一种基于数字孪生的设备预测性维护系统的制作方法

1.本发明属于设备监控领域，涉及数字孪生技术，具体是一种基于数字孪生的设备预测性维护系统。


背景技术：

2.随着工业技术的发展，不少行业需要使用各种各样的工业设备。如机房的互联网设备需要长期24小时不停运转，需要经常在后台对其进行监测，并进行定期维护，从而避免设备发生故障。
3.申请公布号(cn114077235a)提供了一种基于数字孪生技术的设备预测性维护系统及方法，包括：通信模块、三维场景模块、引擎渲染模块、数据融合模块以及可视化模块验。解决了工业互联网行业根据设备具体情况、具体分析进行保养维护的运维工作，提升了设备保养维护的准确性。
4.该现有技术需要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，较为复杂。为此，本技术提出了一种基于数字孪生的设备预测性维护系统，可以更准确的预测设备运行状态，从而达到设备预测维护的目的。


技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于数字孪生的设备预测性维护系统，该种基于数字孪生的设备预测性维护系统解决了在不导入预测性维护算法的情况下，如何采用数字孪生技术对设备进行更加准确的预测性维护的问题。
6.为实现上述目的，根据本发明的第一方面的实施例提出一种基于数字孪生的设备预测性维护系统，包括：虚拟模型构建模块、数据采集模块、云平台模块、数字孪生管理模块以及后台监控模块；各个模块之间信息交互；
7.所述虚拟模型构建模块用于根据实体设备的物理结构进行虚拟设备的三维立体模型的构建，并将构建完成的虚拟设备的三维立体模型导入至所述数字孪生管理模块；
8.所述数据采集模块用于对实体设备的运行数据进行采集，并发送至所述云平台模块；
9.所述云平台模块用于对获取的目标实体设备的运行数据进行存储、预处理和运算处理，输出带有正常/异常标记的运行数据和预测运行状态信息，并发送至所述数字孪生管理模块；
10.所述数字孪生管理模块用于将获取的虚拟设备的三维立体模型和获取的目标实体设备带有正常/异常标记的运行数据和预测运行状态信息进行融合，获取目标实体设备的数字孪生模型，并进行可视化显示；
11.所述后台监控模块用于根据数字孪生管理模块对目标实体设备进行后台远程监控。
12.进一步地，所述虚拟模型构建模块包括图形绘制单元和图形渲染单元；
13.所述图形绘制单元用于根据实体设备的物理结构和连接关系进行三维立体模型的绘制；
14.所述图形渲染单元用于对绘制的三维立体模型进行着色渲染。
15.进一步地，所述数据采集模块设置有温湿度检测传感器、振动检测传感器、电流/电压检测传感器、监控摄像头以及其他类型的检测传感器，分别用于对目标实体设备的温湿度、振动频率、电流/电压值、视频图像以及其他类型数据进行采集获取。
16.进一步地，所述云平台模块对运行数据的预处理包括对运行数据的不完整性、不一致性、偏离期望值以及冗余性进行分析处理。
17.进一步地，所述云平台模块对运行数据的运算处理为将经过预处理后的运输数据输入至前期构建好的神经网络模型，输出带有正常/异常标记的运行数据和预测运行状态信息。
18.进一步地，所述神经网络模型由前期对标记好的相同实体设备的全生命周期的运行历史数据和对应的维护记录数据进行学习并训练所构建，对输入的目标实体设备的运行数据进行内部运算，并对输入的运行数据的正常或异常进行标记，从而输出目标实体设备带有正常或异常的运行数据和预测运行状态信息。
19.进一步地，所述数字孪生管理模块为获取的虚拟设备的三维立体模型与目标实体设备建立一一对应的孪生映射关系，即将目标实体设备带有正常/异常标记的运行数据和预测运行状态信息映射到对应的三维立体模型上。
20.进一步地，针对正常运行数据、异常运行数据以及预测运行状态信息所映射的虚拟设备的三维立体模型的相应位置进行不同颜色标记。
21.进一步地，所述数字孪生管理模块还设置有故障预警单元，所述故障预警单元检测到数字孪生模型对应的异常部位进行声光预警。
22.进一步地，所述后台监控模块连接有设备厂家用户终端、设备用户终端以及第三方用户终端；根据不同用户终端，设置有不同的用户权限。
23.与现有技术相比，本发明的有益效果是：
24.1、本发明中通过数据采集模块采集获取实体设备的运行数据，发送至云平台模块进行分析处理，输出带有正常/异常标记的运行数据和预测运行状态信息至数字孪生管理模块；能够在输入数字孪生管理模块之前对目标实体设备的运行数据进行分析处理，根据运行数据预测运行状态信息，从而进行对设备的预测维护。
