CN117131708A - 核工业dcs设备数字孪生抗震机理模型建模方法及应用 - Google Patents
核工业dcs设备数字孪生抗震机理模型建模方法及应用 Download PDFInfo
- Publication number
- CN117131708A CN117131708A CN202311393712.XA CN202311393712A CN117131708A CN 117131708 A CN117131708 A CN 117131708A CN 202311393712 A CN202311393712 A CN 202311393712A CN 117131708 A CN117131708 A CN 117131708A
- Authority
- CN
- China
- Prior art keywords
- digital twin
- nuclear industry
- model
- mechanism model
- dcs
- 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
- 230000007246 mechanism Effects 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000012360 testing method Methods 0.000 claims abstract description 40
- 238000000611 regression analysis Methods 0.000 claims abstract description 10
- 238000013461 design Methods 0.000 claims description 34
- 238000004458 analytical method Methods 0.000 claims description 31
- 230000001133 acceleration Effects 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 abstract description 7
- 238000012942 design verification Methods 0.000 abstract description 2
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001251371 Betula chinensis Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000000133 brain stem Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本发明公开一种核工业DCS设备数字孪生抗震机理模型建模方法及应用,涉及核工业DCS设备数字孪生领域。本发明运用单次试验结果和数值仿真计算进行回归分析,建立一条高精度的数字孪生基线,并且,基于这条数字孪生基线进行数字孪生机理模型的建立,能够在有效提高数值仿真计算精度的前提下,降低60%以上的建模成本。本发明通过采用构建得到的数字孪生机理模型,能够精确实现数字孪生的实时诊断和预测能力,并且,通过采用构建得到的数字孪生机理模型能够为设计人员提供早期设计验证功能,为运维人员提供辅助决策支持。
Description
技术领域
本发明涉及核工业DCS设备数字孪生领域,特别是涉及一种核工业DCS设备数字孪生抗震机理模型建模方法及应用。
背景技术
分布式控制系统(Distributed Control System,DCS),是核电站的“大脑和神经系统”,是核电厂运行过程监控的基本手段;核工业DCS设备的设计、制造、运行、维护等过程均需要考虑复杂的工况、环境,具有高安全性和高可靠性的需求。
2002年Michael Grieves教授提出镜像空间模型(Mirrored Space Model,MSM)(具体内容可参见文献《Grieves M.Origins of the Digital Twin Concept[Z]. FloridaInstitute of Technology, August 2016.》和《Grieves M.Product LifecycleManagement: Driving the Next Generation of Lean Thinking[M]. New York:McGraw-Hill, 2006.》),2010年美国航天局(National Aeronautics and SpaceAdministration,NASA)首次提出数字孪生概念,又称为“基于仿真的系统工程(Simulation-Based System Engineering)”(具体内容可参见文献《Piascik R, et al.Technology Area 12: Materials, Structures, Mechanical Systems, andManufacturing Road Map. 2010,NASA Office of Chief Technologist.》),NASA和美国空军将数字孪生运用于航空器的健康维护和剩余使用寿命预测中(具体内容可参见文献《Negri