自燃数据;
利用激光传感器实时采集基于输送带的煤量检测数据;
利用摄像机实时采集基于机头的视频监控数据;
利用拉力传感器实时采集基于张紧装置的钢丝绳拉力数据;
利用压力传感器实时采集基于张紧装置的液压泵站压力数据。
优选的,所述S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,还执行以下操作:
利用流量传感器实时采集基于减速器的冷却水流量值数据及基于电动机的冷却水流量值数据;
利用温度传感器实时采集基于减速器的冷却水温度值数据、基于减速器的减速器油箱油液温度数据、基于减速器的减速器轴承温度数据、基于电动机的电机绕组温度数据、基于电动机的电机轴承温度数据及基于电动机的冷却水温度值数据;
利用压力传感器实时采集基于减速器的冷却水压力值数据及基于电动机的冷却水压力值数据;
利用振动传感器实时采集基于减速器的减速器振动检测数据;
利用声音传感器实时采集基于减速器的减速器噪声检测数据;
利用电流传感器实时采集基于电动机的电机电流数据。
优选的,所述S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,还执行以下操作:
针对各种传感器的数据检测时间间隔进行实时监控,采集每个传感器获取其采集目标数据的采集时刻;
根据所述个传感器获取其采集目标数据的采集时刻获取目标数据的采集时间间隔数据;
将所述采集时间间隔数据与对应传感器的数据采集时间间隔浮动范围值进行比较,获取所述传感器对应的数据采集运行评价指标;其中,所述数据采集运行评价指标通过如下公式获取:
其中,F表示数据采集运行评价指标;n表示一个传感器已经历的采集的数据次数;Tg表示第i次数据采集对应的数据采集时刻;T0表示传感器对应的额定采集时间间隔浮动范围值;m表示传感器的实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围的次数;Tfci表示第i次实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围时对应的实际数据采集时间浮动值与预设的采集时间间隔浮动范围之间的差值;
当所述数据采集运行评价指标低于预设的指标阈值时,对所述数据采集运行评价指标对应的传感器进行标记;
针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息,并通过调控后的数据采集时间间隔信息确定是否进行传感器运行异常示警。
优选的,针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息,并通过调控后的数据采集时间间隔信息确定是否进行传感器运行异常示警,包括:
针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息;
利用所述调控后的数据采集时间间隔信息,获取所述带有标记的传感器的调控指标参数,其中,所述调控指标参数通过如下公式获取:
其中,Ft表示调控指标参数;k表示传感器调控后经历的数据采集次数;Tfcti表示传感器调控后第i次实际数据采集时间间隔浮动值与预设的采集时间间隔浮动范围之间的差值;Tfcmin表示调整前的实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围时对应的实际数据采集时间浮动值与预设的采集时间间隔浮动范围之间的最小差值;
当所述调控指标参数超过预设的调控指标阈值时,针对所述带有标记的传感器向远程中控平台或总控台发送传感器运行示警信息。
优选的,所述S1中,对实时采集的多模态特征数据进行处理,执行以下操作:
基于面向数字孪生的大型煤矿井下带式传送设备模型压缩设计需求;
将实时采集的多模态特征数据完全提取出来,且对完全提取出来的多模态特征数据进行检索操作;
根据顺序检索方法,逐一检索多模态特征数据中的每个设备特征数据,过滤掉对大型煤矿井下带式传送设备模型压缩设计需求无价值的设备特征数据,确定出对大型煤矿井下带式传送设备模型压缩设计需求有价值的多个设备特征数据;
基于内部排序方法,对确定出来的对大型煤矿井下带式传送设备模型压缩设计需求有价值的设备特征数据进行排序,使多个设备特征数据按照字符串大小进行排序;
基于算术及逻辑运算,对排序的多个设备特征数据进行计算,确定出基于大型煤矿井下带式传送设备的多模态感知数据。
优选的,所述S1中,根据顺序检索方法,逐一检索多模态特征数据中的每个设备特征数据,执行以下操作:
基于顺序检索方法,逐一提取出多模态特征数据中的单个设备特征数据;
对提取出的单个设备特征数据进行识别判断,基于识别结果,确定出相应地决策方案;
针对识别的单个设备特征数据已存在的情况,则将重复的无价值的单个设备特征数据过滤删除掉;
