数字孪生在煤矿电网中的应用研究

立足于数字孪生的基本概念和内涵,分析了数字孪生技术在煤矿电网中的应用优势：以同步实体运行状态、数字化模拟运行2种手段来辅助煤矿电网的运行管理,具有数据驱动、实时更新、同步反馈的特点。提出了由煤矿电网物理实体层、煤矿电网数字孪生模型层、用户管理服务层、数据交流层组成的煤矿电网数字孪生体系基本架构,从物理实体、数字孪生模型2个方面探索了煤矿电网数字孪生体系运行模式。介绍了建立煤矿电网数字孪生体系的关键技术：煤矿电网数字孪生模型构建、智能数据采集、基于5G的智能通信、数字孪生智能数据库、数字孪生设备智能管理平台。给出了数字孪生技术在煤矿电网中的具体应用场景,包括煤矿井下电气设备状态评估、煤矿电网故障定位和保护、煤矿电网智能监控、煤矿井下线路智能巡检。将数字孪生技术应用在煤矿电网中,对煤矿电网的状态和运行进行动态仿真建模,一方面可以满足当今规模庞大的煤矿电网相对地面电网更高的运行要求,保障煤矿生产安全性,另一方面可推进煤矿电网的智能化进程,实现数据资源高效合理利用。     

基于数字孪生的测试性验证技术

针对型号测试性验证工作中存在的验证周期长、验证时机滞后、验证环境受限等问题,开展了基于数字孪生技术的测试性验证技术研究,重点关注数字孪生技术框架和关键技术研究,包括基于数字孪生驱动的故障模式分析、基于数字孪生驱动的故障模式空间模拟、基于数字孪生驱动的故障模式分配与注入、基于数字孪生驱动的数据融合技术,以期实现装备全生命周期的测试性验证与增长。形成一套基于数字孪生驱动的测试性验证流程及方法,用于指导新研产品的测试性验证工作。     

数字孪生驱动的汇流行星排故障预测研究综述

为了在第四次工业革命中抢占制高点,各国紧锣密鼓地进行着自己的信息化建设,数字孪生技术作为关键技术之一,可以实现物理世界与信息世界的交互,将该技术应用到装甲车辆汇流行星排的故障预测,可以实时预测车辆运行状态,有效降低了事故发生的概率,大大提高了车辆的安全性,对提高战斗力有重要意义;在综述数字孪生技术于故障预测研究方面的发展历程的基础上,针对装甲车辆汇流行星排实际工作过程中难以及时预测故障的问题,提出了4层数字孪生框架,即物理实体层、信息交互层、数据互动层和人机交互层,并阐述了每一层的具体功能要求,预期实现装甲车辆汇流行星排在发生故障前及时预警,从而达到提高设备使用寿命及驾驶安全性的目的 .     

面向智能矿山与新工科的数字孪生技术研究

将数字孪生与人工智能(AI)技术相结合,提出了基于数字孪生+AI的智能矿山建设新思路。探索了智能矿山技术发展路径,研究了数字孪生技术的特征、应用领域及发展趋势,指出数字孪生是数字化矿山发展的必然趋势。提出了基于数字孪生+AI的智能矿山理论架构,构建了矿山数字孪生模型,模型自下而上分别为矿山全要素物理实体、矿山信息物理融合层、矿山数字孪生模型、矿山孪生数据交互层、矿山应用智能服务层,据此实现智能矿山的泛在感知、协同控制和智能决策与优化。从应用实际需求出发,探讨了智能矿山模型构建技术、智能开采数字孪生体技术、矿山智能控制技术、矿山设备故障预测、基于数字孪生的人机交互等关键技术。通过研究数字孪生在智能矿山中的应用,为AI技术在智能矿山应用落地提供思路,为未来智能矿山新工科建设提供理论借鉴。     