E, Fumagalli L, Macchi M.A review of the roles of digital twin inCPSbased production systems. [J].Procedia Manuf, 2017, 11(1):939-948》和《Glaessgen E, Stargel D .The Digital Twin Paradigm for Future NASA and U.S.Air Force Vehicles[C]// Aiaa/asme/asce/ahs/asc Structures, StructuralDynamics & Materials Conference Aiaa/asme/ahs Adaptive Structures ConferenceAiaa. 2012.》)。在将数字孪生运用于航空器的健康维护和剩余使用寿命预测的过程中,提出数字孪生需要建立一条高精度的数字孪生基线,综合考虑实际工况,在此基础上建立一套有持续预测能力的仿真系统,目标是取代“传统的基于经验的标准手册”,在强大的计算能力下进行迭代计算、综合考虑变量因素,实现虚拟验证、故障预测、寿命评估等功能。具体到设备层面,实现数字孪生功能的前提分别为:数字孪生基线和数字孪生机理模型。
世界很多学者在NASA提出概念的基础上进行了补充和完善,其中中国的陶飞授团队在大量研究的基础上提出,数字孪生技术是以数字化方式创建物理实体的虚拟模型,借助数据模拟物理实体在现实环境中的行为,通过虚实交互反馈、数据融合分析、决策迭代优化等手段,为物理实体增加或扩展新的能力(具体内容可参见文献《陶飞,刘蔚然,刘检华,等.数字孪生及其应用探索[J].计算机集成制造系统, 2018, 24(01):1-18》)。但对数字孪生的两个核心要素的研究还有待完善。由于多尺度、多物理场研究的复杂性,数字孪生基线的构建方法研究目前还处于起步阶段。
目前,数字孪生机理模型的构建方法有三种主流方式,其中试验的方式,需要大量的样本和时间,成本过高;数值计算方式,由于随着材料和加工工艺的发展部分本构模型有待优化,收敛性有待提高;AI和大数据学习方式,对计算资源要求高且需要长时间大量的样本量进行样本训练。
发明内容
为解决现有技术存在的上述问题,本发明提供了一种核工业DCS设备数字孪生抗震机理模型建模方法及应用。
为实现上述目的,本发明提供了如下方案。
一种核工业DCS设备数字孪生抗震机理模型建模方法,包括:建立核工业DCS设备的几何模型和物理边界条件。
基于所述几何模型和所述物理边界条件进行抗震分析数值计算得到数值计算结果。
对核工业DCS设备进行抗震试验得到抗震试验结果。
对所述抗震试验结果和所述数值计算结果进行对比处理得到对比结果。
基于所述对比结果进行回归分析,建立核工业DCS设备的数字孪生基线。
对核工业DCS设备的各类工况进行包络分析形成包络性工况载荷。
基于所述数字孪生基线和所述包络性工况载荷构建数字孪生机理模型;所述数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。
优选地,建立核工业DCS设备物理实体的几何模型和物理边界条件,具体包括:
建立核工业DCS设备物理实体的初始几何模型。
对所述初始几何模型进行预处理后得到所述几何模型;所述预处理包括:模型处理、单元选择和网格划分。
对核工业DCS设备进行抗震试验,并将与抗震实验相同的工况和载荷分别加载于所述几何模型进行抗震分析数值计算,以得到所述物理边界条件。
优选地,对核工业DCS设备进行的抗震试验与对所述几何模型进行的抗震分析数值计算的方式一致。
优选地,对所述抗震试验结果和所述数值计算结果进行对比处理得到对比结果,具体包括:
对所述抗震试验结果和所述数值计算结果的响应谱曲线进行对比处理得到所述对比结果。
优选地,基于所述数字孪生基线和所述包络性工况载荷构建数字孪生机理模型,具体包括:
建立核工业DCS设备的通用模型;所述通用模型为包含核工业DCS设备的主体承重结构和设定关注设备的降阶模型。
对所述通用模型进行模态分析,比对所述几何模型与所述通用模型的频率范围得到差值,进行边界和载荷的降阶。
按设定裕度拓展所述差值后确定降阶频率范围。
基于所述包络性工况载荷确定加速度工况包络值范围。
在加速度工况包络值范围内采用抽样方法进行随机抽样得到加速度载荷。
基于所述加速度载荷在所述加速度工况包络值范围内分别对所述几何模型和所述通用模型进行训练得到训练好的机理模型。
确定设计参数的变量范围。
采用确定的设计参数的变量范围对所述通用模型在设计范围内进行训练得到训练好的通用机理模型。
优选地,所述加速度工况包络值范围为0.2g至加速度工况包络值。
优选地,所述抽样方法包括蒙特卡洛法和拉丁超立方法。
一种核工业DCS设备数字孪生抗震机理模型建模系统,应用于上述提供的核工业DCS设备数字孪生抗震机理模型建模方法;所述系统包括:
模型和条件构建模块,用于建立核工业DCS设备的几何模型和物理边界条件。
数值计算模块,用于基于所述几何模型和所述物理边界条件进行抗震分析数值计算得到数值计算结果。
抗震试验模块,用于对核工业DCS设备进行抗震试验得到抗震试验结果。
结果对比模块,用于对所述抗震试验结果和所述数值计算结果进行对比处理得到对比结果。