针对识别的单个设备特征数据不存在的情况,则将未重复的有价值的单个设备特征数据保留。
优选的,所述S2中,构建面向数字孪生的大型煤矿井下带式传送设备模型,执行以下操作:
利用三维建模软件建立三维模型工作空间,且将多模态感知数据输入到三维建模软件中;
根据输入的多模态感知数据,基于数据挖掘技术,对多模态感知数据进行相关性及关联性分析,确定出基于多模态感知数据的相关度及关联度;
根据多模态感知数据的相关度及关联度,构建大型煤矿井下带式传送设备的结构和行为关系;
基于大型煤矿井下带式传送设备的结构和行为关系,且结合数字孪生场景空间,在三维模型工作空间中完成大型煤矿井下带式传送设备结构和行为关系的映射,构建出面向数字孪生的大型煤矿井下带式传送设备模型。
优选的,所述S4中,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,执行以下操作:
获取面向数字孪生的大型煤矿井下带式传送设备模型;
将面向数字孪生的大型煤矿井下带式传送设备模型压缩为基于部件对象、传感器和反馈信号接收对象的极简对象;
其中部件对象简化为携带语义标签的质点,其语义标签内包含用于交互的基于部件名称、型号、功能、部件质量参数、运作规律的基础信息;
其中传感器和反馈信号接收对象也简化为携带语义标签的质点,其语义标签内包含传感器或反馈信号接收对象名称、型号、功能、收发数据格式参数。
优选的,所述S4中,反馈信号接收对象所接收信号为远程中控台或总控台所发出的报警处置动作信号或其他远程调控操作信号。
与现有技术相比,本发明的有益效果是:
1、本发明通过利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,且对实时采集的多模态特征数据进行处理,确定出基于大型煤矿井下带式传送设备的多模态感知数据,建立三维模型工作空间,将多模态感知数据输入到三维建模软件中,通过多模态感知数据建立大型煤矿井下带式传送设备的结构和行为关系,结合数字孪生场景空间,在虚拟空间中完成映射,构建面向数字孪生的大型煤矿井下带式传送设备模型。
2、本发明通过获取大型煤矿井下带式传送设备模型,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,利用部件对象、传感器和反馈信号接收对象协同运作,确定出基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,在虚拟空间中完成映射,构建面向数字孪生的压缩设计数字孪生模型,通过保留大型煤矿井下带式传送设备的外观曲面、颜色、纹理、尺寸等真实参数并建模,以达到监控人员操作时的感官一致性,保障人机交互界面舒适性,提升大型煤矿数字孪生系统使用效果。
附图说明
图1为本发明的煤矿井下设备模型压缩设计方法的流程图。
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。
为了解决现有的大型煤矿数字孪生系统数千或上万规模的面数,硬件显示所呈现的人机交互界面流畅性是亟待解决的瓶颈问题之一,导致大型煤矿数字孪生系统使用效果不佳的问题,请参阅图1,本实施例提供以下技术方案:
一种面向数字孪生的煤矿井下设备模型压缩设计方法,包括如下步骤:
S1:利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,且对实时采集的多模态特征数据进行处理,确定出基于大型煤矿井下带式传送设备的多模态感知数据;
S2:建立三维模型工作空间,将多模态感知数据输入到三维建模软件中,通过多模态感知数据建立大型煤矿井下带式传送设备的结构和行为关系,结合数字孪生场景空间,在虚拟空间中完成映射,构建面向数字孪生的大型煤矿井下带式传送设备模型;
S3:在虚拟环境中对大型煤矿井下带式传送设备进行各种情况的模拟,使用面向数字孪生的大型煤矿井下带式传送设备模型来进行各种仿真、评估、测试及优化分析;
S4:获取大型煤矿井下带式传送设备模型,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,其中极简对象包括部件对象、传感器和反馈信号接收对象;
S5:利用部件对象、传感器和反馈信号接收对象协同运作,确定出基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,在虚拟空间中完成映射,构建面向数字孪生的压缩设计数字孪生模型。
S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,执行以下操作:
利用跑偏传感器实时采集基于输送带的输送带跑偏数据;
利用速度传感器实时采集基于输送带的输送带速度数据;
利用堆煤传感器实时采集基于输送带的煤位高度数据;
