[发明专利]一种基于数字孪生的叶片转子试验台预测性维修方法及系统

权利要求书

1.一种基于数字孪生的叶片转子试验台预测性维修系统，包括物理空间模块、孪生空间模块及边缘网关模块，边缘网关模块是实现孪生空间作用于物理空间的重要介质；

所述的物理空间模块，是由人、机、物及其环境四者所构成的集合，一方面提供设备静态底层数据，包括设备信息、工作参数；另一方面采集动态数据，叶片转子试验台在运作时通过各类传感器进行采集，动态数据包括转子信号，此信号内包含转子转速、三维振动；叶片信号，此信号内包含叶片转速、三维振动；润滑信号，此信号内包含润滑油压、油温、液位；电机信号，此信号内包含电机转速、扭矩；轴承信号，此信号内包含油膜压力、油温温度以及周围环境中湿度、温度；

在所述的物理空间模块中所采集到的数据将实时发送至边缘网关模块；

所述的孪生空间模块由孪生设备模块、虚拟场景模块、数学模型模块、数据存储模块、实时监测模块及故障报告模块构成；

所述的孪生设备模块是通过三维建模软件构建的叶片转子孪生试验台以及相关的实验器材及设备；

所述的虚拟场景模块由真实场景搭建而来，可带来沉浸式体验；

所述的数学模型模块用于构建数据异常检测模型及网络预测模型，并将其进行有效的存储并将其发送至边缘网关模块；

构建的数学模型非限定于在边缘网关实现故障定位，基于多维的外界因素，造成机器故障并非只包含一个原因，也可在孪生空间实现部分多维因素的故障预测；

所述的数据存储模块用于存储由边缘网关模块传输来的信息；

所述的实时监测模块用于将数据以二维或者三维的形式所展现出来，实现对数据变化的实时监测；

所述的故障报告模块用于向外界传达故障信息，及时制定解决方案；

所述的边缘网关模块由信息接收模块、数据处理模块、异常检测模块及预测故障模块构成；

所述的信息接收模块用于接收在物理空间设备进行工作时当前的运行数据，以及在孪生空间构建的数学模型；

所述的数据处理模块用于对运行数据的优化及预处理；

所述的异常检测模块用于基于Isolation Forest算法对数据的异常检测；

所述的预测故障模块用于根据建立的贝叶斯网络预测模型对叶片转子试验台进行潜在故障预测及安全隐患；

所述的物理空间模块及孪生空间模块跟边缘网关模块均由以太网进行连接，物理空间模块与孪生空间模块通过通信协议进行连接。

2.一种基于数字孪生的叶片转子试验台预测性维修方法，使用如权利要求1所述的基于数字孪生的叶片转子试验台预测性维修系统，其特征在于，包括以下步骤如下：

S1：创建与物理空间中的物理实体相对应的孪生空间；

S2：采集叶片转子试验台工作时的运行数据，经过数据优化及数据融合后，形成数据结构及数据类型统一的运行数据；

S3：建立数据异常检测模型，将数据结构及数据类型统一的运行数据输入该模型进行数据异常检测，若出现异常数据，则将异常数据去除；

S4：建立网络预测模型，预测叶片转子试验台的潜在故障，根据故障类型制定故障解决方案；

S5：将故障解决方案作用于孪生空间，用于检测方案的合理性及可行性；

S6：通过拆装工艺仿真、控制算法及人机工效判断故障在孪生空间是否得以解决；

S7：若故障得以解决，则对物理空间中的物理实体进行维修，反之则需重新制定方案；

在步骤S1中，通过三维建模软件及仿真软件建立叶片转子试验台的孪生空间；

在步骤S2中，由上位机给数据采集仪器发送采集指令，通过传感器采集数据；

在步骤S3中所述的数据异常检测，将采用Isolation Forest算法，通过给定一串连续型变量的数据集，随机生成一个Isolation Tree，树上每个节点要么串下两个子节点，要么就形成单独叶子节点，然后根据形成的孤立树进行数据检测，将数据在孤立树上走一遍，记录数据落在哪个叶子节点，一般来说异常数据比较稀少，很快就被分到叶子节点，因此根据叶子节点到树根节点的高度来判断该数据是否是异常数据；

在步骤S4中所述的建立网络预测模型，将采用构建贝叶斯网络预测模型，实现对叶片转子试验台的潜在故障预测，通过获取设备的历史运行数据建立贝叶斯网络预测模型，预测试验设备的潜在故障及安全隐患，获取通过数据处理及数据异常检测后的当前运行数据，根据当前运行数据与贝叶斯网络预测模型，实现对叶片转子试验台的整体可靠性预测以及故障的快速定位，确定发生故障类型及故障发生时间，从而制定故障解决方案；

在步骤S4中所述的故障类型包括轴承磨损、油膜温度过高或者转子振动不稳定故障类型；

所述的轴承磨损故障可根据拆装工艺仿真确定拆卸试验设备顺序，以此确定轴承磨损部位；

所述的油膜温度过高可通过更换润滑油或者降低轴承转速来降低油温温度；

造成转子振动不稳定的原因是外界的微小波动或者转子转速不稳定因素，可通过调节转子转速，稳定频率以此稳定转子振动。