数字孪生基线构建模块,用于基于所述对比结果进行回归分析,建立核工业DCS设备的数字孪生基线。
包络性工况载荷确定模块,用于对核工业DCS设备的各类工况进行包络分析形成包络性工况载荷。
机理模型构建模块,用于基于所述数字孪生基线和所述包络性工况载荷构建数字孪生机理模型;所述数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的核工业DCS设备数字孪生抗震机理模型建模方法和系统,运用单次试验结果和数值仿真计算进行回归分析,建立一条高精度的数字孪生基线,并且,基于这条数字孪生基线进行数字孪生机理模型的建立,能够在有效提高数值仿真计算精度的前提下又大大降低60%以上的建模成本。
本发明还提供了一种核工业DCS设备数字孪生抗震机理模型应用方法,该方法包括:采用本发明上述提供的核工业DCS设备数字孪生抗震机理模型建模方法构建数字孪生机理模型;所述数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。
获取核工业DCS设备的设计参数,并采用训练好的通用机理模型基于所述设计参数识别得到核工业DCS设备的设计风险。
获取核工业DCS设备的工况变量和工况条件,并采用所述训练好的机理模型基于所述工况变量和所述工况条件对所述核工业DCS设备进行实时监测和风险预测。
一种核工业DCS设备数字孪生抗震机理模型应用系统,包括:输入器、存储器、处理器和显示器。
输入器,用于输入数据和进行菜单操作;所述数据包括:核工业DCS设备的设计参数、工况变量或工况条件;进行的菜单操作包括:菜单数据下拉操作和菜单数据拖拉调节操作。
存储器,用于存储计算机程序和上述构建的数字孪生机理模型;所述计算机程序用于实施上述提供的核工业DCS设备数字孪生抗震机理模型应用方法。
处理器,分别与所述存储器和所述输入器连接,用于调取所述计算机程序和所述数字孪生机理模型,并用于基于所述输入数据得到应用结果;所述应用结果包括:核工业DCS设备的设计风险、实时监测数据和风险预测结果。
显示器,与所述处理器连接,用于显示应用结果和所述数据。
本发明上述提供的核工业DCS设备数字孪生抗震机理模型应用方法和系统,通过采用构建得到的数字孪生机理模型,能够精确实现数字孪生的实时诊断和预测能力,并且,通过采用构建得到的数字孪生机理模型能够为设计人员提供早期设计验证功能,为运维人员提供决策支持。
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为本发明提供的核工业DCS设备数字孪生抗震机理模型建模方法的流程图;
图2为本发明提供的核工业DCS设备数字孪生抗震机理模型建模方法的实施架构图;
图3为本发明提供的进行抗震分析数值计算的流程图。
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。
本发明的目的是提供一种低成本、高精度的核工业DCS设备数字孪生抗震机理模型建模方法及应用。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
该实施例提供了核工业DCS设备数字孪生抗震机理模型建模方法,如图1所示,该方法包括:
S1:建立核工业DCS设备的几何模型和物理边界条件。该步骤的具体实施过程可以为:
S11:建立核工业DCS设备的初始几何模型。建立的这一初始几何模型与实际核工业DCS设备样机的物理实体完全一致。
S12:对初始几何模型进行预处理后得到几何模型。预处理包括:模型处理、单元选择和网格划分。
S13:对核工业DCS设备进行抗震试验,并将与抗震实验相同的工况和载荷分别加载于所述几何模型进行抗震分析数值计算,以得到所述物理边界条件。
S2:基于几何模型和物理边界条件进行抗震分析数值计算得到数值计算结果。该过程的基本分析流程如图3所示,先对3D设计模型进行模型处理后,接着对处理后的模型进行网格划分和单元选择后,进行静力分析。然后结合反应谱进行模态分析得到频域响应,进行时程分析得到时域响应。判断频域响应和时域响应是否自洽,若是,则得到数值分析结果(即数值计算结果),若否,则返回模型处理和静力分析步骤。
S3:对核工业DCS设备进行抗震试验得到抗震试验结果。在本发明中,对核工业DCS设备进行的抗震试验需要与对几何模型进行的抗震分析工况和载荷一致。
S4:对抗震试验结果和数值计算结果进行对比处理得到对比结果。该步骤主要是将核工业DCS设备的抗震试验和数值计算结果的响应谱曲线进行比对,以确认数值仿真计算过程的可靠性。
S5:基于对比结果进行回归分析,建立核工业DCS设备的数字孪生基线。该步骤中,进行回归分析主要是为了校验各类参数设置。
S51:抗震试验结果和抗震数值计算结果的响应谱曲线进行比对。
S52: 在S51基础上进行回归分析,校核各类参数设置,建立设备的数字孪生基线。
S6:对核工业DCS设备的各类工况进行包络分析形成包络性工况载荷。
S7:基于数字孪生基线和包络性工况载荷构建数字孪生机理模型。数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。该步骤主要是基于核工业DCS设备数字孪生基线,综合考虑包络性工况载荷数据,通过模型训练,建立数字孪生机理模型,具体实施过程可以为:
S71:建立核工业DCS设备的通用模型。通用模型为包含核工业DCS设备具有普遍代表性的主体承重结构和重点关注设备(即设定关注设备)的降阶模型。