利用撕裂传感器实时采集基于输送带的输送带撕裂数据;
利用温度传感器实时采集基于输送带的托辊温度数据;
利用烟雾传感器实时采集基于输送带的输送带自燃数据;
利用激光传感器实时采集基于输送带的煤量检测数据;
利用摄像机实时采集基于机头的视频监控数据;
利用拉力传感器实时采集基于张紧装置的钢丝绳拉力数据;
利用压力传感器实时采集基于张紧装置的液压泵站压力数据。
S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,还执行以下操作:
利用流量传感器实时采集基于减速器的冷却水流量值数据及基于电动机的冷却水流量值数据;
利用温度传感器实时采集基于减速器的冷却水温度值数据、基于减速器的减速器油箱油液温度数据、基于减速器的减速器轴承温度数据、基于电动机的电机绕组温度数据、基于电动机的电机轴承温度数据及基于电动机的冷却水温度值数据;
利用压力传感器实时采集基于减速器的冷却水压力值数据及基于电动机的冷却水压力值数据;
利用振动传感器实时采集基于减速器的减速器振动检测数据;
利用声音传感器实时采集基于减速器的减速器噪声检测数据;
利用电流传感器实时采集基于电动机的电机电流数据。
同时,所述S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,还执行以下操作:
针对各种传感器的数据检测时间间隔进行实时监控,采集每个传感器获取其采集目标数据的采集时刻;
根据所述个传感器获取其采集目标数据的采集时刻获取目标数据的采集时间间隔数据;
将所述采集时间间隔数据与对应传感器的数据采集时间间隔浮动范围值进行比较,获取所述传感器对应的数据采集运行评价指标;其中,所述数据采集运行评价指标通过如下公式获取:
其中,F表示数据采集运行评价指标;n表示一个传感器已经历的采集的数据次数;Tg表示第i次数据采集对应的数据采集时刻;T0表示传感器对应的额定采集时间间隔浮动范围值;m表示传感器的实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围的次数;Tfci表示第i次实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围时对应的实际数据采集时间浮动值与预设的采集时间间隔浮动范围之间的差值;
当所述数据采集运行评价指标低于预设的指标阈值时,对所述数据采集运行评价指标对应的传感器进行标记;
针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息,并通过调控后的数据采集时间间隔信息确定是否进行传感器运行异常示警。
上述技术方案的技术效果为:实时监控各种传感器的数据采集时间间隔,并对数据采集运行评价指标进行评估和标记。通过比较采集时间间隔数据与传感器的数据采集时间间隔浮动范围值,可以确定传感器的数据采集运行状态。当数据采集运行评价指标低于预设的指标阈值时,对相应的传感器进行标记,表示其可能存在异常。
针对标记的传感器,可以对其采集数据的时间间隔进行调控。通过实时监控调控后的数据采集时间间隔信息,可以判断传感器是否仍然存在异常情况。如果调控后的数据采集时间间隔仍然异常,系统可以进行传感器运行异常示警,提醒相关人员进行进一步处理和维修。
通过上述技术方案提高传感器数据采集的准确性和稳定性。通过实时监控和评估传感器的数据采集运行状态,可以及时发现和处理传感器运行异常,避免因数据采集间隔不准确或不稳定而导致的数据质量问题或系统故障。同时,通过调控数据采集时间间隔,可以优化传感器的数据采集性能,提高数据采集效率和精度。
具体的,针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息,并通过调控后的数据采集时间间隔信息确定是否进行传感器运行异常示警,包括:
针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息;
利用所述调控后的数据采集时间间隔信息,获取所述带有标记的传感器的调控指标参数,其中,所述调控指标参数通过如下公式获取:
其中,Ft表示调控指标参数;k表示传感器调控后经历的数据采集次数;Tfcti表示传感器调控后第i次实际数据采集时间间隔浮动值与预设的采集时间间隔浮动范围之间的差值;Tfcmin表示调整前的实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围时对应的实际数据采集时间浮动值与预设的采集时间间隔浮动范围之间的最小差值;
当所述调控指标参数超过预设的调控指标阈值时,针对所述带有标记的传感器向远程中控平台或总控台发送传感器运行示警信息。
