[发明专利]一种云边架构的装备数字孪生平行仿真系统及方法

说明书

本发明公开了一种云边架构的装备数字孪生平行仿真系统及方法，包括获得真实装备的状态数据，并对所述状态数据进行预处理；对预处理后的状态数据进行特征提取，确定反映真实装备性能的退化特征量；根据退化特征量数据构建真实装备的数字孪生模型，数字孪生模型与真实装备同步运行，并随退化特征量数据的变化进行模型参数演化或模型参数与模型形态协同演化；通过数字孪生模型获得真实装备的RUL。本发明能对装备部件的性能退化过程进行精密分析，真实反映装备的退化情况，准确预测装备的RUL。

技术领域

本发明涉及仿真领域，尤其涉及一种云边架构的装备数字孪生平行仿真系统。

背景技术

在机械装备领域中，轴承、齿轮箱等部件应用广泛且属于关键部件，这些部件的失效将导致整个机械装备停机，因此往往利用这些部件的性能退化过程来分析、衡量机械装备的健康状态。这些关键部件除了经历正常连续退化过程外，由于装备转运、人为损伤、腐蚀等因素的影响会对装备性能退化过程附加随机离散冲击，因此这些关键部件的退化过程是典型的混合退化过程，冲击发生后，对装备性能将造成不可逆的损伤，在退化特征量上表现为退化特征量突然增大或者减小，尔后装备又表现出较为稳定的连续退化模式。然而现有技术中对装备部件的性能退化过程的分析不够精密，无法真实反映机械装备的退化情况。

发明内容

本发明为了解决以上问题，提供了一种云边架构的装备数字孪生平行仿真系统及方法。

为实现上述目的，本发明所采用的技术方案如下：

一种云边架构的装备数字孪生平行仿真方法，包括：

获得真实装备的状态数据，并对所述状态数据进行预处理；

对预处理后的状态数据进行特征提取，确定反映真实装备性能的退化特征量；

根据退化特征量数据构建真实装备的数字孪生模型，数字孪生模型与真实装备同步运行，并随退化特征量数据的变化进行模型参数演化或模型参数与模型形态协同演化；

通过数字孪生模型获得真实装备的RUL。

可选的，所述获得真实装备的状态数据，并对所述状态数据进行预处理包括：通过传感器获得真实装备的状态数据，即装备观测数据，通过边缘处理系统对获得的状态数据进行降噪、异常值剔除以及缺失数据补偿，同时所述边缘处理系统根据获得的状态数据对真实装备进行应急预警分析。

可选的，所述对预处理后的状态数据进行特征提取，确定反映真实装备性能的退化特征量包括：将预处理后的状态数据形成特征量数据集{D_i|i＝1,2,...m}，D_i表示全部传感器的第i个观测值，D_i＝(d_i1 d_i2...d_in)，其中，d_in表示特征量n的第i个观测值，针对n个特征量进行特征提取，确定获得反映真实装备性能的退化特征量v和退化特征量观测数据集D＝{d_iv|i＝1,2,...m}。

可选的，所述根据退化特征量数据构建真实装备的数字孪生模型包括：

将前s项退化特征量观测数据d_iv(i＝1,2,...s)注入模型自动选择环节，所述模型自动选择环节包括：将前s项退化特征量观测数据d_iv(i＝1,2,...m)注入初始退化模型库中所有的初始退化模型，利用模型验证理论，对初始退化模型进行验证和优化，确定与退化特征量观测数据匹配的初始退化模型，匹配初始退化模型完成后将包含前s项退化特征量观测数据的数据集D＝{d_iv|i＝1,2,...s}以及匹配的初始退化模型一同注入模型动态演化环节；