一种基于数字孪生的索道全生命周期运维管理方法及系统与流程
本发明涉及数字孪生建模应用,尤其涉及一种基于数字孪生的索道全生命周期运维管理方法及系统。
背景技术:
1、目前,索道系统的运维管理主要依托定期巡检、离线检测和运行经验判断。随着数字孪生技术引入索道领域,通常先利用承载索、支架、吊具和驱动机构的设计尺寸、材料属性和安装参数建立机理模型或有限元模型,再通过初期标定确定承载索等效热膨胀系数、索道系统等效阻尼比、支架边界接触刚度等参数,部署后参数保持固定。现场安装的温度、风速、日照、张力、位移和振动传感器采集的数据多用于运行状态显示、超限报警和事后分析,并未系统性地反馈到模型参数更新过程。已有处理路径主要依赖离线重标定或人工修正,周期长且难以覆盖环境突变引起的参数变化。
2、例如,在索道数字孪生模型随环境温度和边界条件变化产生预测偏差累积的场景下,承载索沿线因日照辐射和气温变化形成非均匀温度场,等效热膨胀系数和弹性模量温度系数随温度改变,支架基础热胀冷缩和螺栓接触状态变化使边界接触刚度缓慢漂移,吊具载荷和运行速度变化还会使系统阻尼和几何非线性特征时变。部署后固定的模型参数无法吸收上述现场信息,预测输出与实测值之间的偏差随运行时间不断累积,环境突变时偏差进一步增大。同时,由于传感器采样频率不一致、时间同步误差和野值未得到有效处理,偏差可能被掩盖或放大,导致误报警和漏报警同时存在,运维人员难以判断数字孪生输出是否仍然可信。现有固定参数模型缺乏利用实时监测数据进行在线校准和不确定性量化机制,无法量化预测结果的可信程度,长期运行中可信度持续下降,运维决策风险增加。
3、因此,亟需一种在索道数字孪生模型随环境温度和边界条件变化产生预测偏差的情况下,依然能够利用现场监测数据在线校准模型参数并量化预测不确定性的索道全生命周期运维管理方法,以解决固定参数模型在长期运行中可信度下降的技术问题。通过在线校准和不确定性量化评估,可以提高模型在复杂环境扰动下的预测可靠性和运维决策准确性,为索道全生命周期参数漂移管理和安全运行提供持续可信的数字孪生支撑。
技术实现思路
1、针对上述存在的技术不足,本发明的目的是提出一种基于数字孪生的索道全生命周期运维管理方法,旨在解决现有技术中固定参数模型在索道数字孪生模型随环境温度和边界条件变化产生预测偏差累积时无法利用现场监测数据在线校准模型参数并量化预测不确定性,尤其是在长期运行中可信度下降条件下,无法持续可信运行的技术问题。
2、为解决上述技术问题,本发明采用如下技术方案:本发明提供一种基于数字孪生的索道全生命周期运维管理方法。
3、所述一种基于数字孪生的索道全生命周期运维管理方法包括:
4、步骤s10:获取索道基础数据和运行边界数据,基于所述索道基础数据和运行边界数据,采用时变状态空间建模机制执行基础数字孪生模型构建任务,输出基础数字孪生模型;
5、步骤s20:基于所述基础数字孪生模型,采用三次样条插值与物理约束野值判别机制执行实时监测数据采集与抗差预处理任务,输出统一时间网格抗差监测数据;
6、步骤s30:基于所述统一时间网格抗差监测数据,采用无迹卡尔曼滤波与分频遗忘机制执行模型参数在线校准任务,输出参数后验分布信息;
7、步骤s40:基于所述参数后验分布信息,采用稀疏多项式混沌展开机制执行预测不确定性量化任务,输出预测不确定性量化结果;
8、步骤s50:基于所述预测不确定性量化结果,采用贝叶斯决策机制执行运维决策和全生命周期参数漂移管理任务,输出运维决策结果。
9、优选地,步骤s10中,获取索道基础数据和运行边界数据,基于所述索道基础数据和运行边界数据,采用时变状态空间建模机制执行基础数字孪生模型构建任务,输出基础数字孪生模型的步骤,具体包括:
10、步骤s101:将索道承载索沿长度方向离散为多个分段,构建以承载索分段张力、支架顶端位移、吊具横向摆角和驱动电机转速为系统状态,以环境温度、风速、日照辐射、吊具载荷和运行速度为系统输入的时变状态空间模型,并将待在线校准参数设置为具有先验分布的随机变量;