上述技术方案的技术效果为:对标记的传感器进行数据采集时间间隔调控,并实时监控调控后的数据采集时间间隔信息。通过调控数据采集时间间隔,可以对传感器的数据采集进行优化,使其满足预设的调控指标参数。
利用调控后的数据采集时间间隔信息,可以获取带有标记的传感器的调控指标参数。这些参数可以用于评估传感器的运行状态和性能。当调控指标参数超过预设的调控指标阈值时,可以向远程中控平台或总控台发送传感器运行示警信息。
上述技术方案实现对传感器的实时监控和异常示警。通过调控数据采集时间间隔,可以优化传感器的数据采集性能,提高数据采集的准确性和稳定性。同时,通过监控调控后的数据采集时间间隔信息,可以及时发现传感器运行异常情况,并通过示警信息通知相关人员,以便他们采取适当的措施来处理传感器故障或异常,确保系统的正常运行。
S1中,对实时采集的多模态特征数据进行处理,执行以下操作:
基于面向数字孪生的大型煤矿井下带式传送设备模型压缩设计需求;
将实时采集的多模态特征数据完全提取出来,且对完全提取出来的多模态特征数据进行检索操作;
根据顺序检索方法,逐一检索多模态特征数据中的每个设备特征数据,过滤掉对大型煤矿井下带式传送设备模型压缩设计需求无价值的设备特征数据,确定出对大型煤矿井下带式传送设备模型压缩设计需求有价值的多个设备特征数据;
基于内部排序方法,对确定出来的对大型煤矿井下带式传送设备模型压缩设计需求有价值的设备特征数据进行排序,使多个设备特征数据按照字符串大小进行排序;
基于算术及逻辑运算,对排序的多个设备特征数据进行计算,确定出基于大型煤矿井下带式传送设备的多模态感知数据。
S1中,根据顺序检索方法,逐一检索多模态特征数据中的每个设备特征数据,执行以下操作:
基于顺序检索方法,逐一提取出多模态特征数据中的单个设备特征数据;
对提取出的单个设备特征数据进行识别判断,基于识别结果,确定出相应地决策方案;
针对识别的单个设备特征数据已存在的情况,则将重复的无价值的单个设备特征数据过滤删除掉;
针对识别的单个设备特征数据不存在的情况,则将未重复的有价值的单个设备特征数据保留。
S2中,构建面向数字孪生的大型煤矿井下带式传送设备模型,执行以下操作:
利用三维建模软件建立三维模型工作空间,且将多模态感知数据输入到三维建模软件中;
根据输入的多模态感知数据,基于数据挖掘技术,对多模态感知数据进行相关性及关联性分析,确定出基于多模态感知数据的相关度及关联度;
根据多模态感知数据的相关度及关联度,构建大型煤矿井下带式传送设备的结构和行为关系;
基于大型煤矿井下带式传送设备的结构和行为关系,且结合数字孪生场景空间,在三维模型工作空间中完成大型煤矿井下带式传送设备结构和行为关系的映射,构建出面向数字孪生的大型煤矿井下带式传送设备模型。
S4中,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,执行以下操作:
获取面向数字孪生的大型煤矿井下带式传送设备模型;
将面向数字孪生的大型煤矿井下带式传送设备模型压缩为基于部件对象、传感器和反馈信号接收对象的极简对象;
其中部件对象简化为携带语义标签的质点,其语义标签内包含用于交互的基于部件名称、型号、功能、部件质量参数、运作规律的基础信息;
其中传感器和反馈信号接收对象也简化为携带语义标签的质点,其语义标签内包含传感器或反馈信号接收对象名称、型号、功能、收发数据格式参数。
S4中,反馈信号接收对象所接收信号为远程中控台或总控台所发出的报警处置动作信号或其他远程调控操作信号。
综上,本发明的面向数字孪生的煤矿井下设备模型压缩设计方法,获取大型煤矿井下带式传送设备模型,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,利用部件对象、传感器和反馈信号接收对象协同运作,确定出基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,在虚拟空间中完成映射,构建面向数字孪生的压缩设计数字孪生模型,通过保留大型煤矿井下带式传送设备的外观曲面、颜色、纹理、尺寸等真实参数并建模,以达到监控人员操作时的感官一致性,保障人机交互界面舒适性,提升大型煤矿数字孪生系统使用效果。
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。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:包括如下步骤:
S1:利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,且对实时采集的多模态特征数据进行处理,确定出基于大型煤矿井下带式传送设备的多模态感知数据;
