数字孪生与深度学习融合驱动的采煤机健康状态预测

针对处于恶劣工作环境的采煤机状态预测与维护困难的问题,结合数字孪生高逼真度行为仿真特性和深度学习强大的数据挖掘能力,提出数字孪生与深度学习融合驱动的采煤机健康状态预测方法。基于物理空间多物理参数构建采煤机数字孪生体,通过在虚拟空间的可视化展示与分析实现健康状态预判;建立基于深度学习的采煤机关键零件剩余寿命预测模型,实现实时监测数据驱动下的零件剩余寿命的在线预测;综合数字孪生体状态和剩余寿命值,实现采煤机健康状态预测。通过试验验证了该方法的有效性,为采煤机健康状态预测与管理提供新思路。     

数字孪生驱动的航空发动机涡轮盘剩余寿命预测

为解决航空发动机涡轮盘剩余寿命在线预测难题,提出一种数字孪生驱动的涡轮盘剩余寿命预测方法。在建立数字孪生模型的过程中,首先,分析涡轮盘疲劳裂纹损伤机理,构建性能退化指标,建立涡轮盘性能退化过程的共性表征模型;其次,分析多种不确定性因素,采用状态空间模型建立涡轮盘性能退化过程的个性表征模型;然后,通过动态贝叶斯网络描述状态空间模型随时间的演化规律,建立涡轮盘性能退化过程的动态演化模型;最后,采用粒子滤波算法实现涡轮盘退化状态追踪和剩余寿命预测,从而完成涡轮盘性能退化数字孪生模型的建立。融合涡轮盘实时传感数据,通过贝叶斯推理实现对该数字孪生模型的动态更新。通过某型涡轮盘试验数据对该方法进行验证,结果表明该数字孪生模型能够较好地解决涡轮盘剩余寿命在线预测问题。     

数字孪生驱动的离心泵机组故障诊断方法研究

数字孪生技术不仅是实现信息物理融合的核心，还是实现数字化故障诊断的关键。为了实现物理空间和信息空间的实时映射、故障实时预测、故障信息及时反馈，提出数字孪生驱动的离心泵机组故障诊断方法。首先，利用数字孪生技术构建离心泵机组数字孪生映射模型。然后，基于数字孪生映射模型，通过数据驱动的故障诊断方法实现故障实时预测，利用模型仿真的故障结果验证方法完成故障结果验证，以验证结果作为数字孪生模型修正和深度学习模型调整的条件。最后，借助Unity3D平台实现故障诊断系统的开发，并通过3种工况验证了系统的可行性。     

数字孪生驱动的连铸辊健康监测与组装优化框架

连铸辊在服役周期内存在难以追溯、故障诊断困难、剩余寿命难预测及运维成本高等问题。为了提高连铸辊运维水平，充分利用连铸辊的服役寿命，提出了一种数字孪生驱动的连铸辊健康监测与组装优化方法。构建了基于数字孪生的连铸辊健康监测与组装优化系统架构，基于三维孪生模型的连铸辊可视化监控与追溯，实现了连铸辊在线运行三维可视化监控与服役周期内的跟踪追溯；利用孪生数据，建立了复杂工况下的连铸辊剩余寿命预测模型；基于等寿命思想与启发智能算法进行连铸辊组装优化。最后，设计开发了连铸辊健康监测与组装优化原型系统，验证了框架的有效性与可行性。     

基于数字孪生的生产车间运行状态在线预测

针对数字孪生车间的在线预测难题,提出一种实时数据驱动的数字孪生车间运行状态在线预测方法.分析了车间数字孪生体的内涵和运行机制,构建了基于车间数字孪生体的仿真预测框架,阐述了基于事件调度法的仿真运行逻辑,建立了数字孪生车间输入特性、样本生成、事件处理逻辑之间的关系,融合实时数据实现了基于持续瞬态仿真的车间在线预测.设计并...     

面向数字孪生的构架裂纹扩展寿命预测建模分析方法

高速列车转向架构架裂纹扩展寿命预测对列车的可靠性和运行安全性具有重要意义。为实现基于数字孪生的构架裂纹扩展寿命预测,提出一种数据和模型融合驱动的构架裂纹扩展寿命预测建模方法。首先,基于数字孪生五维模型建立构架数字孪生模型框架;然后,构建构架裂纹扩展有限元仿真模型得出应力强度因子,并基于Paris公式构建构架裂纹扩展寿命机理模型;进而采用仿真模型和机理模型相结合的方法得出构架裂纹扩展寿命数据集;最后,基于构架裂纹扩展寿命数据集采用Kriging代理模型建立构架裂纹扩展寿命预测模型。研究结果表明该预测模型具有较高的精度和效率,能够有效支持孪生物理数据驱动的构架裂纹扩展寿命预测。     

