一种基于数字孪生技术的设备预测性维护系统及方法与流程

1.本发明涉及工业互联网智能制造技术领域，具体涉及一种基于数字孪生技术的设备预测性维护系统及方法。


背景技术：

2.工厂对加工制造设备一般采取定期维护保养的运维方式，但面对复杂的生产运行环境以及设备的不稳定性，导致设备故障经常出现，所以传统维护方式的局限性越来越大。如何利用工业设备的运行数据，采集状态参数，实现设备的预测性维护是目前工厂运维工作的当务之急。
3.目前，一些工厂还处于被动式控制及管理阶段，设备的数据是通过人工采集或者离线手动录入，这样采集的数据量较小，处理的数据也具有一定的局限性和延滞性，不能及时地反映设备生产过程中的状态及问题，导致企业在管理过程中面临数据时效性差的问题，设备不能及时做出响应会导致停工等巨大影响，增加了企业的制造成本。
4.有一些工厂虽然采用了较为先进的物联网形式对制造加工设备进行互联实时式控制管理，使生产数据能够及时呈现，减少了各种设备生产过程中数据信息联系不紧密等问题，但该方式依然需要靠操作人员对制造加工设备所获取的数据信息进行监测及管理维护，信息决策的准确性完全取决于操作人员的经验，而不同的操作人员可能会得出不同的结论，导致生产过程不稳定、干扰因素无法消除等问题依旧存在。


