CN109800531B - 一种机电装备数字孪生模型一致性保持方法 - Google Patents
一种机电装备数字孪生模型一致性保持方法 Download PDFInfo
- Publication number
- CN109800531B CN109800531B CN201910099067.8A CN201910099067A CN109800531B CN 109800531 B CN109800531 B CN 109800531B CN 201910099067 A CN201910099067 A CN 201910099067A CN 109800531 B CN109800531 B CN 109800531B
- Authority
- CN
- China
- Prior art keywords
- data
- digital twin
- model
- electromechanical equipment
- twin model
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种机电装备数字孪生模型一致性保持方法,运用于数字空间对物理空间的数字孪生模型一致性,所述物理空间与数字空间之间通过数字孪生映射模块,将物理空间内数据感知装置采集到的机电设备数据映射到数字空间,再通过数字空间内的数据处理模块、性能衰减更新模块、自更新数字孪生模型整体构建模块得到更新后的数字孪生模型。该机电装备数字孪生模型一致性保持方法通过对性能衰减零部件的模态分析,并通过模态中性文件解析函数静态链接库文件,将性能衰减零部件与其它关联零部件***结合,构建完整性能衰减更新机电装备数字孪生模型,在使用周期保持与物理机电装备的一致性,为整个使用周期的数据贯通提供支持。
Description
技术领域
本发明涉及一种机电装备数字孪生模型一致性保持方法,属于机电装备智能化与数字化技术领域。
背景技术
最近几年,随着CPS(Cyber-Physical Systems)技术的发展,数字孪生(DigitalTwin)技术逐渐成为学术界研究的热点。通过构建物理空间设备在数字空间的孪生体,物理空间和数字空间虚实共生,实现了数字世界对物理世界的全面、真实、客观、实时的映射。
随着技术不断发展,机电装备也开始向数字化、自动化、智能化和柔性化发展,其发展是衡量一个国家科技水平综合国力的重要标志。机电装备数字孪生模型的主要作用是对装备的几何、电气和物理特性进行描述,是机电装备复杂、时变、耦合数据的载体。其贯穿机电装备运行周期的整个阶段,以保证模型在整个使用周期数据的一致性,进而为整个使用周期的数据贯通提供支持。然而随着时间的变化,机电装备性能逐渐衰减变化,由于机电装备性能衰减的影响,一成不变的机电装备数字孪生模型不能反映物理机电装备的性能,如果没有数字孪生模型对物理装备的准确模型化描述,所谓的机电装备***就是无源之水,无法落实。
因此,亟需一种模型一致性保持方法,通过将机电装备性能衰减更新到装备描述模型,实现机电装备数字孪生模型的性能自更新,进而保持描述模型与物理实体的一致性,为机电装备运营维护、故障诊断提供有力的模型支持。
发明内容
针对现有技术的不足,本发明提供一种机电装备数字孪生模型一致性保持方法。
本发明的技术方案如下:
一种机电装备数字孪生模型一致性保持方法,运用于数字空间对物理空间的数字孪生模型一致性,所述物理空间与数字空间之间通过数字孪生映射模块,将物理空间内数据感知装置采集到的机电设备数据映射到数字空间,再通过数字空间内的数据处理模块、性能衰减更新模块、自更新数字孪生模型整体构建模块得到更新后的数字孪生模型。
优选的,所述数据感知装置包括传感器、控制器、电子标签。
优选的,所述数据处理模块包括数据维护以及数据分析,其中数据维护包含映射数据库、数据清洗以及数据存储,数据分析将仿真数据与映射数据的累计数据响应分析与比较,映射数据库以及仿真数据库由分布式存储***HBase存储;
先利用开源机器学习库Scikit-learn对映射到数字空间的感知数据进行数据清洗,并将清洗后的映射数据由分布式存储***HBase存储,再通过累计数据响应分析判别映射数据与仿真数据是否有性能差异。
优选的,利用开源机器学***滑噪声数据、处理缺失值、异常值、删除原始数据集中的无关数据和重复数据。
优选的,所述性能衰减更新模块包括综合性能衰减模型和性能衰减更新策略;
所述综合性能衰减模型包含Archard粘着磨损理论、非线性疲劳累计损伤模型和裂纹扩展理论,结合清洗的映射数据进行性能衰减计算仿真;
所述性能衰减更新策略由参数化尺寸建模、空洞增长模型以及连续损伤理论组成,通过引入内部状态变量来量化物质点处的局部退化,利用空洞增长模型完成对状态变量演化方程的定制,并将性能衰减计算仿真更新到关键零部件数字孪生模型中。
优选的,所述自更新数字孪生模型整体构建模块包括模态中性文件解析静态链接库以及已构建的机电装备数字孪生模型;
先将更新的关键零部件CAD模型进行有限元模态分析,获取模态中性文件,再通过模态中性文件解析静态链接库将关键零部件模态信息推送到支持Modelica语言软件平台,并与已构建的机电装备数字孪生模型结合,获得自更新的整体机电装备数字孪生模型,保持机电装备模型一致性。
本发明的有益效果在于:
1)该机电装备数字孪生模型一致性保持方法通过开源机器学习库Scikit-learn进行映射数据清洗,可保证数据的适用性。
2)该机电装备数字孪生模型一致性保持方法通过APDL参数化建模、映射数据作为边界条件的有限元分析以及结合综合性能衰减模型的更新策略,可解决机电装备***结构有限元模型与综合性能衰减模型的耦合问题,并可完成机电装备零部件的性能衰减更新。
