基于数字孪生的机电系统故障实时监测与预警系统
本发明涉及数字孪生与机电系统故障监测,尤其涉及基于数字孪生的机电系统故障实时监测与预警系统。
背景技术:
1、随着工业装备自动化程度提高,电机、轴承、联轴器、齿轮传动机构及控制单元之间形成复杂机电耦合关系,设备运行状态受负载、控制指令、部件磨损和运行环境共同影响。现有机电系统故障监测主要通过振动、电流、温度、转速及控制状态开展状态识别,数字孪生技术能够建立实体设备与虚拟模型之间的状态映射,并结合实时运行数据开展状态同步、故障分析和运行预警,为复杂机电系统的在线监测提供技术基础。
2、现有数字孪生故障监测主要依据实时监测值、孪生预测值及历史状态之间的偏差识别异常,监测结果容易受到运行工况变化影响,难以区分正常工作点迁移与部件局部动力学退化。基于传感器相关关系构建的图模型主要反映历史数据之间的统计关联,缺少针对机电部件受控扰动后的响应增益、响应曲率、响应时延及恢复过程的动态关系表征,难以及时发现间隙增大、松动、摩擦变化及非对称刚度变化形成的早期退化。现有预警方式对相反方向扰动下邻域响应关系的结构变化缺少分析,故障特征尚未明显越限时,早期退化识别和影响范围判断能力不足。
3、因此,如何提供基于数字孪生的机电系统故障实时监测与预警系统是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于数字孪生的机电系统故障实时监测与预警系统,本发明结合数字孪生技术和改进gdn模型,通过对偶微扰响应、曲率时延建图和镜像邻序分裂分析识别机电部件早期退化,具备故障识别准确、工况适应性强和预警及时的优点。
2、根据本发明实施例的基于数字孪生的机电系统故障实时监测与预警系统,包括:
3、数据处理模块,用于采集机电系统运行数据并执行对齐处理,生成标准机电状态数据;
4、孪生同步模块,用于基于标准机电状态数据和部件连接关系构建数字孪生体并同步当前状态,生成孪生同步状态数据;
5、微扰响应模块,用于基于孪生同步状态数据对待分析部件施加方向相反的局部虚拟微扰,采集关联部件响应,生成对偶微扰响应纹;
6、曲率时延建图模块,用于基于对偶微扰响应纹提取响应增益、响应曲率、响应时延和恢复特征,生成双向曲率时延图;
7、响应分析模块,用于将双向曲率时延图输入设有对偶微扰响应编码层、曲率时延图学习层和镜像邻序分裂读出层的改进gdn模型,生成动力响应特征和镜像邻序分裂数据;
8、异常筛选模块,用于基于动力响应特征识别局部响应关系变化,生成候选异常部件;
9、退化确认模块,用于基于候选异常部件和镜像邻序分裂数据比较方向相反微扰下的邻居集合和响应排序,生成部件退化状态数据;
10、故障预警模块,用于基于部件退化状态数据和连续周期动力响应特征确定退化持续状态和影响范围,生成故障实时监测与预警结果。
11、可选的,所述机电系统运行数据包括机电运行状态数据、运行控制工况数据、机电部件配置数据和历史运行监测数据。
12、可选的,所述生成标准机电状态数据,包括:
13、读取机电运行状态数据、运行控制工况数据、机电部件配置数据和历史运行监测数据,按照设备标识、部件标识和采集时刻建立数据关联关系;
14、基于数据关联关系提取各机电部件对应的运行状态、控制状态和运行工况,按照采集时刻排列形成部件状态序列;
15、对部件状态序列执行异常记录筛除、缺失记录补齐、采样周期对齐和量纲统一,生成预处理机电状态数据;
16、按照设备标识和部件标识关联预处理机电状态数据与机电部件配置数据,建立部件状态、部件连接和运行工况之间的对应关系,生成标准机电状态数据。
17、可选的,所述生成孪生同步状态数据,包括:
18、从标准机电状态数据中读取部件状态、控制状态、运行工况、部件配置参数和部件连接关系,按照部件标识建立实体部件与孪生部件的映射关系;
