[发明专利]一种基于数字孪生技术的智能装备健康管理方法

说明书

本发明公开了一种基于数字孪生技术的智能装备健康管理方法，通过在数字空间创建与智能装备实体等价的数字孪生体，对智能装备实体进行仿真分析，并以仿真分析结果为依据对智能装备实体进行反馈健康管理，能够为智能装备实体后续运行和健康维护提供更加精确的决策。本发明根据实时采集的智能装备运行数据，通过深度学习技术挖掘得到智能装备对应数字孪生体的运行参数，实现了实体空间到数据空间的准确数据映射，使得数字孪生体的运行结果能够准确反映智能装备实体的健康发展趋势，进而生成准确的健康管理方案。

技术领域

本发明属于设备健康监测与管理技术领域，具体涉及一种基于数字孪生技术的智能装备健康管理方法的设计。

背景技术

智能装备是具有感知、分析、推理、决策和控制功能的制造装备，它是先进制造技术、信息技术和智能技术的集成和深度融合。目前国家在重点推进智能装备的发展，以实现生产过程自动化、智能化、精密化和绿色化，带动工业整体技术水平的提升。

为保障智能装备的自动化、智能化和精密化运行，对智能装备进行健康监测及管理非常必要。由于智能装备具有功能结构复杂、运行工况多变等特点，采用现有的人工健康监测与管理的方法存在监测滞后和管理低效的缺点，对智能装备的健康管理效果并不理想。

发明内容

本发明的目的是为了解决现有的人工对智能装备健康进行监测和管理的方法存在监测滞后和管理低效的问题，提出了一种基于数字孪生技术的智能装备健康管理方法。

本发明的技术方案为：一种基于数字孪生技术的智能装备健康管理方法，包括以下步骤：

S1、获取智能装备的运行数据。

S2、根据智能装备的运行数据，通过深度神经网络得到智能装备的数字孪生体运行参数。

S3、根据智能装备的数字孪生体运行参数，对智能装备的数字孪生体进行仿真运行，得到仿真运行结果。

S4、根据仿真运行结果生成智能装备的健康管理模型。

S5、通过智能装备的健康管理模型对智能装备进行健康管理。

进一步地，步骤S1中智能装备的运行数据包括智能装备的运行时长、温度、振幅和产能。

进一步地，振幅的获取方法为：

A1、获取智能装备运行时的振动信号。

A2、对振动信号进行频域转换，得到频域振动信号。

A3、对频域振动信号进行傅里叶反变换，得到时域信号。

A4、将时域信号对应的振动幅值作为智能装备的振幅。

进一步地，步骤S2包括以下分步骤：

S21、将智能装备的运行数据进行concat特征融合，得到融合特征X。

S22、将融合特征X作为训练样本输入深度神经网络，对深度神经网络进行迭代权重更新，直至深度神经网络收敛，得到训练好的深度神经网络。

S23、将融合特征X输入训练好的深度神经网络，输出得到智能装备的数字孪生体运行参数。

进一步地，步骤S22中对深度神经网络进行迭代权重更新的公式为：