【技术实现步骤摘要】
本专利技术涉及数字孪生故障预测相关，具体涉及一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统。
技术介绍
1、印染业在我国国民经济中占据了重要地位，其上承织造业，下接服装家纺业，在整个纺织产业链中起着承上启下的作用。而热定形机作为染染机械中一种非常重要设备，利用织物纤维的可塑性能，在加热的同时，将织物的幅宽在一定范围内缓慢拉升至规定尺寸。热风拉幅可以消除织物的部分内应力，调整织物中经纬纱的状态，使得织物经向整齐划一，纬向获得较为稳定的尺寸。在热风拉幅定形前，织物可以浸轧各种纺织助剂进行柔软、硬挺、防皱等整理，改善织物定形后的手感，并赋予定形织物某些特殊的功能，使产品增值。由于烘房对于温度的严苛要求，导致其封闭性结构，对于内部的作业状态检测和故障情况预诊断问题给予不小的挑战。
2、近年来，随着大数据技术与智能制造技术的发展，运用现代信息技术手段对烘房进行科学化、信息化管理显得尤为重要。数字孪生(digitaltwin)是指利用物理实体、传感器、运行历史等数据，结合多物理量、多学科、多尺度、多概率的对物理实体对象的特征、行为、形成过程和性能等进行描述和建模，使其反映对应物理实体的全生命周期。数字孪生模型能很好建立虚拟仿真与物理实体的联系，提供预测数。但现有的故障诊断算法过于单一，不满足对故障诊断的快速性、准确性的要求，基于故障模型诊断的算法，虽然可以快速对已知故障做出诊断，但面对未知的故障便会诊断失误，缺少准确性。基于大数据驱动的诊断算法，虽然可以提高诊断的准确性，但由于设备运行的数据繁杂，会导致计算时间过长
3、综上所述，如今大数据驱动的数字孪生对于智能工厂的搭建有着强大的推动作用。但目前国内缺少将数字孪生技术应用到热定形烘房的检测与故障与诊断之中，并加以模型与数据耦合驱动的诊断方式。而现有的技术检测故障过于落后，不符合传统工业向工业领域智能化、数字化的转型的大方向。工厂也缺少对于热定形烘房实时状态监测和故障预诊断的手段。因此，为了提高生产效率，提供一种能够准确全方面对热定形烘房监测，并能及时做出故障预测是本领域技术人员亟需解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，利用此系统能够实现对热定形烘房的实时检测和故障预诊断。
2、为达到上述目的，本专利技术采用如下技术方案来实现：
3、一种基于模型与数据藕合驱动的数字孪生热定形烘房故障预诊断系统，包括：智能采集模块、数据分析存储模块、数字孪生模块、故障预测模块以及终端工作站组成；
4、所述智能采集模块通过各监测单元采集各类设备运行状态及参数，采用基于stm32单片机的中控器对个监测单元的传感器和监测器的控制和连接，并将采集的实时数据，通过opcua协议网络传输到实时数据库；所述的数据分析存储模块带有滤波器函数可以对采集误差太大的数据进行预处理，采用influxdb数据库储存采集的时序数据；所述的数字孪生模块需在三维软件上等价建模，再导入到unity3d场景中进行孪生体的搭建。通过opcua协议，与分析存储模块建立数据与模型的通信，通过孪生数据驱动，形成虚实映射关系，二者同步运行，生成预测数据传输到故障预测模块；所述的故障预测模块采用模型与数据耦合的方式对预测数据进行分析预测，将故障数据案例库的设备历史故障数据导入到初始模型之中基于深度学习的方法建立故障模型诊断算法；将influxdb数据库的历史数据对深度rnn-lstm神经网络进行训练构成数据诊断单元，对孪生体预测数据进行分析预测，得到分析预测结果，并将其输送到终端工作站上；所述终端工作站作为相应的虚拟模型以及故障预测算法的载体，同时作为人机交互的终端，其时刻运行着报警单元，为可预测和不可预测的故障做出响应，方便工作人员做出警觉。
5、优选的，所述智能采集模块包括电机监测单元、织物状态监测单元、温度监测单元、湿度监测单元、中控器。所述传感器、设备检测设备以及控制器包括但不限于工业摄像机、温度传感器、湿度传感器、中控器、工业摄像头、纱线智能检测头、线条干仪检测、速度测量仪、电压电流测量仪、振动传感器、stm32单片机等。
6、该技术方案所实现的技术效果：智能采集模块为系统采集实时数据，工业摄像机用于采集监控画面采集织物的进布状态信息、设备工作状态、轨道系统的运行状态等图像信息；温度传感器用于采集烘房的温度和织物的温度信息；湿度传感器用于采集干热风的湿度和织物的湿度信息；电机监测器用于采集电机的运行状态信息包括电机的电压、电流，轴承振动状况等。中控器实现对各采集单元的频率进行控制。信息数据变化较小时减少采集频率，信息数据变化较大时增加采集频率。提高了数据采集的准确性、实用性，减少信息重复量、无用量，改善信息采集冗多的问题。
7、优选的，所述数据分析存储模块采用负责预处理分析的hample滤波器函数，对于误差值较大的数据不予存储；采用负责存储读入读取的influxdb数据库组成。influxdb数据库带有历史数据库和实时数据库，将时序数据分为实时数据与历史数据分别存储到不同的数据库中，方便两数据库分别实现读取读入，同时采用流式方法进行查询预处理，实现数据快速传输。利用influxdb数据库的point部分函数对实时数据进行分类，打标签，再将其存入历史数据库之中并保留出案例库数据，再通过数据保留策略，及时高效地删除过期冷数据，提升存储效率。
8、该技术方案所实现的技术效果：滤波器函数实现对采集数据的预处理，将误差较大的数据进行处理筛选，确保数据的准确性、实用性。influxdb数据库实现对时序数据的快速写入和高效数据压缩，保证数据及时高效地完成收集、存储、查询、可视化显示和执行预定义操作。将时序数据分别储存在实时数据库和历史数据库，分别用于不同功能实时数据库可经opcua协议与虚拟孪生体建立通信，形成虚实相映。历史数据库可构建故障案例库用于导入历史故障数据，基于深度学习的方法建立故障模型预测单元，也可引入历史数据库的大数据对rnn-lstm神经网络训练，建立大数据驱动的数据预测模型，提升故障诊断的准确性。