进一步,在这一通用模型的建立过程中还可以加入对设计参数建模接口。
S72:对通用模型进行模态分析,比对几何模型与通用模型的频率范围得到差值。
S73:按设定裕度拓展差值后确定降阶频率范围。
步骤S72和步骤S73主要是为了确定频率范围,其中,可以对核工业DCS设备样机降阶模型进行模态分析,比对详细模型(即几何模型)和降阶模型的频率范围,拓展二者差值50%裕度后确定降阶频率范围。
S74:基于包络性工况载荷确定加速度工况包络值范围。例如,加速度工况包络值范围为0.2g至加速度工况包络值。
在实际应用过程中,该步骤在确定加速度工况包络值范围过程中,首先,建立包络谱,需考虑包络的所有工程工况,提取包络谱的峰值加速度。其次,提取详细模型固有频率对应的加速度值。最后,提取降阶频率范围的峰值加速度。加速度工况包络值需要根据实际情况考虑以上三种形式或包络形式。
S75:在加速度工况包络值范围内采用蒙特卡洛法或拉丁超立方法等抽样方法进行随机抽样,以选取加速度载荷。
S76:基于加速度载荷在加速度工况包络值范围内分别对几何模型和通用模型进行机理模型训练,得到训练好的机理模型。
S77:确定设计参数的变量范围。
S78:采用确定的设计参数的变量范围对通用模型在设计范围内进行训练得到训练好的通用机理模型。
实施例二
该实施例提供了一种核工业DCS设备数字孪生抗震机理模型建模系统,以应用于上述实施例一提供的核工业DCS设备数字孪生抗震机理模型建模方法。该系统包括:模型和条件构建模块、数值计算模块、抗震试验模块、结果对比模块、数字孪生基线构建模块、包络性工况载荷确定模块和机理模型构建模块。
模型和条件构建模块,用于建立核工业DCS设备的几何模型和物理边界条件。
数值计算模块,用于基于几何模型和物理边界条件进行抗震分析数值计算得到数值计算结果。
抗震试验模块,用于对核工业DCS设备进行抗震试验得到抗震试验结果。
结果对比模块,用于对抗震试验结果和抗震分析数值计算结果进行对比处理得到对比结果。
数字孪生基线构建模块,用于基于对比结果进行回归分析,建立核工业DCS设备的数字孪生基线。
包络性工况载荷确定模块,用于对核工业DCS设备的各类工况进行包络分析形成包络性工况载荷。
机理模型构建模块,用于基于数字孪生基线和包络性工况载荷构建数字孪生机理模型。数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。
实施例三
该实施例提供了一种核工业DCS设备数字孪生抗震机理模型应用方法,该方法包括以下步骤。
步骤1、采用本发明上述实施例一或实施例二提供的方法或系统构建数字孪生机理模型。数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。
步骤2、获取核工业DCS设备的设计参数,并采用训练好的通用机理模型基于设计参数识别得到核工业DCS设备的设计风险。
步骤3、获取核工业DCS设备的工况变量和工况条件,并采用训练好的机理模型基于工况变量和工况条件对核工业DCS设备进行实时监测和风险预测。
其中,步骤2主要是将机理模型应用于核工业DCS设备的设计阶段的验证,具体的:通用机理模型可用于早期设计阶段,通过对设计参数菜单中不同选项的下拉选择,识别设计风险,进行早期优化设计,通过对工况参数菜单中不同选项的拖拉调节或直接输入,识别设计风险,以作为对主体承重结构的初步验证。
步骤3主要是将机理模型应用于核工业DCS设备服役运维阶段,以实现核工业DCS设备的实时监测和风险预测,具体的:
通过拖动工况变量,实时展示不同工况载荷条件下设备的状态。通过自动识别工况条件,实时展示不同工况载荷条件下设备的状态,并预测风险位置。
实施例四
该实施例提供了一种核工业DCS设备数字孪生抗震机理模型应用系统。该系统包括:输入器、存储器、处理器和显示器。
输入器,用于输入数据和进行菜单操作。数据包括:核工业DCS设备的设计参数、工况变量或工况条件。进行的菜单操作包括:菜单数据下拉操作和菜单数据拖拉调节操作。
存储器,用于存储计算机程序和上述构建的数字孪生机理模型。计算机程序用于实施上述提供的核工业DCS设备数字孪生抗震机理模型应用方法。
处理器,分别与存储器和输入器连接,用于调取计算机程序和数字孪生机理模型,并用于基于输入数据得到应用结果。应用结果包括:核工业DCS设备的设计风险、实时监测数据和风险预测结果。
显示器,与处理器连接,用于显示应用结果和数据。
基于上述描述,核工业DCS设备数字孪生抗震机理模型建模及应用过程如图2所示。封装后的数字孪生机理模型可应部署于核工业CDS健康管理系统(及核工业DCS设备数字孪生抗震机理模型应用系统)。
此外,上述实施例一和实施例三中提供的方法通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种核工业DCS设备数字孪生抗震机理模型建模方法,其特征在于,包括:
建立核工业DCS设备的几何模型和物理边界条件;
基于所述几何模型和所述物理边界条件进行抗震分析数值计算得到数值计算结果;
对核工业DCS设备进行抗震试验得到抗震试验结果;
对所述抗震试验结果和所述数值计算结果进行对比处理得到对比结果;
基于所述对比结果进行回归分析,建立核工业DCS设备的数字孪生基线;
对核工业DCS设备的各类工况进行包络分析形成包络性工况载荷;
