本發(fā)明涉及故障診斷方法，具體為一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法。

背景技術：

1、隨著科技的不斷發(fā)展，智慧工廠已經(jīng)成為現(xiàn)代工廠發(fā)展的新趨勢，智慧工廠在數(shù)字化工廠的基礎上，利用物聯(lián)網(wǎng)的技術和設備監(jiān)控技術加強信息管理和服務，清楚掌握產(chǎn)銷流程、提高生產(chǎn)過程的可控性；

2、在智慧工廠的運行過程中，為了保障智慧工廠的可靠性和安全性，通常需要對智慧工廠進行預防性維護方式，一般的預防性維護方式是對智慧工廠進行定期檢查和故障維修，但是這種預防性維護的方式效率低，快速故障檢測困難。

3、現(xiàn)有的故障預測與仿真方法存在的缺陷是：

4、1、申請文件cn116719658a公開了一種數(shù)據(jù)中臺運行故障預測方法，但是該故障預測的方法沒有考慮使用數(shù)字孿生技術在虛擬數(shù)字信息層面來預測故障；

5、2、現(xiàn)有技術中的故障預測方法基本上僅僅將歷史故障數(shù)據(jù)作為故障預測方法的樣本告警數(shù)據(jù)，不夠全面，從而使故障告警模型訓練效果不佳；

6、3、申請文件cn114330010a提出了一種數(shù)字核電站仿真運行數(shù)據(jù)的預測方法，但是該預測方法在預測到故障后，沒有幫助工作人員對故障進行精準定位；

7、4、現(xiàn)有技術中的故障預測和仿真方法沒有考慮對故障數(shù)據(jù)的故障數(shù)據(jù)訓練樣本進行實時更新，擴大故障預測模型訓練樣本的數(shù)量。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，以解決上述背景技術中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，該故障預測與仿真方法包括以下步驟：

3、步驟s1、規(guī)劃智慧工廠的全面工作流程：規(guī)劃智慧工廠的工藝步驟，確定智慧工廠各工作階段的生產(chǎn)設備和設備的運行參數(shù)；

4、步驟s2、搭建智慧工廠的數(shù)字孿生仿真模型：根據(jù)智慧工廠的實際場地信息建立智慧工廠的三維仿真模型，并將智慧工廠的實時運行狀態(tài)和三維仿真模型關聯(lián)，實時監(jiān)測智慧工廠的運行數(shù)據(jù)，基于數(shù)字孿生技術生成智慧工廠的數(shù)字孿生仿真模型；

5、步驟s3、故障預測模型的訓練：將存儲于智慧工廠系統(tǒng)的樣本數(shù)據(jù)庫中不同類別的告警故障數(shù)據(jù)信息分別輸入智慧工廠的數(shù)字孿生仿真模型，并經(jīng)過批量仿真計算獲取對應故障仿真數(shù)據(jù)，將不同類別的告警故障數(shù)據(jù)和故障仿真數(shù)據(jù)錄入故障預測模型，對故障預測模型進行訓練；

6、步驟s4、故障預測分析和定位：將實時監(jiān)測的智慧工廠運行數(shù)據(jù)輸入至故障預測模型，并對監(jiān)測的智慧工廠運行數(shù)據(jù)進行故障預測，當檢測到故障仿真數(shù)據(jù)后，根據(jù)故障仿真數(shù)據(jù)對應的故障數(shù)據(jù)確定故障位置，定位故障根源，依據(jù)預測結果進行故障工單的下達。

7、優(yōu)選的，在步驟s2中，所述數(shù)字孿生仿真模型通過全棧三維可視化技術對建模進行精細化處理，智慧工廠的廠區(qū)、車間、生產(chǎn)流水線和運行設備均逐級可視。

8、優(yōu)選的，在步驟s2中，基于數(shù)字孿生技術獲得智慧工廠的實際運行參數(shù)的方法為：通過制造執(zhí)行系統(tǒng)獲取生產(chǎn)及制造信息，通過傳感器獲取設備運行狀況信息，通過電檢測儀獲取設備運行電流電壓情況，通過溫度及濕度傳感器采集車間環(huán)境信息，通過智能攝像頭捕捉設備是否處在運行狀態(tài)。

9、優(yōu)選的，在步驟s3中，存儲于智慧工廠系統(tǒng)的樣本數(shù)據(jù)庫中的告警故障數(shù)據(jù)信息包括智慧工廠歷史運行異常數(shù)據(jù)和手動錄入的異常數(shù)據(jù)，存儲于智慧工廠系統(tǒng)的樣本數(shù)據(jù)庫中的告警故障數(shù)據(jù)信息根據(jù)智慧工廠工作過程中的不同工作階段進行分類。

