[发明专利]面向重大装备或关键部件的“形-性”一体化数字孪生方法

说明书

一种面向重大装备或关键部件的“形‑性”一体化数字孪生方法，属于数字孪生领域。针对重大装备或关键部件，利用传感器技术采集其关键数据，将所得大量实时数据通过大数据技术简化分类；按照数据的不同响应要求，采用“云‑边结合”的计算模式，开发对应AI算法与数值求解器得到所需的性能数据，充分利用边缘计算低延迟与云计算高性能的特性完成数据融合；利用计算机图形技术将所得性能数据映射为物理设备的高保真孪生体，搭建直观、可信、虚实高度一致的孪生映射模型。本发明实现了在复杂工况下，利用少量的传感器信息即可实时计算出装备的整体性能，结合历史数据实现对装备性能的评估、预测及反馈控制，保障装备的正常作业，防止事故的发生。

技术领域

本发明属于数字孪生领域，涉及一种基于大数据与人工智能技术、面向重大装备或关键部件的“形-性”一体化数字孪生方法。

背景技术

数字孪生：以数字化方式搭建物理实体的忠实虚拟映射，在全生命周期实现物理实体与虚拟映射的交互反馈、数据融合、决策优化等。数字孪生的优势在于利用虚拟映射对物理实体的状态进行实时监测、动态模拟与信息扩展，结合运行历史数据和人工智能算法对物理实体各项参数、行为等实现动态、高可信度快速预测，最终通过多源信息回馈与系统评估决策完成对物理实体的行为纠偏或优化指导。

当前，数字孪生在航空、船舶、电力、复杂机械、物流、医疗、智慧城市等领域都有研究与应用，众多国际著名企业已开始探索数字孪生技术在产品设计、制造和服务等方面的应用。在制造领域，数字孪生技术得到了PTC、SIEMENS等著名公司的高度重视。如PTC开发的IIoT平台——ThingWorx，其借助云计算与边缘计算结合的方式，为企业用户提供了可靠、强大的设备互联与数据处理能力；利用AR技术实现物理设备各项数据的高保真可视化呈现，提供设备数据、外观的双重虚拟映射；为用户提供Web、移动和AR体验的同时，也使用户具备了获取、综合、分析物理设备数据的能力。SIEMENS公司利用数字孪生技术搭建无人工厂，将工厂实际生产过程中的各项流程数字化，搭建覆盖整个工厂各项关键要素的忠实数字映射。基于数字孪生技术对各生产要素进行模拟、监测、分析等，为工厂的总体调度与人工分配提供指导，提升效率，降低损失。

目前制造领域对数字孪生技术的研究与开发多集中在对装备、车间等行为状态的互联、监测、模拟、回馈与控制等，侧重对实体外在行为与常用性能指标的孪生映射。而针对复杂、昂贵的重大装备(如大型起重机、大型挖掘机、风力发电机、盾构机等)或关键部件而言，更多关注的则是内在结构性能的可靠性。但是在装备产品的实际运作过程中，难免会出现过载、超速、不可预知的环境影响等不符合理论设计的情况出现，故装备产品一旦负载达到极限状态，就极易引起性能受损、结构损坏等，轻则损伤设备，重则发生事故，造成重大人身伤害与财产损失。

目前针对产品内在结构关键性能的数字孪生研究尚缺乏，特别是对基于数字孪生的重大装备或部件内在结构性能的实时模拟仿真、动态预测维护还没有解决方案。因此，针对重大装备或关键部件，实现其内在结构性能信息的高保真数字化，在数字层面对装备产品运行过程中的各关键环节进行实时模拟与仿真分析，动态预测装备产品在运行时的结构性能极限状态，及时防护与止损。运用“形-性”一体化数字孪生技术，通过提前预警装备产品运行过程中可能出现的结构性警报或损伤问题，降低甚至避免财产损失和人员伤亡，同时也为产品的结构优化设计提供宝贵的危险工况数据，提高下代产品性能可靠性。

发明内容

本发明的目的是提供一种基于大数据与人工智能、面向重大装备或关键部件的“形-性”一体化数字孪生方法，实现对作业装备内在结构性能的实时监测、模拟、分析、预测以及反馈控制。

本发明所要解决的技术难点包括：

(1)在处理传感器采集的数据时，如何对传感器漂移以及噪音进行处理，保障数据的可信度？

(2)在计算装备实时性能时，如何实现通过固定位置与数量的传感器“小数据”回馈，得到整个装备的内在结构性能的“大数据”实时预测？