基于所述数字孪生基线和所述包络性工况载荷构建数字孪生机理模型;所述数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。
2.根据权利要求1所述的核工业DCS设备数字孪生抗震机理模型建模方法,其特征在于,建立核工业DCS设备的几何模型和物理边界条件,具体包括:
建立核工业DCS设备的初始几何模型;
对所述初始几何模型进行预处理后得到所述几何模型;所述预处理包括:模型处理、单元选择和网格划分;
对核工业DCS设备进行抗震试验,并将与抗震实验相同的工况和载荷分别加载于所述几何模型进行抗震分析数值计算,以得到所述物理边界条件。
3.根据权利要求2所述的核工业DCS设备数字孪生抗震机理模型建模方法,其特征在于,对核工业DCS设备进行的抗震试验与对所述几何模型进行的抗震分析数值计算的方式一致。
4.根据权利要求1所述的核工业DCS设备数字孪生抗震机理模型建模方法,其特征在于,对所述抗震试验结果和所述数值计算结果进行对比处理得到对比结果,具体包括:
对所述抗震试验结果和所述数值计算结果的响应谱曲线进行对比处理得到所述对比结果。
5.根据权利要求1所述的核工业DCS设备数字孪生抗震机理模型建模方法,其特征在于,基于所述数字孪生基线和所述包络性工况载荷构建数字孪生机理模型,具体包括:
建立核工业DCS设备的通用模型;所述通用模型为包含核工业DCS设备的主体承重结构和设定关注设备的降阶模型;
对所述通用模型进行模态分析,比对所述几何模型与所述通用模型的频率范围得到差值,进行边界和载荷的降阶;
按设定裕度拓展所述差值后确定降阶频率范围;
基于所述包络性工况载荷确定加速度工况包络值范围;
在加速度工况包络值范围内采用抽样方法进行随机抽样得到加速度载荷;
基于所述加速度载荷在所述加速度工况包络值范围内分别对所述几何模型和所述通用模型进行训练得到训练好的机理模型;
确定设计参数的变量范围;
采用确定的设计参数的变量范围对所述通用模型在设计范围内进行训练得到训练好的通用机理模型。
6.根据权利要求5所述的核工业DCS设备数字孪生抗震机理模型建模方法,其特征在于,所述加速度工况包络值范围为0.2g至加速度工况包络值。
7.根据权利要求5所述的核工业DCS设备数字孪生抗震机理模型建模方法,其特征在于,所述抽样方法包括蒙特卡洛法和拉丁超立方法。
8.一种核工业DCS设备数字孪生抗震机理模型建模系统,其特征在于,应用于如权利要求1-7任意一项所述的核工业DCS设备数字孪生抗震机理模型建模方法;所述系统包括:
模型和条件构建模块,用于建立核工业DCS设备的几何模型和物理边界条件;
数值计算模块,用于基于所述几何模型和所述物理边界条件进行抗震分析数值计算得到数值计算结果;
抗震试验模块,用于对核工业DCS设备进行抗震试验得到抗震试验结果;
结果对比模块,用于对所述抗震试验结果和所述数值计算结果进行对比处理得到对比结果;
数字孪生基线构建模块,用于基于所述对比结果进行回归分析,建立核工业DCS设备的数字孪生基线;
包络性工况载荷确定模块,用于对核工业DCS设备的各类工况进行包络分析形成包络性工况载荷;
机理模型构建模块,用于基于所述数字孪生基线和所述包络性工况载荷构建数字孪生机理模型;所述数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型。
9.一种核工业DCS设备数字孪生抗震机理模型应用方法,其特征在于,包括:
采用如权利要求1-7任意一项所述的核工业DCS设备数字孪生抗震机理模型建模方法构建数字孪生机理模型;所述数字孪生机理模型包括训练好的机理模型和训练好的通用机理模型;
获取核工业DCS设备的设计参数,并采用训练好的通用机理模型基于所述设计参数识别得到核工业DCS设备的设计风险;
获取核工业DCS设备的工况变量和工况条件,并采用所述训练好的机理模型基于所述工况变量和所述工况条件对所述核工业DCS设备进行实时监测和风险预测。
10.一种核工业DCS设备数字孪生抗震机理模型应用系统,其特征在于,包括:
输入器,用于输入数据和进行菜单操作;所述数据包括:核工业DCS设备的设计参数、工况变量或工况条件;进行的菜单操作包括:菜单数据下拉操作和菜单数据拖拉调节操作;
存储器,用于存储计算机程序和如权利要求1-7任意一项所述方法构建的数字孪生机理模型;所述计算机程序用于实施如权利要求9所述的核工业DCS设备数字孪生抗震机理模型应用方法;
处理器,分别与所述存储器和所述输入器连接,用于调取所述计算机程序和所述数字孪生机理模型,并用于基于所述输入数据得到应用结果;所述应用结果包括:核工业DCS设备的设计风险、实时监测数据和风险预测结果;
显示器,与所述处理器连接,用于显示应用结果和所述数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311393712.XA CN117131708B (zh) | 2023-10-26 | 2023-10-26 | 核工业dcs设备数字孪生抗震机理模型建模方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311393712.XA CN117131708B (zh) | 2023-10-26 | 2023-10-26 | 核工业dcs设备数字孪生抗震机理模型建模方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117131708A true CN117131708A (zh) | 2023-11-28 |