10、優(yōu)選的，在步驟s3中，對經(jīng)過批量仿真計算后獲取的故障仿真數(shù)據(jù)進行數(shù)據(jù)清洗和預處理，將經(jīng)過處理后的故障仿真數(shù)據(jù)與對應的故障告警信息錄入故障預測模型，對故障預測模型進行訓練。

11、優(yōu)選的，在步驟s3中，數(shù)字孿生仿真模型通過cpu仿真機配置模型參數(shù)，實現(xiàn)模型錄入的測試參數(shù)和運行仿真參數(shù)的關聯(lián)和交互。

12、優(yōu)選的，在步驟s4中，當故障預測模型檢測到故障仿真數(shù)據(jù)后，確定與之對應的故障數(shù)據(jù)，根據(jù)該故障對生產(chǎn)過程的影響進行分級，根據(jù)該故障的發(fā)生位置確定故障類型，故障預測模型根據(jù)該故障的類型、等級以及目前的運行工況，通過數(shù)據(jù)檢索技術對智慧工廠的數(shù)據(jù)庫進行檢索，獲取故障推薦解決方案。

13、優(yōu)選的，在步驟s4中，故障預測模型下達的故障工單的內容包括故障數(shù)據(jù)、故障等級、故障類型、故障位置和故障推薦解決方案。

14、優(yōu)選的，在步驟s4中，當故障預測模型檢測到故障后，將相應的故障數(shù)據(jù)保存至智慧工廠的數(shù)據(jù)庫樣本，更新智慧工廠的數(shù)據(jù)庫樣本，并將故障工單反饋到物理空間執(zhí)行相應的解決方案。

15、優(yōu)選的，智慧工廠的數(shù)字孿生仿真模型和故障訓練模型對智慧工廠的數(shù)據(jù)集樣本的更新做出響應動作，智慧工廠的數(shù)字孿生仿真模型將智慧工廠的數(shù)據(jù)庫樣本中更新的故障數(shù)據(jù)輸入進行仿真模擬，獲取更新的故障仿真數(shù)據(jù)，故障訓練模型將更新的故障數(shù)據(jù)和故障仿真數(shù)據(jù)錄入故障預測模型，對故障預測模型進行更新訓練。

16、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

17、1、本發(fā)明通過將數(shù)字孿生技術和故障預測相結合，使得該智慧工廠能夠基于數(shù)字孿生技術在虛擬數(shù)字層面建立能反映車間真實狀態(tài)的數(shù)字孿生體仿真模型，并通過故障預測模型對數(shù)字孿生仿真建模的虛擬測試來預測智慧工廠的工作過程中可能發(fā)生的故障，從而提高智慧工廠的工作可靠性和安全性，并為智慧工廠后續(xù)的快速維修提供有力支撐。

18、2、本發(fā)明不僅僅將智慧工廠的歷史運行異常數(shù)據(jù)作為故障告警數(shù)據(jù)的樣本，還加入了手動錄入的異常數(shù)據(jù)作為樣本數(shù)據(jù)庫中的故障告警樣本，在樣本數(shù)據(jù)庫中增加工作人員依靠過往經(jīng)驗手動輸入的異常數(shù)據(jù)，使得故障樣本數(shù)據(jù)更為全面，同時通過將故障告警樣本輸入數(shù)字孿生仿真模型進行批量仿真來獲取故障仿真數(shù)據(jù)，使得該故障預測模型的樣本數(shù)據(jù)更加完備，提高了該故障預測模型的故障預測能力。

19、3、本發(fā)明通過故障預測模型對智慧工廠進行故障預測，并在檢測到故障仿真數(shù)據(jù)后，根據(jù)該故障對生產(chǎn)過程的影響進行分級，根據(jù)該故障的發(fā)生位置確定故障類型，并且采用數(shù)據(jù)檢索技術對智慧工廠的數(shù)據(jù)庫進行檢索，獲取故障推薦解決方案，最終將故障工單反饋到物理空間執(zhí)行相應的解決方案，從而幫助工作人員更快的精準定位故障位置，給工作人員提供故障解決方案，提高了智慧工廠的故障解決能力。

20、4、本發(fā)明的故障預測模型通過樣本數(shù)據(jù)庫中不同類別的告警故障數(shù)據(jù)信息和故障仿真數(shù)據(jù)的訓練，使得該故障預測模型能夠識別智慧工廠工作過程中的故障情況，并且在檢測到新的故障后及時更新故障數(shù)據(jù)和故障仿真數(shù)據(jù)，將故障數(shù)據(jù)再次投入數(shù)字孿生仿真模型進行批量仿真，擴大故障預測模型的訓練數(shù)據(jù)，提高了故障預測模型預測故障的準確性。

技術特征：

1.一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于，該故障預測與仿真方法包括以下步驟：

2.根據(jù)權利要求1所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：在步驟s2中，所述數(shù)字孿生仿真模型通過全棧三維可視化技術對建模進行精細化處理，智慧工廠的廠區(qū)、車間、生產(chǎn)流水線和運行設備均逐級可視。