11、步骤s102:获取各分段承载索的温度值、分段长度、参考温度及热膨胀系数温度依赖性系数,计算承载索总热伸长量,并依据温度和承载索应力对参考刚度矩阵进行修正,得到热力耦合等效刚度矩阵;
12、步骤s103:依据所述承载索总热伸长量、所述热力耦合等效刚度矩阵、吊具位置及吊具位置对应的位置基函数,构建随非均匀温度场和吊具位置变化的状态转移矩阵、输入矩阵及观测矩阵,得到所述基础数字孪生模型。
13、优选地,步骤s20中,基于所述基础数字孪生模型,采用三次样条插值与物理约束野值判别机制执行实时监测数据采集与抗差预处理任务,输出统一时间网格抗差监测数据的步骤,具体包括:
14、步骤s201:获取不同采样频率的传感器原始采样序列,采用三次样条插值将传感器原始采样序列对齐至统一时间网格,并以插值信号斜率与传感器最大时间戳误差或同步误差的乘积确定时间对齐不确定度,得到统一时间网格监测数据;
15、步骤s202:将各传感器安装位置映射至索道里程坐标,采用基础数字孪生模型的一步预测值、预测新息协方差矩阵对角元素、所述时间对齐不确定度、置信系数和按传感器类型设定的物理容许偏差构造野值判别边界,并采用野值判别边界检测统一时间网格监测数据中的野值;
16、步骤s203:采用承载索张力变化量、温度变化量、温度张力等效灵敏度及预设物理一致性判定阈值执行物理约束残差检测,保留通过野值检测和物理约束残差检测的测量数据,得到所述统一时间网格抗差监测数据。
17、优选地,步骤s202中,野值判别边界对应的判别关系为:
18、
19、其中,为统一时间网格上第个传感器的测量值,为基础数字孪生模型对第个传感器的一步预测值,为置信系数,为预测新息协方差矩阵的第个对角元素,为第个传感器的时间对齐不确定度,为按传感器类型设定的物理容许偏差;当判别关系成立时,将对应测量值标记为野值。
20、优选地,步骤s30中,基于所述统一时间网格抗差监测数据,采用无迹卡尔曼滤波与分频遗忘机制执行模型参数在线校准任务,输出参数后验分布信息的步骤,具体包括:
21、步骤s301:将系统状态向量和待在线校准参数向量组合为增广状态向量,将待在线校准参数的演化过程设置为随机游走过程,并采用无迹卡尔曼滤波对所述增广状态向量进行递推;
22、步骤s302:分别计算承载索等效热膨胀系数、索道系统等效阻尼比和支架边界接触刚度对应的特征环境变化量,将各特征环境变化量分别映射至对应参数的最小遗忘因子与最大遗忘因子之间,得到随特征环境变化量增大而按指数关系减小的分频遗忘因子,并采用分频遗忘因子递推更新预测新息协方差矩阵、观测噪声协方差和参数过程噪声协方差;
23、步骤s303:采用无迹卡尔曼滤波量测更新得到参数原始更新值,计算各参数的方差缩减率和参数后验相关矩阵的条件数,在方差缩减率小于预设缩减率阈值或条件数大于预设条件数阈值时,对对应参数执行冻结或阻尼更新,将更新后的参数后验均值和参数后验协方差组合为所述参数后验分布信息。
24、优选地,步骤s40中,基于所述参数后验分布信息,采用稀疏多项式混沌展开机制执行预测不确定性量化任务,输出预测不确定性量化结果的步骤,具体包括:
25、步骤s401:对参数后验协方差矩阵进行特征分解,按特征值从大到小选择使累计方差贡献率达到预设贡献率的主方向,并采用主方向对应的特征向量和特征值对参数向量进行降维与标准化,得到低维标准化随机变量;
26、步骤s402:针对低维标准化随机变量选择活跃多项式混沌基函数集合,采用递推最小二乘更新多项式混沌展开系数,并在主方向变化检测量达到预设变化阈值时重新选择活跃多项式混沌基函数集合,将原多项式混沌展开系数投影至重新选择的基函数空间;
27、步骤s403:采用多项式混沌展开预测残差递推估计模型偏差均值和模型结构误差方差,将参数后验协方差传播所得输出方差、模型结构误差方差和观测噪声协方差组合,计算预测均值、预测方差和预测置信区间,得到所述预测不确定性量化结果。