CN117131708B CN117131708B (zh) | 2024-01-16 |
Family
ID=88854912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311393712.XA Active CN117131708B (zh) | 2023-10-26 | 2023-10-26 | 核工业dcs设备数字孪生抗震机理模型建模方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117131708B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070124335A1 (en) * | 2005-11-29 | 2007-05-31 | Park Gwang Woo | Method for quantifying plant resources using gis |
US20160201395A1 (en) * | 2013-10-03 | 2016-07-14 | Landmark Graphics Corporation | Automated range-based sensitivity analysis for hydrocarbon reservoir modeling |
CN106257367A (zh) * | 2015-06-18 | 2016-12-28 | 中核控制系统工程有限公司 | 一种基于仿真系统的核电dcs平台测试装置及测试方法 |
CN111488631A (zh) * | 2020-06-28 | 2020-08-04 | 中国核动力研究设计院 | 一种核级安全显示装置及其组态-解析系统 |
CN111523248A (zh) * | 2020-05-12 | 2020-08-11 | 国电新能源技术研究院有限公司 | 燃煤电站动态机理模型建模方法 |
CN112363869A (zh) * | 2020-11-19 | 2021-02-12 | 中国核动力研究设计院 | 基于三状态变量有限状态机的核dcs回溯方法及系统 |
CN113222283A (zh) * | 2021-05-31 | 2021-08-06 | 中国水利水电科学研究院 | 一种基于数字孪生的山洪预报预警方法及系统 |
CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
CN114781241A (zh) * | 2022-03-08 | 2022-07-22 | 中国核电工程有限公司 | 一种基于数字孪生技术的安全壳系统及设计方法 |
US20220237781A1 (en) * | 2021-01-28 | 2022-07-28 | Niramai Health Analytix Pvt. Ltd. | System and method to generate discretized interpretable features in machine learning model |
CN115048743A (zh) * | 2022-06-29 | 2022-09-13 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的液冷冷板模型构建方法 |
CN115202307A (zh) * | 2022-07-26 | 2022-10-18 | 哈尔滨工程大学 | 一种基于数字孪生的蒸汽发生器状态监测与预测系统及方法 |
CN115455727A (zh) * | 2022-09-29 | 2022-12-09 | 太原理工大学 | 数字孪生驱动的综采装备与煤层耦合系统优化决策方法 |
CN115470730A (zh) * | 2022-09-28 | 2022-12-13 | 中石化宁波工程有限公司 | 一种储液罐水动力性能数字孪生评估系统及其方法 |
US20230115586A1 (en) * | 2021-01-07 | 2023-04-13 | Dalian University Of Technology | Construction method of digital twin for structure performance of intelligent excavator |
CN116227322A (zh) * | 2022-12-06 | 2023-06-06 | 中核武汉核电运行技术股份有限公司 | 一种核电厂数字孪生系统模型在线自适应方法 |
CN116305522A (zh) * | 2023-01-09 | 2023-06-23 | 北京航空航天大学 | 一种基于数字孪生的飞机结构可靠性仿真试验模型标定方法、设备、介质 |
CN116415394A (zh) * | 2021-12-31 | 2023-07-11 | 核动力运行研究所 | 一种融合机器学习和机理模型的二回路设备模型仿真方法 |