25.2、本发明通过虚拟模型构建模块根据实体设备的物理结构构建三维立体模型，并导入至数字孪生管理模块；数字孪生管理模块将目标实体设备带有正常/异常标记的运行数据和预测运行状态信息映射到对应的三维立体模型上，使得实体设备和虚拟设备建立一一对应的孪生映射关系，并且针对正常运行数据、异常运行数据以及预测运行状态信息所映射的虚拟设备的三维立体模型的相应位置进行不同颜色标记，能够更加直观的可视化。
附图说明
26.图1为本发明的系统结构示意图。
具体实施方式
27.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
28.如图1所示，一种基于数字孪生的设备预测性维护系统，包括：虚拟模型构建模块、数据采集模块、云平台模块、数字孪生管理模块以及后台监控模块；各个模块之间信息交互；
29.在本技术中，所述虚拟模型构建模块用于根据实体设备的物理结构进行虚拟设备的三维立体模型的构建，并将构建完成的虚拟设备的三维立体模型导入至所述数字孪生管理模块；
30.具体地，所述虚拟模型构建模块包括图形绘制单元和图形渲染单元；
31.所述图形绘制单元用于根据实体设备的物理结构和连接关系进行三维立体模型的绘制；
32.所述图形渲染单元用于对绘制的三维立体模型进行着色渲染，使得绘制的虚拟设备在计算机图形界面中呈现出真实世界的材质和光影效果；
33.在本技术中，所述数据采集模块用于对实体设备的运行数据进行采集，并将获取的实体设备的运行数据发送至所述云平台模块；
34.具体地，所述数据采集模块根据所要采集的数据类型设置有不同类型的检测传感器，并将不同类型的检测传感器安装在目标实体设备上；
35.不同类型的检测传感器包括温湿度检测传感器、振动检测传感器、电流/电压检测传感器、监控摄像头以及其他类型的检测传感器，分别用于对目标实体设备的温湿度、振动频率、电流/电压值、视频图像以及其他类型数据进行采集获取；
36.在本技术中，所述云平台模块用于对获取的目标实体设备的运行数据进行存储和分析处理；
37.具体地，所述云平台模块将获取的目标实体设备的运行数据按照数据类型进行分类存储；并将存储的运行数据进行预处理后输入至由前期构建好的神经网络模型，输出带有正常/异常标记的运行数据和预测运行状态信息，并将输出的带有正常/异常标记的运行数据和预测运行状态信息发送至所述数字孪生管理模块；
38.其中，所述云平台模块对运行数据的预处理包括对运行数据的不完整性、不一致性、偏离期望值、冗余性等进行分析处理；
39.其中，该神经网络模型由前期对标记好的相同实体设备的全生命周期的运行历史数据和对应的维护记录数据进行学习并训练所构建，对输入的目标实体设备的运行数据进行内部运算，并对输入的运行数据的正常或异常进行标记，从而输出目标实体设备带有正常或异常的运行数据和预测运行状态信息；
40.在本技术中，所述数字孪生管理模块用于将获取的虚拟设备的三维立体模型和获取的目标实体设备带有正常/异常标记的运行数据和预测运行状态信息进行融合，获取目标实体设备的数字孪生模型，并进行可视化显示；
41.具体地，所述数字孪生管理模块为获取的虚拟设备的三维立体模型与目标实体设
备建立一一对应的孪生映射关系，即将目标实体设备带有正常/异常标记的运行数据和预测运行状态信息映射到对应的三维立体模型上；
42.其中，针对正常运行数据、异常运行数据以及预测运行状态信息所映射的虚拟设备的三维立体模型的相应位置进行不同颜色标记；
43.所述数字孪生管理模块还设置有故障预警单元，所述故障预警单元检测到数字孪生模型对应的异常部位进行声光预警；
44.在本技术中，所述后台监控模块用于根据数字孪生管理模块对目标实体设备进行后台远程监控；
45.具体地，所述后台监控模块连接有设备厂家用户终端、设备用户终端以及第三方用户终端；
46.根据不同用户终端，设置有不同的用户权限。
47.基于上述所述的一种基于数字孪生的设备预测性维护系统，一种基于数字孪生的设备预测性维护方法的步骤如下：
48.步骤一：虚拟模型构建模块根据目标实体设备的物理结构构建相应的虚拟设备的三维立体模型，并导入至数字孪生管理模块；
49.步骤二:数据采集模块采集获取目标实体设备的运行数据，并发送至云平台模块；
50.步骤三：云平台模块将获取的目标实体设备的运行数据进行存储和处理，输出带有异常/正常标记的运行数据和目标实体设备病毒运行状态信息，并发送至数字孪生管理模块；
51.步骤四：数字孪生管理模块将虚拟设备的三维立体模型和目标实体设备带有正常/异常标记的运行数据和预测运行状态信息进行融合，获取目标实体设备的数字孪生模型，并进行可视化显示；
52.步骤五：后台监控模块通过数字孪生管理模块对目标实体设备进行远程监控维护。