3)该机电装备数字孪生模型一致性保持方法通过对性能衰减零部件的模态分析,并通过模态中性文件解析函数静态链接库文件,将性能衰减零部件与其它关联零部件***结合,构建完整性能衰减更新机电装备数字孪生模型,在使用周期保持与物理机电装备的一致性,为整个使用周期的数据贯通提供支持,也为机电装备的运行维护、故障预测与诊断、寿命预测等提供更加准确的模型支持。
附图说明
图1为本发明一种机电装备数字孪生模型一致性保持方法功能示意图;
图2为本发明一种机电装备数字孪生模型一致性保持实施方法示意图;
图3为本发明一种机电装备零部件磨损更新技术路线示意图;
具体实施方式
下面通过实施例并结合附图对本发明做进一步说明,但不限于此。
实施例1:
如图1所示,本实施例提供一种机电装备数字孪生模型一致性保持方法,运用于数字空间对物理空间的数字孪生模型一致性,所述物理空间与数字空间之间通过数字孪生映射模块,将物理空间内数据感知装置采集到的机电设备数据映射到数字空间(一种数控机床数字孪生建模方法,申请号201711434013X中有详细介绍),再通过数字空间内的数据处理模块、性能衰减更新模块、自更新数字孪生模型整体构建模块得到更新后的数字孪生模型。
数据感知装置包括传感器、控制器、电子标签等。用于采集物理空间硬件设备的相关数据信息,然后通过映射模块将相关数据信息映射到数字空间。
数据处理模块包括数据维护以及数据分析,其中数据维护包含映射数据库、数据清洗以及数据存储,数据分析将仿真数据与映射数据的累计数据响应分析与比较,映射数据库以及仿真数据库由分布式存储***HBase存储;先利用开源机器学习库Scikit-learn对映射到数字空间的感知数据进行数据清洗,并将清洗后的映射数据由分布式存储***HBase存储,再通过累计数据响应分析判别映射数据与仿真数据是否有性能差异。
利用开源机器学***滑噪声数据、处理缺失值、异常值、删除原始数据集中的无关数据和重复数据。
性能衰减更新模块包括综合性能衰减模型和性能衰减更新策略;所述综合性能衰减模型包含Archard粘着磨损理论、非线性疲劳累计损伤模型和裂纹扩展理论等,结合清洗的映射数据进行性能衰减计算仿真;所述性能衰减更新策略由参数化尺寸建模、空洞增长模型以及连续损伤理论等组成,通过引入内部状态变量来量化物质点处的局部退化,利用空洞增长模型完成对状态变量演化方程的定制,并将性能衰减计算仿真更新到关键零部件数字孪生模型中。
自更新数字孪生模型整体构建模块包括模态中性文件解析静态链接库以及已构建的机电装备数字孪生模型;先将更新的关键零部件CAD模型进行有限元模态分析,获取模态中性文件,再通过模态中性文件解析静态链接库将关键零部件模态信息推送到支持Modelica语言软件平台(例如苏州同元MWorks等),并与已构建的机电装备数字孪生模型结合,获得自更新的整体机电装备数字孪生模型,保持机电装备模型一致性。
实施例2:
如图2和图3所示,利用实施例1提供的技术方案,以一种机电装备滑动导轨磨损更新为例说明模型自更新实施过程:
首先利用Ansys参数化设计语言APDL建立导轨参数化CAD模型,将映射数据作为边界条件对模型进行有限元磨损分析,提取众多节点的接触面法向应力,利用Archard磨损理论计算节点磨损量,通过*VREAD命令将节点磨损量读取到仿真环境,并对参数化滑动导轨模型进行节点更新,完成一次磨损更新,将自更新后的滑动导轨进行模态分析,获取MNF(模态中性文件),编写模态中性文件解析静态链接库,将滑动导轨模态信息通过静态链接库导入到支持Modelica语言软件环境(如MWorks,OpenModelica等),完成一种机电装备滑动导轨数字孪生模型自更新。
本实施例技术方案,不仅限于机电装备的滑动导轨磨损性能衰减自更新,也适用于机电装备其它零部件的数字孪生模型的自更新操作,也可适用于裂纹扩展、材料衰变等类型的性能衰减的自更新操作。
Claims (3)
1.一种机电装备数字孪生模型一致性保持方法,运用于数字空间对物理空间的数字孪生模型一致性,其特征在于,所述物理空间与数字空间之间通过数字孪生映射模块,将物理空间内数据感知装置采集到的机电设备数据映射到数字空间,再通过数字空间内的数据处理模块、性能衰减更新模块、自更新数字孪生模型整体构建模块得到更新后的数字孪生模型;
所述数据处理模块包括数据维护以及数据分析,其中数据维护包含映射数据库、数据清洗以及数据存储,数据分析将仿真数据与映射数据的累计数据响应分析与比较,映射数据库以及仿真数据库由分布式存储***HBase存储;
先利用开源机器学习库Scikit-learn对映射到数字空间的感知数据进行数据清洗,并将清洗后的映射数据由分布式存储***HBase存储,再通过累计数据响应分析判别映射数据与仿真数据是否有性能差异;
所述性能衰减更新模块包括综合性能衰减模型和性能衰减更新策略;
所述综合性能衰减模型包含Archard粘着磨损理论、非线性疲劳累计损伤模型和裂纹扩展理论,结合清洗的映射数据进行性能衰减计算仿真;
所述性能衰减更新策略由参数化尺寸建模、空洞增长模型以及连续损伤理论组成,通过引入内部状态变量来量化物质点处的局部退化,利用空洞增长模型完成对状态变量演化方程的定制,并将性能衰减计算仿真更新到关键零部件数字孪生模型中;
所述自更新数字孪生模型整体构建模块包括模态中性文件解析静态链接库以及已构建的机电装备数字孪生模型;
先将更新的关键零部件CAD模型进行有限元模态分析,获取模态中性文件,再通过模态中性文件解析静态链接库将关键零部件模态信息推送到支持Modelica语言软件平台,并与已构建的机电装备数字孪生模型结合,获得自更新的整体机电装备数字孪生模型,保持机电装备模型一致性。