知识驱动的加工产品数字孪生拟态建模方法

对加工过程的实时观察、分析和控制是优化零部件加工策略的重要组成部分。通过融合几何状态、物理状态和设备状态变化等多维、实时的加工过程数据,可以实现对加工过程的建模和监控。数字孪生模型是数字孪生系统的核心与基础。但是,目前还缺乏一种系统且能自适应开发高保真、多尺度、多维加工数字孪生建模方法,以辅助系统进行分析与决策。提出了一种知识驱动的加工产品数字孪生拟态建模方法,可以在加工过程中自适应地构建产品数字孪生模型。该模型可根据加工过程自适应的变化,实时表达加工过程中的产品,为数字孪生决策系统提供数据支持。最后在一个航天零件的加工过程中测试了该方法,验证数字孪生拟态模型在加工中应用的可行性。     

[数字孪生驱动的智能制造]数字孪生驱动的航空发动机装配技术

为了实现物理状态与虚拟模型的交互与共融,研究了数字孪生驱动的航空发动机装配技术,论述了其构成、功能、流程,详细分析了装配流程控制、零件选配、装配操作引导、装配间隙控制、装配技术状态控制和装试数据关联分析关键技术实例验证（第3节）。所研究的技术不仅有助于提高航空发动机装配过程和技术状态管控的智能性、主动性、预测性,还能促进基于实物状态的决策和优化,提高装配的效率和规范性,提高一次装配成功率和质量性能的一致性,从而为数字孪生驱动的航空发动机装配技术研究和系统开发提供理论依据与技术参考。     

面向切削过程的刀具数字孪生模型

刀具磨损状态退化建模和仿真的结果难以真实地反映物理现实,使刀具的选用、更换和修磨决策缺乏可靠依据,严重地影响了刀具精准利用的优化和控制,以及生产系统的动态调控。针对该问题,在数字孪生理念的基础上,提出面向切削过程的刀具数字孪生模型,探讨了其概念、组成、功能和运作流程,详细论述了数字孪生驱动的刀具磨损监测、剩余寿命预测、刀具选用决策和刀具服务,并通过原型系统进行了验证。通过刀具物理对象与虚拟模型的交互与共融,面向切削过程的刀具数字孪生模型可提高刀具全生命周期状态管理的智能性、主动性、预测性,支持面向刀具精准利用的优化、决策和服务。     

数字孪生驱动的航空发动机装配技术

为了实现物理状态与虚拟模型的交互与共融,研究了数字孪生驱动的航空发动机装配技术,论述了其构成、功能、流程,详细分析了装配流程控制、零件选配、装配操作引导、装配间隙控制、装配技术状态控制和装试数据关联分析关键技术实例验证(第3节)。所研究的技术不仅有助于提高航空发动机装配过程和技术状态管控的智能性、主动性、预测性,还能促进基于实物状态的决策和优化,提高装配的效率和规范性,提高一次装配成功率和质量性能的一致性,从而为数字孪生驱动的航空发动机装配技术研究和系统开发提供理论依据与技术参考。     

基于数字孪生的复杂产品装配过程管控方法与应用

针对航天复杂产品装配过程的实时可视化监控、运行状态在线分析与预测难题,提出了一种基于数字孪生的复杂产品装配过程管控方法。首先构建了面向复杂产品装配过程管控的数字孪生模型;在此基础上,引入工作流技术实现了装配过程数据的实时采集与管理,提出实时数据驱动的数字孪生车间同步运行方法;随后通过灰色马尔可夫预测模型、T-K统计控制图以及关联规则算法的集成应用,实现了对复杂产品装配过程中的小样本量质量数据的实时预测与分析。最后,自主设计并开发了基于数字孪生的复杂产品装配过程管控系统,并在某卫星装配车间进行了应用验证。     

基于数字孪生的航天器装配质量监控与预测技术

鉴于航天器装配过程中不确定因素多,无法准确有效地预测和评估航天器的实际性能,装配过程中因进行大量复杂的性能试验来验证产品性能指标的符合性而极大影响了装配效率,提出一种基于数字孪生的航天器装配质量在线监控与预测方法.分析了航天器装配执行层面总体流程的特点,在此基础上给出面向航天器装配质量的数字孪生建模方法,以及面向数字孪...     