CN116779202A (zh) * | 2023-05-22 | 2023-09-19 | 哈尔滨工程大学 | 基于数字孪生的核电厂转动设备智能故障诊断方法及系统 |
CN116796808A (zh) * | 2022-03-11 | 2023-09-22 | 中国石油化工股份有限公司 | 罐区数字孪生模型的构建方法及对应的数字孪生模型 |
-
2023
- 2023-10-26 CN CN202311393712.XA patent/CN117131708B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070124335A1 (en) * | 2005-11-29 | 2007-05-31 | Park Gwang Woo | Method for quantifying plant resources using gis |
US20160201395A1 (en) * | 2013-10-03 | 2016-07-14 | Landmark Graphics Corporation | Automated range-based sensitivity analysis for hydrocarbon reservoir modeling |
CN106257367A (zh) * | 2015-06-18 | 2016-12-28 | 中核控制系统工程有限公司 | 一种基于仿真系统的核电dcs平台测试装置及测试方法 |
CN111523248A (zh) * | 2020-05-12 | 2020-08-11 | 国电新能源技术研究院有限公司 | 燃煤电站动态机理模型建模方法 |
CN111488631A (zh) * | 2020-06-28 | 2020-08-04 | 中国核动力研究设计院 | 一种核级安全显示装置及其组态-解析系统 |
CN112363869A (zh) * | 2020-11-19 | 2021-02-12 | 中国核动力研究设计院 | 基于三状态变量有限状态机的核dcs回溯方法及系统 |
US20230115586A1 (en) * | 2021-01-07 | 2023-04-13 | Dalian University Of Technology | Construction method of digital twin for structure performance of intelligent excavator |
US20220237781A1 (en) * | 2021-01-28 | 2022-07-28 | Niramai Health Analytix Pvt. Ltd. | System and method to generate discretized interpretable features in machine learning model |
CN113222283A (zh) * | 2021-05-31 | 2021-08-06 | 中国水利水电科学研究院 | 一种基于数字孪生的山洪预报预警方法及系统 |
CN116415394A (zh) * | 2021-12-31 | 2023-07-11 | 核动力运行研究所 | 一种融合机器学习和机理模型的二回路设备模型仿真方法 |
CN114781241A (zh) * | 2022-03-08 | 2022-07-22 | 中国核电工程有限公司 | 一种基于数字孪生技术的安全壳系统及设计方法 |
CN116796808A (zh) * | 2022-03-11 | 2023-09-22 | 中国石油化工股份有限公司 | 罐区数字孪生模型的构建方法及对应的数字孪生模型 |
CN114707227A (zh) * | 2022-04-28 | 2022-07-05 | 水利部南京水利水文自动化研究所 | 一种基于数字孪生的大坝安全预警消警方法及系统 |
CN115048743A (zh) * | 2022-06-29 | 2022-09-13 | 中国电子科技集团公司第十四研究所 | 一种基于数字孪生的液冷冷板模型构建方法 |
CN115202307A (zh) * | 2022-07-26 | 2022-10-18 | 哈尔滨工程大学 | 一种基于数字孪生的蒸汽发生器状态监测与预测系统及方法 |
CN115470730A (zh) * | 2022-09-28 | 2022-12-13 | 中石化宁波工程有限公司 | 一种储液罐水动力性能数字孪生评估系统及其方法 |
CN115455727A (zh) * | 2022-09-29 | 2022-12-09 | 太原理工大学 | 数字孪生驱动的综采装备与煤层耦合系统优化决策方法 |
CN116227322A (zh) * | 2022-12-06 | 2023-06-06 | 中核武汉核电运行技术股份有限公司 | 一种核电厂数字孪生系统模型在线自适应方法 |
CN116305522A (zh) * | 2023-01-09 | 2023-06-23 | 北京航空航天大学 | 一种基于数字孪生的飞机结构可靠性仿真试验模型标定方法、设备、介质 |
CN116779202A (zh) * | 2023-05-22 | 2023-09-19 | 哈尔滨工程大学 | 基于数字孪生的核电厂转动设备智能故障诊断方法及系统 |