S2:建立三维模型工作空间,将多模态感知数据输入到三维建模软件中,通过多模态感知数据建立大型煤矿井下带式传送设备的结构和行为关系,结合数字孪生场景空间,在虚拟空间中完成映射,构建面向数字孪生的大型煤矿井下带式传送设备模型;
S3:在虚拟环境中对大型煤矿井下带式传送设备进行各种情况的模拟,使用面向数字孪生的大型煤矿井下带式传送设备模型来进行各种仿真、评估、测试及优化分析;
S4:获取大型煤矿井下带式传送设备模型,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,其中极简对象包括部件对象、传感器和反馈信号接收对象;
S5:利用部件对象、传感器和反馈信号接收对象协同运作,确定出基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,基于大型煤矿井下带式传送设备的外观曲面、颜色、纹理及尺寸的真实参数特征,在虚拟空间中完成映射,构建面向数字孪生的压缩设计数字孪生模型。
2.根据权利要求1所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,执行以下操作:
利用跑偏传感器实时采集基于输送带的输送带跑偏数据;
利用速度传感器实时采集基于输送带的输送带速度数据;
利用堆煤传感器实时采集基于输送带的煤位高度数据;
利用撕裂传感器实时采集基于输送带的输送带撕裂数据;
利用温度传感器实时采集基于输送带的托辊温度数据;
利用烟雾传感器实时采集基于输送带的输送带自燃数据;
利用激光传感器实时采集基于输送带的煤量检测数据;
利用摄像机实时采集基于机头的视频监控数据;
利用拉力传感器实时采集基于张紧装置的钢丝绳拉力数据;
利用压力传感器实时采集基于张紧装置的液压泵站压力数据。
3.根据权利要求2所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,还执行以下操作:
利用流量传感器实时采集基于减速器的冷却水流量值数据及基于电动机的冷却水流量值数据;
利用温度传感器实时采集基于减速器的冷却水温度值数据、基于减速器的减速器油箱油液温度数据、基于减速器的减速器轴承温度数据、基于电动机的电机绕组温度数据、基于电动机的电机轴承温度数据及基于电动机的冷却水温度值数据;
利用压力传感器实时采集基于减速器的冷却水压力值数据及基于电动机的冷却水压力值数据;
利用振动传感器实时采集基于减速器的减速器振动检测数据;
利用声音传感器实时采集基于减速器的减速器噪声检测数据;
利用电流传感器实时采集基于电动机的电机电流数据。
4.根据权利要求3所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S1中,利用多种传感器实时采集基于大型煤矿井下带式传送设备的多模态特征数据,还执行以下操作:
针对各种传感器的数据检测时间间隔进行实时监控,采集每个传感器获取其采集目标数据的采集时刻;
根据每个传感器获取其采集目标数据的采集时刻获取目标数据的采集时间间隔数据;
将所述采集时间间隔数据与对应传感器的数据采集时间间隔浮动范围值进行比较,获取所述传感器对应的数据采集运行评价指标;其中,所述数据采集运行评价指标通过如下公式获取:
;
其中,F表示数据采集运行评价指标;n表示一个传感器已经历的采集的数据次数;T gi 表示第i次数据采集对应的数据采集时刻;T 0表示传感器对应的额定采集时间间隔浮动范围值;m表示传感器的实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围的次数;T fci 表示第i次实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围时对应的实际数据采集时间间隔浮动值与预设的采集时间间隔浮动范围之间的差值;
当所述数据采集运行评价指标低于预设的指标阈值时,对所述数据采集运行评价指标对应的传感器进行标记;
针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息,并通过调控后的数据采集时间间隔信息确定是否进行传感器运行异常示警。
5.根据权利要求4所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息,并通过调控后的数据采集时间间隔信息确定是否进行传感器运行异常示警,包括:
针对带有标记的传感器进行采集数据时间间隔调控,并实时监控调控后的数据采集时间间隔信息;
利用所述调控后的数据采集时间间隔信息,获取所述带有标记的传感器的调控指标参数,其中,所述调控指标参数通过如下公式获取:
;
其中,F t 表示调控指标参数;k表示传感器调控后经历的数据采集次数;T fcti 表示传感器调控后第i次实际数据采集时间间隔浮动值与预设的采集时间间隔浮动范围之间的差值;T fcmin 表示调整前的实际数据采集时间间隔浮动值超过预设的采集时间间隔浮动范围时对应的实际数据采集时间间隔浮动值与预设的采集时间间隔浮动范围之间的最小差值;