基于多源数据融合的采煤机截割载荷预测方法

为解决单一传感信息对采煤机截割载荷预测精度低的问题,提高采煤机运行安全状态的感知能力,在应用深度信念网络(DBN)的基础上,引入贝叶斯正则化(BR)方法和粒子群优化(PSO)算法,提出了一种基于多传感器的采煤机滚筒载荷辨识与预测方法.构建BR-PSO-DBN预测模型,以惰轮轴传感器、连接架销轴传感器和摇臂应变传感器监测...     

[智能设计与计划调度]大数据在设备健康预测和备件补货中的应用

提出了一种设备健康预测和库存优化方法。使用自编码器提取监测信号特征,基于深度神经网络模型进行时序预测,构建设备健康度指标;采用统计分布判定和参数拟合的预测方法实现库存优化;最后,根据设备健康状态与备件数量实现生产主动预警。实例结果表明,该方法预测精度高于LSTM算法,可对设备故障进行精确预警,且备件库存优化模型的可靠性高达90.4%,可有效减少备件库存。     

复杂产品数字孪生装配模型表达与精度预测

针对复杂产品装配过程中装配模型/数据/信息脱节、精度预测不准确、缺乏现场装配有效指导等实际工程应用问题,提出复杂产品数字孪生装配模型表达与精度预测方法。给出基于数字孪生的复杂产品装配精度预测方法总体流程;其次,将数字孪生装配模型表达划分为装配对象模型和装配工艺模型,并明确了产品数字孪生装配模型的精准建模机制;在此基础上,采用基于实测数据的装配偏差传递更新迭代机制实现融合多维度误差源的产品装配误差分析计算与装配精度预测;最后,以某型卫星结构部装为例搭建了复杂产品数字孪生装配软硬件系统平台,并通过实例验证了所提方法的可行性,为复杂产品装配精度预测与保障提供了一种切实可行的新思路和新途径。     

一种融合多传感器数据的数模联动机械剩余寿命预测方法

随着传感和信息技术的发展,各式各样的传感器获取了机械装备海量的监测数据,让剩余寿命预测有"据"可依,推动机械剩余寿命预测进入了大数据时代。但由于数据类型多样、量大面广,如何利用丰富的多传感器数据,从中快速挖掘健康状态退化信息,指导寿命预测,成为大数据时代下机械寿命预测的全新挑战。基于模型的寿命预测方法大多仅针对单一监测数据进行建模分析,无法有效利用丰富的大数据资源。数据驱动的方法则过分依赖训练数据,缺乏必要的经验指引,方法的可解释性差。为了有效利用多传感器数据指导寿命预测,从数模联动的思路出发,建立了一种融合多传感器数据的数模联动寿命预测方法。采用一种通用的Wiener过程模型对健康状态退化过程进行描述,分别建立多源观测函数和多源映射函数对状态与数据之间的因果关系和关联关系进行描述,采用粒子滤波算法将多传感器数据与模型进行动态匹配,预测剩余寿命。在提出方法的统一框架指导下,选取三种特定模型对铣刀剩余寿命进行预测,验证了提出方法的有效性。     

基于数字孪生的综采工作面工业虚拟服务系统

针对传统虚拟综采工作面数字化程度低、工艺规划周期长、装备运行状态监测困难等问题,设计了基于数字孪生的综采工作面生产系统。围绕综采工作面运行规律及特点,构建了物理综采工作面、虚拟综采工作面、综采虚拟软件服务系统和综采孪生数据系统,研究了系统间的数据交互流程和驱动优化方法。提出虚拟综采工作面元素模型的系统性构建方法,完成了多种类煤层及综采装备建模;基于综采虚拟软件服务系统对综采生产过程进行虚拟仿真,实现了采煤机截割路径规划和不同综采工艺的预演评价;利用相关传感器及软件技术实现了综采装备运行姿态在虚拟环境中的实时映射,在此基础上,建立了分布式局域网协同模型,借助一致性哈希算法实现了多装备监测任务的动态优化分配。经应用测试,该综采虚拟软件服务系统能有效为数字孪生和综采工作面的深度融合及终端装备的生产、规划、监测等问题提供服务。     

采煤机液压拉杠力学特性实验

针对在采煤机工作过程中,液压拉杠时常断裂的问题,采用1∶1模拟煤矿井下综采成套装备实验平台。以MG500/1180-WD采煤机为研究对象,通过无线数据传输系统,分别对采煤机空载、重载4种不同工况下液压拉杠的力学特性进行了测试与研究。研究结果表明：不同工况下液压拉杠的载荷均未达到实验前的预紧力;采煤机起车时,位于机身上方两个液压拉杠的载荷趋势较大;在采煤机重载截煤工况下,位于采煤侧上方的液压拉杠处于压缩状态,并且载荷最大。