工业互联网支持下的数字孪生车间

随着信息时代的发展,数字孪生技术已成为实现智能制造的方法之一。首先说明了数字孪生的产生背景,数字孪生技术是实现信息空间和物理空间信息数据融合的重要方法、手段。接着从模型、数据、应用等不同方面,对智能车间数字孪生技术进行了探讨,同时比对了不同公司对数字孪生技术在车间应用的侧重点。通过比较智能车间相关概念,得出了数字孪生车间是一种新的车间运行模式,其关键问题是实时数据传输。工业互联网是一种将人、数据和设备等连接起来的网络技术,通过物联网等技术可以实现实时数据传输。分析了工业互联网技术的发展及工业互联网技术对实现数字孪生车间的技术支持,最后对数字孪生技术的发展进行了展望。随着数字孪生技术在车间中的运用,数字孪生车间必将成为未来智能车间的一种重要的实现方式。     

基于数字孪生的云网智能运维技术研究

云网融合的加速发展,既推动着通信网络数字化和智能化转型升级,也带来了云网运维复杂性不断提高的问题。尽管近年来通过各种智能化技术手段取得了一定进展,使网络管理控制变得更加敏捷和高效,但大规模云网设施仍然面临着运行维护过程中效率低、周期长和成本高等挑战。针对上述挑战,该文提出基于数字孪生的自适应探测、双重评估、优化调整三种智能运维的技术,旨在提高云网运维的效率并帮助预测网络异常。在自适应探测技术中,利用数据统计方法构建历史时序数据样本,通过算法选择适应的概率分布,预测故障发生的概率。双重评估技术中,通过对孪生系统和物理系统进行双重评估,验证故障原因并进行故障朔源。优化调整技术中,通过张量分解处理大数据,优化数据样本,并通过机器学习训练样本数据来优化调整智能运维模型。实验验证表明,该技术能够预测网络异常、快速定位故障,并优化调整系统,从而实现智能运维的目标。     

基于数字孪生的产线设备实时监控方法与实现

为推动国家智能制造发展,面向生产过程中设备实时监控困难、透明性差、管控效率低、跨学科交叉情况复杂等问题,融合MBSE思想,提出一种基于数字孪生的产线设备监控方法并实现。首先,提出基于数字孪生的监控方法架构;基于SysML建模语言对产线系统和设备进行统一描述建模,建立结构图和行为图,形成数据模型;通过SysML模型与OPC UA联合,以位移数据和任务数据双通道驱动的方式进行虚实映射,并建立异常报警追溯机制;以仓储系统中核心设备堆垛机为例,构建其SysML模型、数字孪生模型,并以仓储产线实时缓存数据库redis为数据源,通过OPC UA获取并实时更新数据驱动数字孪生模型,实现其三维可视化监控,验证了方法的可行性和实时性     

基于数字孪生的变电设备运维系统及其构建

针对变电设备周期状态管控难、运检效率低等问题,基于数字孪生理论,构建基于真实变电设备运维的数字化模型及系统。首先,在信息层建立能反映变电设备换流变、调相机、GIS（Gas Insulated Substation）这3类设备真实状态的数字孪生体;其次,基于换流变、调相机、GIS历史大数据,通过数字孪生体的变电站设备进行统计分析,并根据采集的实时数据、运维数据来预测变电站设备下一时刻的状态,使变电设备实现实际变电站内物理层与信息层数据的融合;最后,以变电站设备运维为对象,采用信息物理融合系统进行运维数据的集成和同步,形成最终变电设备运维数字孪生框架系统。相关研究表明,运用数字孪生技术可以对变电设备运维系统运行效率的提升和对变电站整体智能化提供强有力的技术支撑。     

数字孪生: 跨界赋能于多领域智能的新应用

随着大数据、5G、人工智能、CPS、云计算、物联网技术的发展与交叉融合, 使得世界朝着数字化、智能化方向发展. 数字孪生是以物理实体为原型建立多维虚拟模型, 通过安装在物理本体上的传感器实时反馈数据, 并结合以往的历史数据和人工智能技术, 最后利用软件分析并呈现. 由于数字孪生技术能与多个先进理念, 如: 工业4.0、航空航天、智慧城市、智慧医疗等良好的融合并应用, 这使其成为多个行业的热门研究方向与主要驱动技术, 在各行各业都有很大的发展空间. 本文首先阐述了数字孪生技术的基本概念, 梳理了数字孪生技术的发展脉络, 进一步理清了数字孪生技术与CPS技术之间的关系, 并介绍了数字孪生技术的研究现状. 其次, 介绍了数字孪生的关键技术即多维多尺度建模, 孪生数据管理和虚拟呈现. 最后, 探讨了数字孪生技术在智慧工厂领域、智慧城市领域、孪生医疗领域、航空航天领域的应用发展和方向, 并从方案、特点、关键技术等角度介绍了本研究团队在智慧工厂领域对原稳加热炉设备的数字孪生应用案例.     