当所述调控指标参数超过预设的调控指标阈值时,针对所述带有标记的传感器向远程中控平台或总控台发送传感器运行示警信息。
6.根据权利要求3所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S1中,对实时采集的多模态特征数据进行处理,执行以下操作:
基于面向数字孪生的大型煤矿井下带式传送设备模型压缩设计需求;
将实时采集的多模态特征数据完全提取出来,且对完全提取出来的多模态特征数据进行检索操作;
根据顺序检索方法,逐一检索多模态特征数据中的每个设备特征数据,过滤掉对大型煤矿井下带式传送设备模型压缩设计需求无价值的设备特征数据,确定出对大型煤矿井下带式传送设备模型压缩设计需求有价值的多个设备特征数据;
基于内部排序方法,对确定出来的对大型煤矿井下带式传送设备模型压缩设计需求有价值的设备特征数据进行排序,使多个设备特征数据按照字符串大小进行排序;
基于算术及逻辑运算,对排序的多个设备特征数据进行计算,确定出基于大型煤矿井下带式传送设备的多模态感知数据。
7.根据权利要求6所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S1中,根据顺序检索方法,逐一检索多模态特征数据中的每个设备特征数据,执行以下操作:
基于顺序检索方法,逐一提取出多模态特征数据中的单个设备特征数据;
对提取出的单个设备特征数据进行识别判断,基于识别结果,确定出相应地决策方案;
针对识别的单个设备特征数据已存在的情况,则将重复的无价值的单个设备特征数据过滤删除掉;
针对识别的单个设备特征数据不存在的情况,则将未重复的有价值的单个设备特征数据保留。
8.根据权利要求7所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S2中,构建面向数字孪生的大型煤矿井下带式传送设备模型,执行以下操作:
利用三维建模软件建立三维模型工作空间,且将多模态感知数据输入到三维建模软件中;
根据输入的多模态感知数据,基于数据挖掘技术,对多模态感知数据进行相关性及关联性分析,确定出基于多模态感知数据的相关度及关联度;
根据多模态感知数据的相关度及关联度,构建大型煤矿井下带式传送设备的结构和行为关系;
基于大型煤矿井下带式传送设备的结构和行为关系,且结合数字孪生场景空间,在三维模型工作空间中完成大型煤矿井下带式传送设备结构和行为关系的映射,构建出面向数字孪生的大型煤矿井下带式传送设备模型。
9.根据权利要求8所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S4中,将面向数字孪生的大型煤矿井下带式传送设备模型压缩为极简对象,执行以下操作:
获取面向数字孪生的大型煤矿井下带式传送设备模型;
将面向数字孪生的大型煤矿井下带式传送设备模型压缩为基于部件对象、传感器和反馈信号接收对象的极简对象;
其中部件对象简化为携带语义标签的质点,其语义标签内包含用于交互的基于部件名称、型号、功能、部件质量参数、运作规律的基础信息;
其中传感器和反馈信号接收对象也简化为携带语义标签的质点,其语义标签内包含传感器或反馈信号接收对象名称、型号、功能、收发数据格式参数。
10.根据权利要求9所述的一种面向数字孪生的煤矿井下设备模型压缩设计方法,其特征在于:所述S4中,反馈信号接收对象所接收信号为远程中控台或总控台所发出的报警处置动作信号或远程调控操作信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702521.0A CN116933409B (zh) | 2023-06-14 | 2023-06-14 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702521.0A CN116933409B (zh) | 2023-06-14 | 2023-06-14 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116933409A CN116933409A (zh) | 2023-10-24 |
CN116933409B true CN116933409B (zh) | 2024-05-07 |
Family