3.根據(jù)權利要求1所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：在步驟s2中，基于數(shù)字孿生技術獲得智慧工廠的實際運行參數(shù)的方法為：通過制造執(zhí)行系統(tǒng)獲取生產(chǎn)及制造信息，通過傳感器獲取設備運行狀況信息，通過電檢測儀獲取設備運行電流電壓情況，通過溫度及濕度傳感器采集車間環(huán)境信息，通過智能攝像頭捕捉設備是否處在運行狀態(tài)。

4.根據(jù)權利要求1所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于，在步驟s3中，存儲于智慧工廠系統(tǒng)的樣本數(shù)據(jù)庫中的告警故障數(shù)據(jù)信息包括智慧工廠歷史運行異常數(shù)據(jù)和手動錄入的異常數(shù)據(jù)，存儲于智慧工廠系統(tǒng)的樣本數(shù)據(jù)庫中的告警故障數(shù)據(jù)信息根據(jù)智慧工廠工作過程中的不同工作階段進行分類。

5.根據(jù)權利要求1所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：在步驟s3中，對經(jīng)過批量仿真計算后獲取的故障仿真數(shù)據(jù)進行數(shù)據(jù)清洗和預處理，將經(jīng)過處理后的故障仿真數(shù)據(jù)與對應的故障告警信息錄入故障預測模型，對故障預測模型進行訓練。

6.根據(jù)權利要求1所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：在步驟s3中，數(shù)字孿生仿真模型通過cpu仿真機配置模型參數(shù)，實現(xiàn)模型錄入的測試參數(shù)和運行仿真參數(shù)的關聯(lián)和交互。

7.根據(jù)權利要求1所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：在步驟s4中，當故障預測模型檢測到故障仿真數(shù)據(jù)后，確定與之對應的故障數(shù)據(jù)，根據(jù)該故障對生產(chǎn)過程的影響進行分級，根據(jù)該故障的發(fā)生位置確定故障類型，故障預測模型根據(jù)該故障的類型、等級以及目前的運行工況，通過數(shù)據(jù)檢索技術對智慧工廠的數(shù)據(jù)庫進行檢索，獲取故障推薦解決方案。

8.根據(jù)權利要求7所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：在步驟s4中，故障預測模型下達的故障工單的內容包括故障數(shù)據(jù)、故障等級、故障類型、故障位置和故障推薦解決方案。

9.根據(jù)權利要求1所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：在步驟s4中，當故障預測模型檢測到故障后，將相應的故障數(shù)據(jù)保存至智慧工廠的數(shù)據(jù)庫樣本，更新智慧工廠的數(shù)據(jù)庫樣本，并將故障工單反饋到物理空間執(zhí)行相應的解決方案。

10.根據(jù)權利要求9所述的一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，其特征在于：智慧工廠的數(shù)字孿生仿真模型和故障訓練模型對智慧工廠的數(shù)據(jù)集樣本的更新做出響應動作，智慧工廠的數(shù)字孿生仿真模型將智慧工廠的數(shù)據(jù)庫樣本中更新的故障數(shù)據(jù)輸入進行仿真模擬，獲取更新的故障仿真數(shù)據(jù)，故障訓練模型將更新的故障數(shù)據(jù)和故障仿真數(shù)據(jù)錄入故障預測模型，對故障預測模型進行更新訓練。

技術總結
本發(fā)明公開了一種智慧工廠中基于數(shù)字孿生的故障預測與仿真方法，該故障預測與仿真方法包括如下步驟：步驟S1、規(guī)劃智慧工廠的全面工作流程；步驟S2、搭建智慧工廠的數(shù)字孿生仿真模型；步驟S3、故障預測模型的訓練；步驟S4、故障預測分析和定位。本發(fā)明通過將數(shù)字孿生技術和故障預測相結合，使得該智慧工廠能夠基于數(shù)字孿生技術在虛擬數(shù)字層面建立反映車間真實狀態(tài)的數(shù)字孿生體仿真模型，并通過故障預測模型對數(shù)字孿生仿真建模的虛擬測試來預測智慧工廠的工作過程中可能發(fā)生的故障，從而提高智慧工廠的工作可靠性和安全性，并為智慧工廠后續(xù)的快速維修提供有力支撐，通過增加故障預測模型的訓練樣本，從而提高了該故障預測模型的故障預測能力。

技術研發(fā)人員：黃國軍,黃祺雯,杭呈,程志祥,劉沙沙,余建烽,施威遠,王錦濤,黃維娜,陳夢怡
受保護的技術使用者：寧波金雨科技實業(yè)有限公司
技術研發(fā)日：
技術公布日：2025/1/6