19、根据部件配置参数建立孪生部件节点,按部件连接关系连接孪生部件节点,将控制状态和运行工况写入对应孪生部件节点,构建数字孪生体;
20、从历史运行监测数据中提取与当前运行工况匹配的正常运行记录,计算实体部件状态与孪生部件状态之间的状态偏差,依据参数取值范围和参数状态响应关系调整对应孪生参数,直至状态偏差进入正常运行记录形成的状态波动范围,生成孪生同步状态数据。
21、可选的,所述生成对偶微扰响应纹,包括:
22、读取孪生同步状态数据,从机电部件配置数据中提取可调孪生参数、参数取值范围和部件连接关系,按照部件标识确定待分析部件;
23、复制待分析部件的孪生同步状态,建立第一方向微扰状态、第二方向微扰状态和未扰动状态,保持运行工况、控制状态和非待分析部件参数一致,对同一可调孪生参数施加幅值一致且方向相反的局部虚拟微扰;
24、分别运行第一方向微扰状态、第二方向微扰状态和未扰动状态,按照相同采样周期记录微扰施加前基准响应段、微扰保持响应段和微扰撤除恢复响应段,提取沿部件连接关系产生状态响应的关联部件,形成第一方向响应轨迹、第二方向响应轨迹和未扰动响应轨迹;
25、按照待分析部件标识、关联部件标识、可调孪生参数标识和采样时刻对齐三类响应轨迹,组合基准响应段、微扰保持响应段和微扰撤除恢复响应段,将一次完整响应采集过程确定为一个监测周期,生成对偶微扰响应纹。
26、可选的,所述生成双向曲率时延图,包括:
27、读取对偶微扰响应纹,按待分析部件标识和关联部件标识提取第一方向响应轨迹、第二方向响应轨迹和未扰动响应轨迹;
28、针对同一状态变量,分别计算第一方向响应轨迹、第二方向响应轨迹相对未扰动响应轨迹的状态变化量,并按照对应局部虚拟微扰幅值归一化生成第一方向响应增益和第二方向响应增益,分别根据两方向响应轨迹在连续采样时刻的响应斜率变化生成第一方向响应曲率和第二方向响应曲率;
29、从未扰动响应轨迹中提取基准响应段,以状态变量均值加减3倍标准差确定响应变化边界,将微扰施加至关联部件响应首次越出响应变化边界的时间间隔确定为响应时延,将微扰撤除至关联部件响应连续3个采样时刻进入响应变化边界的时间间隔确定为恢复特征;
30、以机电部件作为图节点,以待分析部件至关联部件的响应关系作为有向连接,将各微扰方向的响应增益、响应曲率、响应时延和恢复特征写入对应有向连接,构建第一方向曲率时延图和第二方向曲率时延图,并按部件标识对齐形成对偶曲率时延图。
31、可选的,所述生成动力响应特征和镜像邻序分裂数据,包括:
32、以gdn模型为基础,将原gdn基于节点嵌入相似度建立图关系的图结构学习方式替换为基于对偶曲率时延图的动力响应关系学习方式,在模型输入端增设对偶微扰响应编码层,在模型输出端增设镜像邻序分裂读出层,构建改进gdn模型;
33、将对偶曲率时延图输入对偶微扰响应编码层,按照待分析部件、关联部件和状态变量配对两方向图中的节点特征和有向连接特征,对响应增益、响应曲率、响应时延和恢复特征执行方向配对编码,生成方向共性响应表征和方向差异响应表征;
34、将方向共性响应表征和方向差异响应表征输入曲率时延图学习层,以对偶曲率时延图中的有向连接限定邻域信息传递范围,依据响应增益、响应曲率、响应时延和恢复特征生成连接权重,执行关联部件表征加权聚合和时序预测,生成当前响应表征与预测响应表征并组合形成动力响应特征;
35、将动力响应特征输入镜像邻序分裂读出层,分别按照第一方向和第二方向对同一待分析部件对应的关联部件执行响应增益排序、响应时延排序和响应曲率排序,对齐两方向关联部件集合,计算非共有邻居比例、响应增益排序交换比例、响应时延排序交换比例和响应曲率排序交换比例,生成镜像邻序分裂数据;
