一种基于数字孪生的衬板服役评估方法、设备及介质与流程

本发明涉及数字孪生仿真，尤其涉及一种基于数字孪生的衬板服役评估方法、设备及介质。

背景技术：

1、现有技术中，磨机衬板的磨损评估通常采用基于物理模型或有限元仿真的数字孪生方法，其构建依赖于衬板的几何与材料参数以及预先标定的固定磨损系数，通过仿真推演获得磨损状态的预测结果。该评估过程要求预先获取准确的工况边界条件，并在模型建立后通过离线试验进行参数验证与校准。这种技术路线的根本原因在于，磨损模型参数一旦确定即被固化于模型中，无法在磨机运行过程中根据实际响应进行自动调整，导致系统对初始参数精度和工况稳定性的高度依赖。

2、在磨机实际连续运行过程中，入磨物料粒度分布、磨矿介质填充率及筒体转速等工况参数持续波动，固化的磨损模型参数难以反映这种动态变化，致使仿真预测值与衬板实际磨损之间的偏差随运行时间逐步累积。与此同时，工况波动引发的非线性响应会使初始参数偏差在长时间推演中被显著放大，进一步加剧模型预测失准。由此导致基于该数字孪生模型的评估结果与衬板真实服役状态产生较大偏离，难以为维护决策提供及时可靠的依据。

技术实现思路

1、第一方面，本公开提供了一种基于数字孪生的衬板服役评估方法，包括：

2、构建目标磨机衬板的初始数字孪生模型；

3、在磨机运行过程中，根据磨机外部的非侵入式传感信号，对目标磨机衬板进行磨损程度观测，得到目标磨机衬板的观测向量；

4、以观测向量为待估计状态变量，预测初始数字孪生模型在下一时刻的虚拟传感特征值，同时获取当前衬板对应的实际观测向量；

5、根据实际观测向量与虚拟传感特征值的残差对初始数字孪生模型进行参数修正；

6、根据修正后的数字孪生模型推演当前衬板的磨损状态，并输出衬板的评估报告。

7、在一个优选的实施方式中，所述构建目标磨机衬板的初始数字孪生模型，包括：

8、获取目标磨机衬板的几何参数、材料属性参数以及目标磨机的工况参数，其中，几何参数包括衬板的轮廓尺寸数据和各区域衬板的安装位置数据，材料属性参数包括衬板材料的密度、弹性模量、泊松比及硬度值，工况参数包括磨机转速、磨矿介质填充率及入磨物料粒度分布数据；