Non-Patent Citations (2)
Title |
---|
范凯等: "数字样机在核工业设备全生命周期的应用研究" * |
黄海松等: "数字孪生技术在智能制造中的发展与应用研究综述", 贵州大学学报(自然科学版) * |
Also Published As
Publication number | Publication date |
---|---|
CN117131708B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106227977B (zh) | 一种基于bim的钢结构网架液压提升时变有限元分析的方法 | |
EP2915040B1 (en) | A system and method that automatically ensures consistency among a design model, an interface specification and one or more tests that test the design model | |
Theofanous | On the proper formulation of safety goals and assessment of safety margins for rare and high-consequence hazards | |
Liu et al. | Digital Twin‐based Safety Evaluation of Prestressed Steel Structure | |
Mylonakis et al. | CORE SIM+: A flexible diffusion-based solver for neutron noise simulations | |
Sezen et al. | A computational risk assessment approach to the integration of seismic and flooding hazards with internal hazards | |
CN115456331A (zh) | 多维多测点模型在线监控算法在监测分析系统平台的应用 | |
CN117131708B (zh) | 核工业dcs设备数字孪生抗震机理模型建模方法及应用 | |
CN113408147B (zh) | 反应堆燃料性能分析计算方法、系统、存储介质及设备 | |
KR20140021389A (ko) | 모델 제작 및 실행 분리형 시뮬레이션 장치 및 그 방법 | |
CN112818562A (zh) | 铁路通信及信息系统的设计方法 | |
Rezvani et al. | Numerical seismic fragility analysis for suspended ceilings with various geometries | |
CN113435677A (zh) | 一种电网运行风险主动分析系统及方法 | |
CN115879378A (zh) | 一种电芯的膨胀力预测模型的训练方法及装置 | |
Zhao et al. | Research and application innovation of digital twin technologies for key equipment of nuclear power plants | |
CN109558948A (zh) | 一种基于大数据的设备故障诊断方法及系统 | |
Mu et al. | A study on the application of virtual reality technology in the field of nuclear power | |
Shi et al. | An integrated model for the fire safety analysis of large space buildings | |
CN110322772A (zh) | 一种基于bim的实验室桥梁监测演示教学系统 | |
Bolisetti et al. | Advancing seismic probabilistic risk assessment to include nonlinear soil-structure interaction | |
Zhou et al. | Virtual maintenance concepts and methods | |
Previtali | Experimental and numerical characterization of Double-Twisted hexagonal meshes for rockfall protection | |
CN112115540A (zh) | 一种融合实测数据的海工支撑结构疲劳分析方法及系统 | |
CN117875104A (zh) | 一种重力坝抗滑稳定静动力可靠度快速求解方法及系统 | |
Yanjie | Design of Digital Twin System for Harbor Cranes Based on Unity 3D |
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 |