基于数字孪生的新能源智能温室控制系统设计

针对我国当前温室种植监控系统中监测不够直观、管理不够智能的问题，本文基于数字孪生技术设计实现了新能源智能温室控制系统，系统包括智能温室和数字孪生平台两部分。智能温室部分以太阳能作为动力为大棚系统供能，以STC89C52单片机作为主控核心，与数字孪生平台实现通信，将传感器设备获取到的数据上传到数字孪生平台并接收平台端发出的指令；本文选择以NI LabVIEW软件开发数字孪生平台，在平台中创建温室“孪生体”，三维模拟温室的实时状态，显示温室内的实时环境数据，同时平台可对温室系统中的通风、灌溉、照明等装置进行远程管理。系统对温室种植的各个环节和要素进行感知、监控、分析和决策，有效实现对作物生产的智慧管控。     

人工智能技术在矿山智能化建设中的应用初探

介绍了人工智能技术的相关概念、发展概述及其在煤炭行业发展中的应用,指出目前人工智能技术在矿山应用只是点状结合和浅度结合,没有实现人工智能技术和矿山某个生产或管理系统层面的深度融合。概述了智能矿山的发展历程,指出智能矿山是人工智能技术、大数据技术、物联网技术和矿山实体的深度融合体,利用智能通信、智能控制和智能计算技术实现数字化矿山的计算、处理,构建数字孪生矿山,通过数字孪生矿山和物理矿山的智能交互演化,达到对煤矿安全、高效、绿色的生产控制。构建了将人工智能技术和矿山深度融合的包括设备层、智能层、应用层的智能矿山三层构架:应用层处于智能矿山的最高层,其中的数字孪生矿山子层相当于“数字大脑”,实现矿山最高层次的智能控制;智能层中的智能体要求子系统不仅仅是应用人工智能技术处理子系统所产生的数据,而是从架构上就要将智能计算、智能通信、智能控制融为一体。展望了智能矿山建设的发展趋势:智能化矿山需要加强人工智能技术和矿山融合度的深入研究,将现有的基于人工智能的故障检测、诊断及超前干预技术应用到机器人系统中,智能计算、智能通信、智能控制融合的巡检机器人将是最早能推广的井下智能体之一;智能化矿山需要进一步加强复杂巨系统建模技术的研究,只有建立了矿山的复杂巨系统模型,才能实现采矿活动和环境的协同互动,实现采煤活动的精准控制,复杂巨系统模型的缺乏将是未来智能矿山建设亟需解决的问题。     

基于大数据的风电设备远程故障监测与诊断系统研究

大数据、云计算等新一代信息技术的快速发展,推动风电设备状态监测技术进步。文章通过风电设备远程监测与故障诊断平台建设实践,从系统功能、平台建设、故障分析等层面,论述了如何基于大数据实现对风机故障预诊断,提升风力发电机组监控与管理水平。通过对机组运行状态的实时在线监测,利用系统内智能数据报警策略准确筛选机组异常,借助于人工智能分析诊断系统和远程专家的综合分析评价,滚动预测故障未来的发展趋势,帮助用户优化风机维护检修工作,减少停机损失,降低维护成本,提高风机利用率。在集控中心预检测平台建立大数据存储、处理、分析、诊断服务器,收集风场各项数据后与专业厂家存储的数据资源整合,建立各种类型风机故障模型,集控中心培训诊断分析师可通过对比找出故障曲线特点和规律,对实时数据经诊断分析后提出整改措施,提前预防风机故障的扩大,开发相关监视及报警系统,联合风机传统监控系统提高监控中心的设备管理能力。     

航空装备测试技术体系及测试保障技术智能化发展分析

从剖析航空装备测试技术体系、综合保障测试技术及智能测试保障技术的概念出发，明确了航空装备测试技术的主要特点及其分类方法，构建了初步的航空装备测试技术体系架构，分析了人工智能、大数据、云计算、数字孪生、物联网等新技术在测试保障技术智能化过程中发挥的主要作用，希望该研究成果能够为未来构建完善的航空装备测试技术体系及测试保障技术智能化发展提供借鉴和指导。     