2.如权利要求1所述的机电装备数字孪生模型一致性保持方法,其特征在于,所述数据感知装置包括传感器、控制器、电子标签。
3.如权利要求1所述的机电装备数字孪生模型一致性保持方法,其特征在于,利用开源机器学***滑噪声数据、处理缺失值、异常值、删除原始数据集中的无关数据和重复数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910099067.8A CN109800531B (zh) | 2019-01-31 | 2019-01-31 | 一种机电装备数字孪生模型一致性保持方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910099067.8A CN109800531B (zh) | 2019-01-31 | 2019-01-31 | 一种机电装备数字孪生模型一致性保持方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109800531A CN109800531A (zh) | 2019-05-24 |
CN109800531B true CN109800531B (zh) | 2023-01-06 |
Family
ID=66560759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910099067.8A Active CN109800531B (zh) | 2019-01-31 | 2019-01-31 | 一种机电装备数字孪生模型一致性保持方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109800531B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276147B (zh) * | 2019-06-24 | 2020-02-11 | 广东工业大学 | 一种基于数字孪生模型的制造***故障溯源方法、*** |
CN110471383B (zh) * | 2019-08-15 | 2021-04-27 | 深圳华龙讯达信息技术股份有限公司 | 设备管理方法、装置、***以及电子设备 |
CN110569617A (zh) * | 2019-09-12 | 2019-12-13 | 广东鑫光智能***有限公司 | 设备组件化模型框架 |
CN110737935B (zh) * | 2019-09-18 | 2022-07-22 | 同济大学 | 一种基于数字孪生的室内热环境建模方法 |
CN111026063B (zh) * | 2019-12-25 | 2023-10-03 | 南方科技大学 | 数字孪生体构建方法、装置、计算机设备及存储介质 |
CN111368417B (zh) * | 2020-03-02 | 2023-08-04 | 大连理工大学 | 面向重大装备或关键部件的“形-性”一体化数字孪生方法 |
CN111666712B (zh) * | 2020-05-14 | 2023-08-08 | 大连理工大学 | 一种大型复杂机电装备的“测-算-控”智能化数字孪生方法 |
CN111652415A (zh) * | 2020-05-22 | 2020-09-11 | 中国航空无线电电子研究所 | 管控无人机地面控制站生产数据的信息物理***集成模型 |
CN112199898B (zh) * | 2020-11-11 | 2021-06-15 | 北京三维天地科技股份有限公司 | 一种基于大数据的仪器设备故障预测与健康管理方法 |
CN112668223B (zh) * | 2020-12-25 | 2022-09-27 | 山东大学 | 基于数字孪生轻量化模型的机电装备仿真方法及*** |
CN113247041B (zh) * | 2021-05-12 | 2022-10-14 | 上海工程技术大学 | 一种基于数字孪生模型的轮对轴箱装置状态监测方法 |
CN113420465B (zh) * | 2021-07-30 | 2023-05-05 | 太原理工大学 | 一种基于数字孪生模型的液压支架全寿命周期管理方法 |
CN114089715B (zh) * | 2021-10-13 | 2023-07-14 | 鹏城实验室 | 冷水机组数字孪生模型构建方法、装置、终端及存储介质 |
CN116503042B (zh) * | 2023-03-15 | 2023-12-19 | 上海天方夜谭网络科技有限公司 | 适用于检维修人员培训数据处理方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108107841A (zh) * | 2017-12-26 | 2018-06-01 | 山东大学 | 一种数控机床数字孪生建模方法 |
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化***及其构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015217855A1 (de) * | 2015-09-17 | 2017-03-23 | Siemens Aktiengesellschaft | Prüfung einer Konsistenz zwischen Referenzdaten eines Fertigungsobjektes und Daten eines digitalen Zwillings des Fertigungsobjektes |