ID=88379646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310702521.0A Active CN116933409B (zh) | 2023-06-14 | 2023-06-14 | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116933409B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
CN112380676A (zh) * | 2020-10-29 | 2021-02-19 | 贵州电网有限责任公司 | 一种多能源系统数字孪生数据流建模及压缩方法 |
WO2021036642A1 (zh) * | 2019-08-31 | 2021-03-04 | 深圳市广宁股份有限公司 | 基于数字孪生模型的电子设备的智能健康预测方法及装置 |
CN114677054A (zh) * | 2022-04-29 | 2022-06-28 | 安徽理工大学 | 一种基于数字孪生的煤矿井下人员及物资调度方法 |
CN114708393A (zh) * | 2022-03-28 | 2022-07-05 | 中国矿业大学 | 全时空采掘过程的矿山应力场孪生建模同化系统及方法 |
CN115454057A (zh) * | 2022-08-24 | 2022-12-09 | 中国矿业大学 | 一种煤矿机器人群数字孪生智能管控建模系统与方法 |
CN115657541A (zh) * | 2022-10-24 | 2023-01-31 | 山东科技大学 | 一种基于数字孪生精细化建模的空压机监管系统及方法 |
CN116050277A (zh) * | 2023-02-03 | 2023-05-02 | 北京天玛智控科技股份有限公司 | 一种煤矿井下场景现实捕捉感知及仿真方法及设备 |
CN116071053A (zh) * | 2023-04-07 | 2023-05-05 | 沃德传动(天津)股份有限公司 | 基于数字孪生的往复式压缩机状态预警系统 |
CN116108673A (zh) * | 2023-02-03 | 2023-05-12 | 北京天玛智控科技股份有限公司 | 一种煤矿井下数字孪生现实仿真方法及设备 |
CN116128094A (zh) * | 2022-11-18 | 2023-05-16 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于数字孪生的工业园区能量管理系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3586252A1 (en) * | 2017-03-27 | 2020-01-01 | Siemens Aktiengesellschaft | System for automated generative design synthesis using data from design tools and knowledge from a digital twin graph |
-
2023
- 2023-06-14 CN CN202310702521.0A patent/CN116933409B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021036642A1 (zh) * | 2019-08-31 | 2021-03-04 | 深圳市广宁股份有限公司 | 基于数字孪生模型的电子设备的智能健康预测方法及装置 |
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
CN112380676A (zh) * | 2020-10-29 | 2021-02-19 | 贵州电网有限责任公司 | 一种多能源系统数字孪生数据流建模及压缩方法 |
CN114708393A (zh) * | 2022-03-28 | 2022-07-05 | 中国矿业大学 | 全时空采掘过程的矿山应力场孪生建模同化系统及方法 |
CN114677054A (zh) * | 2022-04-29 | 2022-06-28 | 安徽理工大学 | 一种基于数字孪生的煤矿井下人员及物资调度方法 |
CN115454057A (zh) * | 2022-08-24 | 2022-12-09 | 中国矿业大学 | 一种煤矿机器人群数字孪生智能管控建模系统与方法 |
CN115657541A (zh) * | 2022-10-24 | 2023-01-31 | 山东科技大学 | 一种基于数字孪生精细化建模的空压机监管系统及方法 |
CN116128094A (zh) * | 2022-11-18 | 2023-05-16 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于数字孪生的工业园区能量管理系统及方法 |