9、根据几何参数建立目标磨机衬板的三维几何模型；

10、根据材料属性参数和工况参数，在三维几何模型中配置材料属性边界条件和运动边界条件，得到初始数字孪生模型。

11、在一个优选的实施方式中，所述根据几何参数建立目标磨机衬板的三维几何模型，包括：

12、根据各区域衬板的安装位置数据，将各区域衬板的轮廓尺寸数据在目标磨机筒体内壁的圆周方向和轴向方向上进行空间排布，得到衬板组三维装配模型；

13、在衬板组三维装配模型中，将各区域衬板的表面划分为多个磨损计算网格单元，并为各磨损计算网格单元赋予对应的材料属性参数；

14、将完成网格划分和材料属性赋予后的衬板组三维装配模型，结合目标磨机筒体的几何数据，得到目标磨机衬板的三维几何模型。

15、在一个优选的实施方式中，所述在磨机运行过程中，根据磨机外部的非侵入式传感信号，对目标磨机衬板进行磨损程度观测，得到目标磨机衬板的观测向量，包括：

16、在目标磨机的轴承座位置部署振动传感器，在目标磨机的筒体外壁部署声发射传感器，在目标磨机的电机控制柜内部署电流传感器；

17、通过振动传感器采集磨机运行过程中的振动信号，通过声发射传感器采集磨机运行过程中的声发射信号，通过电流传感器采集磨机运行过程中的电机电流信号；

18、对振动信号、声发射信号和电机电流信号分别进行滤波去噪，得到去噪后的振动信号、去噪后的声发射信号和去噪后的电机电流信号。

19、在一个优选的实施方式中，所述得到去噪后的振动信号、去噪后的声发射信号和去噪后的电机电流信号，包括：

20、对去噪后的振动信号进行时域特征提取，得到振动特征指标，其中，振动特征指标包含振动信号的时域幅值特征和频带能量分布特征；

21、对去噪后的声发射信号进行时域特征提取，得到声发射特征指标，其中，声发射特征指标包含声发射信号的能量累积速率特征和峰值频率分布特征；

22、对去噪后的电机电流信号进行时域特征提取，得到电流特征指标，其中，电流特征指标包含电机电流的稳态均值漂移特征和波动方差特征；

23、对归一化后的振动特征指标、声发射特征指标和电流特征指标进行加权融合，得到目标磨机衬板的磨损特征值；

24、将磨损特征值输出为目标磨机衬板的观测向量。

25、在一个优选的实施方式中，所述以观测向量为待估计状态变量，预测初始数字孪生模型在下一时刻的虚拟传感特征值，同时获取当前衬板对应的实际观测向量，包括：

26、获取当前时刻的初始数字孪生模型及磨损模型参数；

27、根据当前时刻的磨损模型参数驱动初始数字孪生模型向前推演，计算下一时刻的衬板磨损状态预测值；

28、通过数字孪生模型中的传感特征映射关系，将衬板磨损状态预测值映射为下一时刻的虚拟振动特征值、虚拟声发射特征值和虚拟电流特征值；

29、将虚拟振动特征值、虚拟声发射特征值和虚拟电流特征值作为虚拟传感特征值。

30、在一个优选的实施方式中，所述根据当前时刻的磨损模型参数驱动初始数字孪生模型向前推演，计算下一时刻的衬板磨损状态预测值，包括：

31、将当前时刻的磨损模型参数输入至初始数字孪生模型中，根据当前时刻的磨损模型参数和当前时刻的衬板磨损状态，按照预设的时间步长向前推演一个预测周期；

32、在预测周期结束时，提取初始数字孪生模型中各磨损计算网格单元的磨损深度增量；

33、根据磨损深度增量更新各磨损计算网格单元的当前磨损深度，得到各磨损计算网格单元的更新后磨损深度；

34、将各磨损计算网格单元的更新后磨损深度按照区域划分进行汇总，得到下一时刻各区域衬板的衬板磨损状态预测值。

35、在一个优选的实施方式中，所述根据实际观测向量与虚拟传感特征值的残差对初始数字孪生模型进行参数修正，包括：

36、获取同一时刻的实际观测向量和虚拟传感特征值，将实际观测向量与虚拟传感特征值进行逐项比对，确定各项之间的偏差值，以得到残差向量；

37、根据残差向量中各项偏差值的正负方向和大小，分别确定磨损模型参数中各项参数的调整方向和调整幅度；

38、根据调整方向和调整幅度生成磨损模型参数的修正量；

39、采用修正量对当前时刻的磨损模型参数进行叠加更新，生成修正后的磨损模型参数；

40、将修正后的磨损模型参数写入初始数字孪生模型中，替换初始数字孪生模型中原有的磨损模型参数，得到修正后的数字孪生模型。

41、本发明还提供一种基于数字孪生的衬板服役评估设备，所述设备包括：

42、孪生初建模块，用于构建目标磨机衬板的初始数字孪生模型；

43、磨损观测模块，用于在磨机运行过程中，根据磨机外部的非侵入式传感信号，对目标磨机衬板进行磨损程度观测，得到目标磨机衬板的观测向量；

44、特征推演模块，用于以观测向量为待估计状态变量，预测初始数字孪生模型在下一时刻的虚拟传感特征值，同时获取当前衬板对应的实际观测向量；

45、模型校正模块，用于根据实际观测向量与虚拟传感特征值的残差对初始数字孪生模型进行参数修正；

46、状态研判模块，用于根据修正后的数字孪生模型推演当前衬板的磨损状态，并输出衬板的评估报告。

47、本发明还提出一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

48、与现有技术相比，本发明具有以下有益效果：

49、1.本发明通过以非侵入式传感信号对衬板磨损程度进行实时观测获得观测向量，并将该观测向量作为待估计状态变量驱动数字孪生模型进行下一时刻虚拟特征值预测，再利用实际观测与虚拟预测之间的残差对模型参数进行在线修正，形成“观测-预测-校正”的闭环反馈机制。由此，使数字孪生模型在运行过程中持续根据实际响应信号自适应调整磨损参数，从根本上克服了背景技术中指出的因磨损模型参数固化、无法随工况动态变化而调整所导致的预测偏差累积问题，显著提升了长时域推演状态下衬板磨损状态的评估精度。

50、2.本发明通过对振动信号、声发射信号和电机电流信号分别提取多维度时域特征指标并进行加权融合，构建了涵盖机械振动、声学响应和电学参量等多物理场信息的综合性磨损观测向量。该融合策略在独立权利要求所建立的闭环修正框架基础上，进一步增强了观测向量对衬板磨损状态的表征完备性和抗干扰能力，为残差计算和参数修正量的准确生成提供了更可靠的数据基础，从而提升了整个闭环校正过程的收敛稳定性。