-
2019
- 2019-01-31 CN CN201910099067.8A patent/CN109800531B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108107841A (zh) * | 2017-12-26 | 2018-06-01 | 山东大学 | 一种数控机床数字孪生建模方法 |
CN109116751A (zh) * | 2018-07-24 | 2019-01-01 | 西安西电电气研究院有限责任公司 | 基于数字孪生技术的数字化***及其构建方法 |
Non-Patent Citations (3)
Title |
---|
Design and development of a CNC machining Process knowledge base using cloud technology;Yingxin Ye et al.;《Int J Adv Manuf Technol》;20160825;第3413-3425页 * |
Digital twin modeling method for CNC machine tool;Weichao Luo et al.;《2018 IEEE 15th International Conference on Networking, Sensing and Control》;20180521;第1-4页 * |
基于Digital Twin 模型的3C非标检测设备精益优化设计研究;李宝超;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190115;正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109800531A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800531B (zh) | 一种机电装备数字孪生模型一致性保持方法 | |
Morato et al. | Inference and dynamic decision-making for deteriorating systems with probabilistic dependencies through Bayesian networks and deep reinforcement learning | |
CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
CN111178758A (zh) | 一种基于bim的混凝土坝监测数据智能化管理与实时评估*** | |
CN102063550A (zh) | 机器智能参与设计决策的冷挤压件智能设计*** | |
CN104573205B (zh) | 一种基于构件技术的试验数据处理方法 | |
CN111932367A (zh) | 贷前信用评估方法及装置 | |
CN103810099B (zh) | 代码跟踪方法及其*** | |
CN111783238A (zh) | 涡轮轴结构可靠性分析方法、分析装置及可读存储介质 | |
CN117891644B (zh) | 一种基于数字孪生技术的数据采集***及其采集方法 | |
CN117391464A (zh) | 一种基于rbf神经网络的工程项目进度预测方法及*** | |
CN117217020A (zh) | 一种基于数字孪生的工业模型构建方法及*** | |
CN115526114B (zh) | 基于集合卡尔曼滤波法的水力裂缝形态反演方法及*** | |
CN112668223B (zh) | 基于数字孪生轻量化模型的机电装备仿真方法及*** | |
CN115618735A (zh) | 基于数字孪生的设施结构健康监测方法及相关装置 | |
CN103279555A (zh) | 基于业务***的pi点自动维护方法及装置 | |
JP4461245B2 (ja) | 株価変動数値解析装置 | |
Ghaboura et al. | Digital twin for railway: A comprehensive survey | |
CN117932972B (zh) | 基于web应用于设备状态算法模型的可视化建模平台及方法 | |
CN109669996A (zh) | 信息动态更新方法及装置 | |
CN117313552B (zh) | 半导体器件建模方法、***及电子设备 | |
CN117454530B (zh) | 一种基于数字孪生的汽车车身部件建模、检测方法及*** | |
CN115907830B (zh) | 基于指标预警的策略执行方法、装置、设备及可读介质 | |
Si et al. | Variable cost-based maintenance and inventory model | |
US20230213930A1 (en) | Ai-enabled process recovery in manufacturing systems using digital twin simulation |
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 |