28、优选地,步骤s50中,基于所述预测不确定性量化结果,采用贝叶斯决策机制执行运维决策和全生命周期参数漂移管理任务,输出运维决策结果的步骤,具体包括:
29、步骤s501:从所述预测不确定性量化结果中获取预测均值和预测标准差,采用预设安全阈值确定超限风险概率和超限风险期望,并构建运维成本目标函数:
30、
31、其中,为第时刻的运维成本目标函数,为包含索道运行速度、数据采样频率和在线校准周期的运维决策向量,为运行成本,为巡检维护成本,为失效事件单次等效损失,为对应运维决策下的超限风险概率,为单位超限风险期望对应的经济损失,为对应运维决策下的超限风险期望;
32、步骤s502:以所述运维成本目标函数的最小值确定候选运维决策,并将超限风险概率和参数不确定性熵变化率分别与对应的第一预设阈值及第二预设阈值比较,确定保持运行、降低运行速度并提高数据采样频率、或触发停机检查的分级控制结果;
33、步骤s503:将各次在线校准得到的参数后验均值、参数后验协方差、环境条件和数据质量指标写入数字孪生数据库,采用指数加权平均提取生命周期参数趋势,并采用贝叶斯退化状态空间模型在线估计参数漂移速率及剩余寿命,在参数漂移量达到预设漂移阈值或剩余寿命低于预设寿命阈值时生成模型重新标定指令,将分级控制结果与模型重新标定指令组合,得到所述运维决策结果。
34、本发明还提供一种基于数字孪生的索道全生命周期运维管理系统,包括:
35、基础数字孪生模型构建模块,用于获取索道基础数据和运行边界数据,基于所述索道基础数据和运行边界数据,采用时变状态空间建模机制执行基础数字孪生模型构建任务,输出基础数字孪生模型;
36、实时监测数据采集与抗差预处理模块,用于基于所述基础数字孪生模型,采用三次样条插值与物理约束野值判别机制执行实时监测数据采集与抗差预处理任务,输出统一时间网格抗差监测数据;
37、模型参数在线校准模块,用于基于所述统一时间网格抗差监测数据,采用无迹卡尔曼滤波与分频遗忘机制执行模型参数在线校准任务,输出参数后验分布信息;
38、预测不确定性量化模块,用于基于所述参数后验分布信息,采用稀疏多项式混沌展开机制执行预测不确定性量化任务,输出预测不确定性量化结果;
39、运维决策与参数漂移管理模块,用于基于所述预测不确定性量化结果,采用贝叶斯决策机制执行运维决策和全生命周期参数漂移管理任务,输出运维决策结果。
40、本发明还提供一种计算机程序产品,所述计算机程序产品包括基于数字孪生的索道全生命周期运维管理程序,所述基于数字孪生的索道全生命周期运维管理程序被处理器执行时实现上述方法。
41、本发明的有益效果在于:
42、通过时变状态空间建模将承载索分段张力、支架顶端位移、吊具横向摆角和驱动电机转速作为系统状态,并将待校准参数设为具有先验分布的随机变量,使基础数字孪生模型能够反映非均匀温度场和吊具位置变化引起的结构响应,为后续在线校准提供可递推的状态空间框架,从而避免固定参数模型在环境突变时预测偏差持续累积。
43、采用三次样条插值将不同采样频率的传感器序列对齐至统一时间网格,并利用基础数字孪生模型一步预测值、预测新息协方差、时间对齐不确定度和物理容许偏差构造野值判别边界,同时结合物理约束残差检测剔除异常数据,使进入在线校准的监测数据在时间一致性和物理合理性上得到保障,减少误报警和漏报警。
44、通过无迹卡尔曼滤波与分频遗忘机制对增广状态向量进行递推,根据环境变化量动态调整各参数对应的遗忘因子,并在参数方差缩减率或后验相关矩阵条件数不满足要求时执行冻结或阻尼更新,使参数后验分布能够持续吸收现场监测信息,进而利用稀疏多项式混沌展开量化预测不确定性,为贝叶斯决策提供可信的超限风险概率和期望,支撑分级控制和参数漂移管理。
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