技术实现要素：

5.本发明的目的在于提供一种基于数字孪生技术的设备预测性维护系统及方法，以期解决背景技术中存在的技术问题。
6.为了实现上述目的，本发明采用以下技术方案：
7.一种基于数字孪生技术的设备预测性维护系统，包括：
8.通信模块，用于完成所有设备的数据实时连接；
9.协议转换模块，用于统一不同协议标准的工业设备；
10.三维场景模块，用于对工业设备进行高精度三维建模还原；
11.引擎渲染模块，用于加载静态三维模型数据，并赋予特定物理的、几何的、行为的、规则的各方面属性；
12.数据融合模块，用于将预测性维护算法导入到数字孪生平台提供计算，驱动数字孪生体的更新；
13.可视化模块，用于调用仿真结果进行可视化展示与体验。
14.在一些实施例中，所述通信模块和协议转换模块共同构成数字孪生系统的物理信息层；物理信息层作用于故障诊断和预测的实体工业设备以及安装在其各个部位的传感器之上，是系统的基础；物理信息层用于收集工业设备在生产过程中的各种状态及信号，完成对数据的收集、传输以及计算，产生的数据是数字孪生体的驱动力。
15.在一些实施例中，所述三维场景还原模块、引擎渲染模块和数据融合模块共同构成系统的数字仿真层，数字仿真层用于完成实体工业设备和虚拟数字孪生体的映射，生成相应的三维数字模型。
16.本发明还提供了一种基于数字孪生技术的设备预测性维护方法，包括：
17.对需要预测性维护的工业设备对象建立物理信息层；
18.构建静态数字孪生体；
19.构建动态智慧数字孪生体；
20.数据融合操作；
21.构建数字孪生平台；
22.构建应用功能层。
23.在一些实施例中，所述对需要预测性维护的工业设备对象建立物理信息层，构建过程包括：对安装在实体工业设备及其各个部位的传感器进行数据采集，数据类型包括震动、温度、声音、电流、电压、位移及其他多维度信息，数据范围包括设备状态历史数据、设备故障数据、设备维护记录数据；协议转换模块负责统一主流协议完成结构化数据传输，实现多源异构数据的接入能力，最终以sdk调用的方式完成非结构化数据的通信。
24.在一些实施例中，所述构建静态数字孪生体，构建过程从小到大依次为：工业设备关键部件模型、设备生产线模型和整个工厂环境的数字化场景模型，建立三维数字模型应包含每台工业设备的几何外形尺寸和组装位置关系，要求模型外观形状与实体设备相似，动态运行参数、状态数据与实体工业设备保持实时同步。
25.在一些实施例中，所述构建动态智慧数字孪生体依靠数字孪生技术，通过unreal引擎软件导入构建的静态数字模型，并赋予其特定物理的、几何的、行为的、规则的各方面动态属性，能够动态地反应实体工业设备的各种运行状态。
26.在一些实施例中，所述数据融合操作，包括：多维异构数据在应用到数字孪生体之前需要对数据进行清洗、转换处理；统一数据源中异构数据的格式，并对无意义的数据进行剔除，同时输入到数字孪生体中，确保实体工业设备和虚拟数字设备的统一，根据数据特征点的提取从而获取到引起故障的特征值，存储到创建的动态智慧数字孪生体中，形成数字孪生体自有的故障知识库。
27.在一些实施例中，所述构建数字孪生平台，包括：采集到的物理信息数据经过数据融合操作后，传递到动态数字孪生体中进行算法计算，供其进行预测分析当前状态；使数字孪生体能实时接收到工业实体设备传输的生产数据，根据自有故障知识库不断进行预测性维护计算。
28.在一些实施例中，所述构建应用功能层，包括：通过可视化界面观察到虚拟设备的当前运行情况和预测性维护的结果，同时实现实体工业设备和数字孪生平台的链路互通，用户可输入不同的参数，通过智慧数字孪生平台的计算，模拟仿真出不同的设备运行结果，让工业实体设备反过来也能实时接收到数字孪生平台处理的控制信号，主动调节工业设备运行参数。
29.有益效果
30.1.通过构建的工业设备关键部件、设备生产线和工厂环境的数字化场景模型，能够直观准确地对工业物联网设备进行生产全流程的数字化显示；
31.2.通过数字孪生体的建设，实现了各个传感器之间数据的互通与共享，保证了数字孪生体能实时接收到工业实体设备传输的各种关键生产数据，工业实体设备能实时接收数字孪生体处理后的控制信号并完成相应的执行行动；
32.3.通过数字孪生体的全流程仿真预测实现了工业物联网设备的故障诊断、优化控制以及性能预测维护等功能。
附图说明
33.图1是本发明所述的实体工业设备与数字孪生平台的关系。
34.图2是本发明基于数字孪生技术的设备预测性维护方法的流程图。
具体实施方式
35.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
36.相反，本技术涵盖任何由权利要求定义的在本技术的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本技术有更好的了解，在下文对本技术的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本技术。以下将结合图1-2对本技术实施例进行详细说明。值得注意的是，以下实施例仅仅用于解释本技术，并不构成对本技术的限定。
37.在本技术的实施例中，如图1-2所示，提供一种基于数字孪生技术的设备预测性维护系统，目的是建立一个数字孪生平台，完成实体工业设备的数据互通，实现实体工业设备与其数字孪生体的虚实映射。整体架构包括通信模块、协议转换模块、三维场景还原模块、引擎渲染模块、数据融合模块和可视化模块。
38.通信模块完成所有设备的数据实时连接；协议转换模块用于统一不同协议标准的工业设备；三维场景模块用于对工业设备进行高精度三维建模还原；引擎渲染模块用于加载静态三维模型数据，并赋予特定物理的、几何的、行为的、规则的等各方面属性，从而能够使其真实地反应实体工业设备；数据融合模块采用云计算、边缘计算、大数据等技术将预测性维护算法导入到数字孪生平台提供计算，驱动数字孪生体的更新；可视化模块用于调用仿真结果进行可视化展示与体验。
39.其中，通信模块和协议转换模块共同构成数字孪生系统的物理信息层；三维场景还原模块、引擎渲染模块和数据融合模块共同构成系统的数字仿真层；可视化模块作为系统服务调用和应用功能层。
40.物理信息层主要作用于故障诊断和预测的实体工业设备以及安装在其各个部位的传感器之上，是系统的基础。物理信息层用于收集工业设备在生产过程中的各种状态及信号，完成对数据的收集、传输以及计算，产生的数据是数字孪生体的驱动力，也是管理和控制工业设备的基础；数字仿真层用于完成实体工业设备和虚拟数字孪生体的映射，生成相应的三维数字模型。将多维度参数数据与三维数字模型进行信息融合，融合后的多维建模数据用于驱动数字孪生体的运行，最终形成工业设备的智慧数字孪生体，该数字孪生体运行于工业设备的整个生产周期，并可以动态、真实、实时地反映实体工业设备的真实状
态，通过对数字孪生体进行实时模拟、仿真、验证并生成合理的预测保养维护建议；应用功能层用于完成多维数字信息数据的监测、设备故障诊断服务的可视化展示和人机交互操作。
41.本实施例还公开了一种基于数字孪生技术的设备预测性维护方法，该方法包括以下步骤：
42.s101：对需要预测性维护的工业设备对象建立物理信息层。此构建过程主要是对安装在实体工业设备及其各个部位的传感器进行数据采集，数据类型包括震动、温度、声音、电流、电压、位移及其他多维度信息，数据范围包括设备状态历史数据、设备故障数据、设备维护记录数据等。协议统一模块负责统一主流协议完成结构化数据传输，实现多源异构数据的接入能力，最终以sdk调用的方式完成非结构化数据的通信。
43.s102：构建静态数字孪生体。此构建过程从小到大依次为：工业设备关键部件模型、设备生产线模型和整个工厂环境的数字化场景模型，通过3dmax、blender等软件建立的三维数字模型应包含每台工业设备的几何外形尺寸和组装位置关系等，要求不仅仅是模型外观形状与实体设备相似，更重要的是其动态运行参数、状态数据等是否可以与实体工业设备保持实时同步；
44.s103：构建动态智慧数字孪生体。构建动态智慧数字孪生体主要依靠数字孪生技术，通过unreal等引擎软件导入构建的静态数字模型，并赋予其特定物理的、几何的、行为的、规则的等各方面动态属性，从而使它能够动态地反应实体工业设备的各种运行状态；
45.s104：数据融合操作。由于s101中构建的是多维异构数据，这些数据是无法直接使用的，在应用到数字孪生体之前需要对数据进行清洗、转换等处理。统一数据源中异构数据的格式，并对无意义的数据进行剔除，同时输入到数字孪生体中，确保实体工业设备和虚拟数字设备的统一，根据数据特征点的提取从而获取到引起故障的特征值，存储到创建的动态智慧数字孪生体中，形成数字孪生体自有的故障知识库；
46.s105：构建数字孪生平台。采集到的物理信息数据经过数据融合操作后，传递到动态数字孪生体中进行算法计算，供其进行预测分析当前状态。使数字孪生体能实时接收到工业实体设备传输的生产数据，根据自有故障知识库不断进行预测性维护计算；
47.s106：构建应用功能层。目的是通过可视化界面观察到虚拟设备的当前运行情况和预测性维护的结果，同时实现实体工业设备和数字孪生平台的链路互通，用户可输入不同的参数，通过智慧数字孪生平台的计算，模拟仿真出不同的设备运行结果，让工业实体设备反过来也能实时接收到数字孪生平台处理的控制信号，主动调节工业设备运行参数，从而达到优化控制的作用。
48.总之，预测性维护有助于企业确定运行的工业设备何时需要维护。它会根据实际情况而不是在固定周期安排保养维护。通过将预测性维护算法构建在数字孪生体上，形成数字孪生平台。使得数字孪生体能实时接收到工业实体设备传输的生产数据作为输入，直观准确地实现了工业设备的性能预测维护等功能。
49.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。