9、优选的，所述的数字孪生模块首先利用模型驱动的方法建立同一物理实体多尺度、跨时间的初始孪生模型，基于初始模型，连接物理空间向数字空间传递的数据，搭建实时映射的运维数字孪生模型。通过opcua协议与数据库建立通信。将设备实时数据与模型数据进行迭代、演化与融合，实现物理与虚拟模型的数据融合，使虚拟实体能够真实反映出物理实体的全要素在整个工作过程的运行状态。
10、该技术方案所实现的技术效果：将物理层数据与虚拟孪生体数据进行融合，更新虚拟孪生体数据，确保数据的及时性，准确性。运行虚拟孪生体进行模拟，预测设备运行趋势，得到未来趋势数据本文档来自技高网...
【技术保护点】
1.一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述系统包括：智能采集模块、数据分析存储模块、数字孪生模块、故障预测模块以及终端工作站组成；
2.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述智能采集模块各监测单元的传感器和监测器设备主要包括工业摄像机、温度传感器、湿度传感器、中控器、工业摄像头、纱线智能检测头、线条干仪检测、速度测量仪、电压电流测量仪、振动传感器。
3.根据权利要求2所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述智能采集模块需采集各类设备运行状态及参数实时数据主要包括：电机轴承的振动频幅、电机电压电流、烘房温度、织物的进布状态、轨道系统的运行状态、干热风的湿度、织物的温度和湿度以及各设备的运行电压电流等。
4.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述的数据分析存储模块，采用hample滤波器函数对采集的数据进行预处理；采用InfluxDB数据库，构建实
5.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述的数字孪生模块，利用模型驱动的方法建立同一物理实体多尺度、跨时间的初始孪生模型，并通过opcua协议实现与数据库和采集模块的通讯，实现物理空间与虚拟空间的数据融合，建实时映射的运维数字孪生模型。将设备实时数据与模型数据进行迭代、演化与融合，实现物理与虚拟模型的数据融合，使虚拟实体能够真实反映出物理实体的全要素在整个工作过程的运行状态；并通过实时数据进行虚拟模拟仿真，预测未来趋势，得到趋势数据。
6.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述的故障预测模块运行故障模型诊断单元与数据诊断单元，先将孪生体预测数据输入到模型诊断单元，若为已知故障，则快速处理并输出大致的故障诊断结果，再将该结果及原始数据输入数据诊断单元实现误差修正输出最终结果，若为未知故障，则进行故障关键特性数据筛选，再将筛选后的数据输入到数据诊断单元进行数据驱动诊断，由RNN-LSTM神经网络进行故障诊断分析，得到故障预测结果并将未知故障数据存入故障案例库之中。
7.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述可控终端包括报警单元、分析显示单元、外接控制单元，其中分析显示单元包括：高清显示屏，外接控制单元包括：外接键盘、鼠标，报警单元包括：扬声器和LED灯；所述报警单元的第二输出端与所述扬声器连接，所述报警单元的第三输出端与所述LED灯连接。报警单元实时运行在可控终端中，确保遇到故障及时进行警报行为。
...【技术特征摘要】
1.一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述系统包括：智能采集模块、数据分析存储模块、数字孪生模块、故障预测模块以及终端工作站组成；
2.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述智能采集模块各监测单元的传感器和监测器设备主要包括工业摄像机、温度传感器、湿度传感器、中控器、工业摄像头、纱线智能检测头、线条干仪检测、速度测量仪、电压电流测量仪、振动传感器。
3.根据权利要求2所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述智能采集模块需采集各类设备运行状态及参数实时数据主要包括：电机轴承的振动频幅、电机电压电流、烘房温度、织物的进布状态、轨道系统的运行状态、干热风的湿度、织物的温度和湿度以及各设备的运行电压电流等。
4.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述的数据分析存储模块，采用hample滤波器函数对采集的数据进行预处理；采用influxdb数据库，构建实时数据库和历史数据库，实时数据通过数据保留策略和point部分函数打标分类存入到历史数据库；导入设备历史故障数据，由历史数据库构建出故障案例库。
5.根据权利要求1所述的一种基于模型与数据耦合驱动的数字孪生热定形烘房故障预诊断系统，其特征在于，所述的数字孪生模块，利用模型驱动的...
【专利技术属性】
技术研发人员：钱淼，孙世杰，刘乐，余普凡，向忠，胡旭东，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。