基于大数据的变电设备状态多维感知及智能诊断系统的研究

针对现行状态检修方法在变电设备状态感知单一、系统信息孤岛、状态检修效率低下等方面的问题,本文基于大数据技术,提出变电设备状态多维感知及智能诊断系统。系统通过打造边端变电设备多维感知体系,实现设备多维、实时、全景感知,并构建统一边缘物联代理,完成感知数据就地预处理,在此基础上融合设备状态多源异构数据,搭建云端大数据平台,开展设备状态大数据智能分析诊断,实现设备精准检修。文章首先对基于大数据的变电设备状态多维感知及智能诊断系统整体框架进行介绍,然后详细阐述了系统边端多维感知和云端智能诊断部分的设计及功能。最后,选取主变压器油温-油位关联状态量为例进行状态分析评价的算例分析,算例结果证明了所提系统功能的有效性和实用性,为提高变电设备运检效率提供有效技术支撑。     

基于边缘计算的建筑设备状态感知模型与应用

随着智能化建筑数量的剧增与智能化水平的提高,建筑智能设备状态感知成为了关系到社会公共安全方面重要问题之一。目前,建筑设备感知系统大多基于服务器集中计算架构,存在存储数据量大、通信带宽要求高、节点自主性不够等问题,往往容易造成建筑设备感知实时性不足、网络成本高的问题。由此,提出一种基于边缘计算的建筑设备状态感知模型,设计了边缘状态感知与缓存算法,建立了一组边缘通信与状态感知协议,形成了边缘隐私数据信任与安全机制,同时,引入基于边缘数据的智能决策技术,从而不仅缓解了中心服务器的计算与存储压力,而且有效提升了整个系统的自主感知能力、安全性与健壮性。最后,依托该模型实现了一个运维示范系统,在S城市管理中进行了应用。     

工业互联网智能制造边缘计算 模型与验证方法

智能制造是先进制造过程、系统与模式的总称,边缘计算是横跨通信、计算机、自动控制等多领域的综合性技术,可以满足智能制造在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。文章首先介绍了工业互联网智能制造的基本状况,其次介绍了边缘计算的发展现状,之后详细描述了工业互联网智能制造边缘计算模型,最后给出了工业互联网智能制造边缘计算模型的测试方法。     

基于多算力融合的数字孪生黄河黄河云设计研究

为解决数字孪生黄河建设过程中出现的算力基础设施能力不足,数据存储、处理、服务效率不高,资源服务模式不够灵活等问题,立足数字孪生黄河建设对算力基础设施的实际需求,结合水利部出台的相关技术规范,提出多算力融合黄河云重构搭建方案。开展对多元算力、多模态存储模式等关键技术的综合分析,提出多算力融合黄河云的总体框架、部署架构、资源池及资源管理设计。多算力融合黄河云针对模型计算、数据底板、智能应用、大数据处理与分析等不同场景,建设虚拟化、高性能、裸金属等算力资源,根据数据类型、特点,以及数据量匹配集中和分布式存储资源,提出适应黄河水利委员会组织架构的云管理模式,可为数字孪生黄河建设提供高效算力底座。     

数字孪生驱动的火箭控制系统故障诊断研究综述

在第四次工业革命中,智能制造成为各国工业发展的重点方向,数字孪生技术作为一项新兴技术,能够有效实现物理信息的融合;将其应用于火箭控制系统的故障诊断和健康管理,能够进一步提高故障诊断的事前准确性,提升火箭发射的可靠性;本文对数字孪生技术在航天领域的研究现状进行归纳整理;首先梳理了NASA的数字孪生目标,国内领域按照设计、生产、支持服务阶段对数字孪生应用进行分类;其次,按照故障树、专家系统、神经网络、数据驱动的方法阐述控制系统故障诊断的研究现状;在介绍数字孪生驱动的健康管理方法的基础上,提出数字孪生驱动的火箭控制系统的故障诊断方法;详细介绍其基本组成框架,分析关键技术及应用难点,并提出数字孪生健康管理平台的基本流程;该方法预期实现火箭控制系统的事前诊断和维修策略的制定