53.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种基于数字孪生的设备预测性维护系统，其特征在于，包括：虚拟模型构建模块、数据采集模块、云平台模块、数字孪生管理模块以及后台监控模块；各个模块之间信息交互；所述虚拟模型构建模块用于根据实体设备的物理结构进行虚拟设备的三维立体模型的构建，并将构建完成的虚拟设备的三维立体模型导入至所述数字孪生管理模块；所述数据采集模块用于对实体设备的运行数据进行采集，并发送至所述云平台模块；所述云平台模块用于对获取的目标实体设备的运行数据进行存储、预处理和运算处理，输出带有正常/异常标记的运行数据和预测运行状态信息，并发送至所述数字孪生管理模块；所述数字孪生管理模块用于将获取的虚拟设备的三维立体模型和获取的目标实体设备带有正常/异常标记的运行数据和预测运行状态信息进行融合，获取目标实体设备的数字孪生模型，并进行可视化显示；所述后台监控模块用于根据数字孪生管理模块对目标实体设备进行后台远程监控。2.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述虚拟模型构建模块包括图形绘制单元和图形渲染单元；所述图形绘制单元用于根据实体设备的物理结构和连接关系进行三维立体模型的绘制；所述图形渲染单元用于对绘制的三维立体模型进行着色渲染。3.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述数据采集模块设置有温湿度检测传感器、振动检测传感器、电流/电压检测传感器、监控摄像头以及其他类型的检测传感器，分别用于对目标实体设备的温湿度、振动频率、电流/电压值、视频图像以及其他类型数据进行采集获取。4.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述云平台模块对运行数据的预处理包括对运行数据的不完整性、不一致性、偏离期望值以及冗余性进行分析处理。5.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述云平台模块对运行数据的运算处理为将经过预处理后的运输数据输入至前期构建好的神经网络模型，输出带有正常/异常标记的运行数据和预测运行状态信息。6.根据权利要求5所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述神经网络模型由前期对标记好的相同实体设备的全生命周期的运行历史数据和对应的维护记录数据进行学习并训练所构建，对输入的目标实体设备的运行数据进行内部运算，并对输入的运行数据的正常或异常进行标记，从而输出目标实体设备带有正常或异常的运行数据和预测运行状态信息。7.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述数字孪生管理模块为获取的虚拟设备的三维立体模型与目标实体设备建立一一对应的孪生映射关系，即将目标实体设备带有正常/异常标记的运行数据和预测运行状态信息映射到对应的三维立体模型上。8.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，针对正常运行数据、异常运行数据以及预测运行状态信息所映射的虚拟设备的三维立体模型的
相应位置进行不同颜色标记。9.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述数字孪生管理模块还设置有故障预警单元，所述故障预警单元检测到数字孪生模型对应的异常部位进行声光预警。10.根据权利要求1所述的一种基于数字孪生的设备预测性维护系统，其特征在于，所述后台监控模块连接有设备厂家用户终端、设备用户终端以及第三方用户终端；根据不同用户终端，设置有不同的用户权限。

技术总结
本发明公开了一种基于数字孪生的设备预测性维护系统，设备监控领域，涉及数字孪生技术，解决了在不导入预测性维护算法的情况下，如何采用数字孪生技术对设备进行更加准确的预测性维护的问题；本发明通过数据采集模块采集获取实体设备的运行数据，发送至云平台模块进行分析处理，输出带有正常/异常标记的运行数据和预测运行状态信息至数字孪生管理模块；通过虚拟模型构建模块根据实体设备的物理结构构建三维立体模型，并导入至数字孪生管理模块；数字孪生管理模块将目标实体设备带有正常/异常标记的运行数据和预测运行状态信息映射到对应的三维立体模型上，使得实体设备和虚拟设备建立一一对应的孪生映射关系。拟设备建立一一对应的孪生映射关系。拟设备建立一一对应的孪生映射关系。


技术研发人员：樊伟 赵伟臣 郭爱生 张黎 李威强
受保护的技术使用者：安徽交泰智能技术有限公司
技术研发日：2023.03.17
技术公布日：2023/8/5