[发明专利]一种基于快速仿真数字孪生技术的设备健康监测方法

说明书

本发明公开了一种基于快速仿真数字孪生技术的设备健康监测方法，对设备状态数据及环境数据采集，得到设备的状态、载荷等信息；构建设备的CAE数字孪生模型，对物理模型进行准确映射；将传感器采集的数据通过网络传输到服务器数据库；按照传感器端口规则对数据分类存储；开发数字孪生可视化平台，以曲线、虚拟仪表等形式进行数据的可视化呈现；通过数字孪生平台的模型调用脚本，调用CAE软件读取传感器采集到的边界条件数据，驱动模型进行快速计算；通过自动化后处理脚本，读取结果数据库中的数据及云图；通过数字孪生平台对CAE计算结果进行实时呈现；基于CAE计算结果进行设备的寿命评估，提高对设备寿命的预测效果。

技术领域

本发明涉及设备健康监测技术领域，尤其涉及一种基于快速仿真数字孪生技术的设备健康监测方法。

背景技术

传统的产品故障诊断技术是基于物理模型、经验模型或数据模型。基于物理模型的方法有基于失效模式分析、基于T-S模糊模型和数学模型方法。基于经验模型的方法主要包括基于专家系统和故障树的方法，此方法使用推理机制和历史数据经验搭建模型进行评估，同时辅助以粒子群神经网络算法。基于数据驱动的方法是基于统计分析、神经网络为支撑，基于大量的数据进行学习来进行故障诊断，但对设备寿命预测的效果不佳。

发明内容

本发明的目的在于提供一种基于快速仿真数字孪生技术的设备健康监测方法，提高对设备寿命的预测效果。

为实现上述目的，本发明提供了一种基于快速仿真数字孪生技术的设备健康监测方法，包括以下步骤：

获取多种设备状态数据及环境数据，并基于获取的所述设备状态数据构建对应的CAE数字孪生模型；

对传感器采集的数据通过网络进行传输，同时按照传感器端口规则对进行分类存储；

获取存储的传感器采集的边界条件数据，并输入所述CAE数字孪生模型中进行仿真分析；

通过自动化后处理脚本读取结果数据库中的数据及云图，并基于数字孪生平台进行实时呈现。

其中，所述方法还包括：

基于仿真分析结果，通过载荷统计和疲劳计算，计算出当前状态下设备不同部位的损伤程度，评估出设备的剩余寿命。

其中，所述方法还包括：

基于仿真分析结果生成对应的控制策略，并对设备状态进行反馈调节。

其中，所述方法还包括：

通过javascript开发数字孪生平台，其中，所述数字孪生平台包括现场视频监控和数据可视化功能。

其中，获取多种设备状态数据，并基于获取的所述设备状态数据构建对应的CAE数字孪生模型，包括：

通过多种传感器采集设备的各种状态数据及环境数据，并通过采集设备中的嵌入式程序对多种所述状态数据进行预处理；

根据所述采集设备的结构几何特征，构建对应的CAE数字孪生模型。

其中，获取存储的传感器采集的边界条件数据，并输入所述CAE数字孪生模型中进行仿真分析，包括：

通过服务器端口获取存储的传感器采集的边界条件数据，并输入所述CAE数字孪生模型；

对所述边界条件数据的数量和区间进行定义，并基于Optimal Latin Hypercube算法对多个所述边界条件数据进行组合，生成DOE仿真计算样本点；

通过开发的CAE求解器调用程序，并基于Optimal Latin自动进行DOE仿真计算样本点作为驱动参数的仿真分析。