基于数字孪生的采煤机状态监测方法、系统及电子设备

本发明涉及状态实时监测，特别是涉及一种基于数字孪生的采煤机状态监测方法、系统及电子设备。

背景技术：

1、采煤机是综采工作面的核心设备，起着截割煤层的作用。其工作效率直接影响着煤炭开采的效率和经济回报。然而，由于采煤机的内部结构复杂，以及工作环境统计等不利因素的存在，导致采煤机故障频发的问题。这些故障往往会带来严重的经济损失，甚至可能危及人员的生命安全。目前的采煤机状态监测方法主要依赖于专家系统、物理模型仿真、深度学习算法以及一些基于有限数据分析的判断。然而，这些方法的存在，无法精确映射设备的物理状态映射到信息空间，也无法实时预测设备的健康状态或以可视化的方式呈现设备的姿态。这导致了分析结果的限制、准确度的不足以及效率的低下等问题，难以有效地指导预测性维护策略的实施。

技术实现思路

1、本发明的目的是提供一种基于数字孪生的采煤机状态监测方法、系统及电子设备，将采煤机备的物理状态精准映射到虚拟信息空间中，实现了对物理实体姿态的可视化呈现，实现了采煤机状态的可视化监测。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于数字孪生的采煤机状态监测方法，包括：

4、获取采煤机物理实体的物理参数、实时驱动数据和实时状态数据；所述物理参数包括：几何参数、材料属性和位置参数；所述几何参数包括：机械设备长度、高度、宽度和孔深，所述材料属性包括：材料类型、刚度、强度和弹性模量，所述位置参数包括：移动距离、倾斜角度、旋转角度和高度；所述实时驱动数据包括：实时位置、实时速度和摇臂的实时角度；所述实时状态数据包括：实时振动信息；

5、根据所述采煤机物理实体的物理参数在unity3d引擎上构建采煤机数字孪生模型；

6、基于所述实时驱动数据和所述实时状态数据更新所述采煤机数字孪生模型的状态。

7、可选地，所述方法还包括：

8、将所述采煤机物理实体的实时驱动数据和实时状态数据输入至剩余寿命预测模型中，得到所述采煤机物理实体的剩余寿命；所述剩余寿命预测模型是基于多组样本数据对深度神经网络模型进行训练得到的，所述深度神经网络模型包括：深度卷积神经网络、自编码器和双向门循环单元；所述样本数据包括：训练用采煤机物理实体的历史驱动数据和历史状态数据以及对应的实际剩余寿命。

9、可选地，根据所述采煤机物理实体的物理参数在unity3d引擎上构建采煤机数字孪生模型，包括：

10、基于所述采煤机物理实体的物理参数和采煤机物理实体的各组件之间的运动关系，利用三维建模技术以及unity3d引擎渲染技术生成所述采煤机数字孪生模型。

11、可选地，所述实时驱动数据和实时状态数据数据通过设置在所述采煤机物理实体上的多个传感器获取，各所述传感器包括：位置编码器、角速度传感器和振动传感器；

12、通过所述位置编码器获取所述实时位置和所述实时速度，通过所述角速度传感器获取所述摇臂的实时角度，通过所述振动传感器获取所述实时振动信息。

13、可选地，在基于所述实时驱动数据和所述实时状态数据更新所述采煤机数字孪生模型的状态之前，还包括：

14、采用rs485串口通信和modbus rtu通信协议将所述实时驱动数据和所述实时状态数据发送至所述unity3d引擎。

15、一种基于数字孪生的采煤机状态监测系统，包括：

16、数据采集模块，用于获取采煤机物理实体的物理参数、实时驱动数据和实时状态数据；所述物理参数包括：几何参数、材料属性和位置参数；所述几何参数包括：机械设备长度、高度、宽度和孔深，所述材料属性包括：材料类型、刚度、强度和弹性模量，所述位置参数包括：移动距离、倾斜角度、旋转角度和高度；所述实时驱动数据包括：实时位置、实时速度和摇臂的实时角度；所述实时状态数据包括：实时振动信息；

17、模型构建模块，用于根据所述采煤机物理实体的物理参数在unity3d引擎上构建采煤机数字孪生模型；

18、可视化模块，用于基于所述实时驱动数据和所述实时状态数据更新所述采煤机数字孪生模型的状态。

19、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的基于数字孪生的采煤机状态监测方法。

20、可选地，所述存储器为可读存储介质。

21、根据本发明提供的具体实施例，本发明公开了以下技术效果：

22、本发明公开了一种基于数字孪生的采煤机状态监测方法、系统及电子设备，首先，获取采煤机物理实体的物理参数、实时驱动数据和实时状态数据；然后，根据采煤机物理实体的物理参数在unity3d引擎上构建采煤机数字孪生模型；最后，基于实时驱动数据和实时状态数据更新采煤机数字孪生模型的状态。本发明借助unity3d引擎的内部组件、内部库和c#编程，能够将采煤机的物理状态精准映射到虚拟信息空间中，实现了对采煤机物理实体姿态的可视化呈现，实现了采煤机状态的可视化监测。

技术特征：

1.一种基于数字孪生的采煤机状态监测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于数字孪生的采煤机状态监测方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的基于数字孪生的采煤机状态监测方法，其特征在于，根据所述采煤机物理实体的物理参数在unity3d引擎上构建采煤机数字孪生模型，包括：

4.根据权利要求1所述的基于数字孪生的采煤机状态监测方法，其特征在于，所述实时驱动数据和实时状态数据数据通过设置在所述采煤机物理实体上的多个传感器获取，各所述传感器包括：位置编码器、角速度传感器和振动传感器；

5.根据权利要求1所述的基于数字孪生的采煤机状态监测方法，其特征在于，在基于所述实时驱动数据和所述实时状态数据更新所述采煤机数字孪生模型的状态之前，还包括：

6.一种基于数字孪生的采煤机状态监测系统，其特征在于，所述系统包括：

7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的基于数字孪生的采煤机状态监测方法。

8.根据权利要求7所述的一种电子设备，其特征在于，所述存储器为可读存储介质。

技术总结
本发明公开一种基于数字孪生的采煤机状态监测方法、系统及电子设备，涉及状态实时监测技术领域，所述方法包括：获取采煤机物理实体的物理参数、实时驱动数据和实时状态数据；物理参数包括几何参数、材料属性和位置参数；几何参数包括机械设备长度、高度、宽度和孔深，材料属性包括材料类型、刚度、强度和弹性模量，位置参数包括移动距离、倾斜角度、旋转角度和高度；实时驱动数据包括实时位置、实时速度和摇臂的实时角度；实时状态数据包括实时振动信息；根据采煤机物理实体的物理参数在Unity3D引擎上构建采煤机数字孪生模型；基于实时驱动数据和实时状态数据更新采煤机数字孪生模型的状态。本发明实现了采煤机状态的可视化监测。

技术研发人员：丁华,张瑞珈,王昱栋,李宁,孙晓春,王光,赵伟卓,马子越,浦国树,楚寒驰
受保护的技术使用者：太原理工大学
技术研发日：
技术公布日：2024/2/6