36、从历史运行监测数据、运行控制工况数据和机电部件配置数据中提取正常运行周期对应的历史状态记录、运行工况、控制状态、部件配置参数和部件连接关系,经孪生同步、局部虚拟微扰和对偶曲率时延建图生成模型训练样本,以动力响应预测误差和镜像邻序一致性误差构成联合损失训练改进图偏差网络gdn模型,将当前监测周期的对偶曲率时延图输入训练完成的模型,输出动力响应特征和镜像邻序分裂数据。
37、可选的,所述生成候选异常部件,包括:
38、读取动力响应特征和镜像邻序分裂数据,按照部件标识提取响应增益偏差、响应曲率偏差、响应时延偏差和恢复特征偏差;
39、从历史运行监测数据中提取正常运行周期,依据运行控制工况数据筛选与当前运行工况匹配的正常运行周期,计算各项动力响应偏差和镜像邻序分裂数据的95分位值,确定局部动力响应判定边界;
40、将镜像邻序分裂数据超过对应判定边界的部件组成第一候选集,将响应增益偏差、响应曲率偏差、响应时延偏差和恢复特征偏差中不少于2项超过对应判定边界的部件组成第二候选集,合并第一候选集和第二候选集并去除重复部件,生成候选异常部件。
41、可选的,所述生成部件退化状态数据,包括:
42、读取候选异常部件,按照监测周期连续提取动力响应特征和镜像邻序分裂数据,按部件标识排列响应曲率偏差、响应时延偏差、恢复特征偏差和镜像邻序分裂数据,生成候选部件退化序列;
43、计算候选部件退化序列相邻监测周期的特征变化量,从历史运行监测数据中提取正常运行周期,经响应分析模块生成对应动力响应特征和镜像邻序分裂数据,计算正常周期特征变化量的95分位值,将连续超过对应95分位值的监测周期确定为退化持续周期;
44、关联候选异常部件、退化持续周期、动力响应偏差和镜像邻序分裂数据,生成部件退化状态数据。
45、可选的,所述生成故障实时监测与预警结果,包括:
46、读取部件退化状态数据,从机电部件配置数据中提取部件连接关系,按照部件标识确定处于持续退化状态的部件及直接连接部件;
47、按照监测周期连续提取动力响应特征,判断直接连接部件是否持续出现动力响应越界,并沿部件连接关系逐层确定退化影响范围;
48、当退化影响范围局限于处于持续退化状态的部件时确定一级预警,当退化影响范围扩展至直接连接部件时确定二级预警,当退化影响范围扩展至直接连接部件之外的连接部件时确定三级预警,关联部件标识、动力响应偏差、镜像邻序分裂数据、退化持续周期、退化影响范围和预警等级,生成故障实时监测与预警结果。
49、本发明的有益效果是:
50、本发明提出的基于数字孪生的机电系统故障实时监测与预警系统,通过标准机电状态数据构建数字孪生体,在同步运行状态基础上针对待分析部件施加方向相反的局部虚拟微扰,形成包含基准响应段、微扰保持响应段和微扰撤除恢复响应段的对偶微扰响应纹,并进一步提取响应增益、响应曲率、响应时延和恢复特征构建对偶曲率时延图。相比直接依据振动、电流、温度和转速绝对值开展故障判断的方式,本发明能够利用受控微扰下的局部动力响应关系描述机电部件状态变化,降低运行工况变化对故障识别结果的干扰,使间隙增大、松动、摩擦变化和刚度退化形成的早期动力学异常得到有效表征,提高机电系统早期故障监测的准确性和工况适应能力。
51、本发明通过在gdn模型中设置对偶微扰响应编码层、曲率时延图学习层和镜像邻序分裂读出层,将传统基于节点统计关联的图关系学习转换为基于局部受控响应的动力关系学习,并对方向相反微扰条件下的关联部件集合、响应增益排序、响应时延排序和响应曲率排序进行镜像比较,形成镜像邻序分裂数据。结合动力响应偏差、镜像邻序分裂变化和连续监测周期退化状态,可识别局部动力响应关系持续变化的异常部件,并沿部件连接关系确定退化影响范围和预警等级,使故障预警由状态量越限识别扩展至局部动力学结构变化识别,提高非对称退化、局部松动和早期传递特性异常的检测能力,增强故障定位和实时预警的及时性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com