CN116050277A (zh) * | 2023-02-03 | 2023-05-02 | 北京天玛智控科技股份有限公司 | 一种煤矿井下场景现实捕捉感知及仿真方法及设备 |
CN116108673A (zh) * | 2023-02-03 | 2023-05-12 | 北京天玛智控科技股份有限公司 | 一种煤矿井下数字孪生现实仿真方法及设备 |
CN116071053A (zh) * | 2023-04-07 | 2023-05-05 | 沃德传动(天津)股份有限公司 | 基于数字孪生的往复式压缩机状态预警系统 |
Non-Patent Citations (3)
Title |
---|
数字孪生智采工作面技术架构研究;葛世荣;张帆;王世博;王忠宾;;煤炭学报;20200615(06);23-34 * |
数字孪生驱动的复杂产品智能运维服务体系与核心技术;黄彬彬;张映锋;黄博;任杉;史丽春;机械工程学报;20220620;第58卷(第12期);250-260 * |
能源互联网数字孪生及其应用;沈沉;贾孟硕;陈颖;黄少伟;向月;;全球能源互联网;20200125(01);7-19 * |
Also Published As
Publication number | Publication date |
---|---|
CN116933409A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4175296B2 (ja) | 建設機械のデータ処理装置及び建設機械のデータ処理方法 | |
US7464063B2 (en) | Information processor, state judging unit and diagnostic unit, information processing method, state judging method and diagnosing method | |
CN110119551B (zh) | 基于机器学习的盾构机刀具磨损退化关联特征分析方法 | |
CN110967974B (zh) | 基于粗糙集的煤流平衡自适应控制方法 | |
CN116335925B (zh) | 基于数据增强的煤矿井下乳化泵站智能调控系统 | |
CN113762360B (zh) | 一种基于smote+adacost算法的tbm掘进过程中的围岩等级预测方法 | |
CN115129003A (zh) | 一种基于自学习时变数字孪生的自动化产线智能监测系统 | |
CN115628930A (zh) | 一种基于rbf神经网络的掘进机井下截割工况预测方法 | |
CN116933409B (zh) | 一种面向数字孪生的煤矿井下设备模型压缩设计方法 | |
CN114562334A (zh) | 一种矿井巷道通风状态实时可视化监测预警系统与方法 | |
CN116681426B (zh) | 一种工业互联网设备预测性维护系统及方法 | |
CN116976865A (zh) | 基于大数据分析的船舶维修器件调配管理系统 | |
CN116886869A (zh) | 一种基于ai的视频监控系统及视频追溯方法 | |
CN116562599A (zh) | 基于深度学习的高效智能工厂调度系统 | |
CN113685166B (zh) | 一种钻井事故预警方法及系统 | |
CN113158562B (zh) | 基于物理约束与数据挖掘的tbm岩机映射构建方法及系统 | |
CN114373129A (zh) | 基于域自适应和变化检测的河湖四乱遥感监测方法及系统 | |
CN113392576A (zh) | 一种系留气球主缆绳拉力状态评估预警方法 | |
CN110827264A (zh) | 一种混凝土构件表观缺陷的评价系统 | |
Abdi-Oskouei et al. | Role of the operator in dragline energy efficiency | |
CN118132774A (zh) | 一种工程机械设备多源异构数据采集系统及方法 | |
CN118012977B (zh) | 一种基于ai与gis融合的二三维多模态数据处理方法 | |
CN116187831B (zh) | 一种基于大数据的掘进机智能管控系统及方法 | |
CN116992696B (zh) | 一种基于数字孪生的渔具捕捞和破损监测方法及系统 | |
CN117152419B (zh) | 一种矿井架空乘人装置人员违规携带物品的检测方法及系统 |
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 |