数字孪生驱动的离心泵机组状态监测和故障诊断系统研究

作     者：杨凌翮 

作者单位：江苏科技大学 

学位级别：硕士

导师姓名：张胜文

授予年度：2021年

学科分类：080704[工学-流体机械及工程] 08[工学] 0807[工学-动力工程及工程热物理] 

主      题：离心泵机组 数字孪生 深度学习 数字孪生模型修正 状态监测与故障诊断系统 

摘      要：在传统的状态监测和故障诊断中,设备的数字化和智能化程度不高,无法实现设备在物理空间和信息空间之间的实时映射、故障实时预测、故障模型同步,导致故障反馈慢、运维效率低、维修成本高等问题。对此,本文提出数字孪生驱动的离心泵机组状态监测和故障诊断的新方案,并在此方案的基础上围绕数字孪生映射模型的构建、故障实时诊断、诊断结果验证、数字孪生模型修正、深度学习模型重构等关键技术进行深入研究。具体的研究内容如下:(1)离心泵机组状态监测和故障诊断系统总体方案设计。基于状态监测、故障诊断、故障维护等过程的需求分析,根据离心泵机组的特点,为状态监测和故障诊断系统制定相应的研究目标,并设计了数字孪生驱动的离心泵机组状态监测和故障诊断系统的架构和功能模块。(2)离心泵机组数字孪生映射模型构建技术研究。通过构建数字孪生映射模型的方式,将数字孪生技术融入健康管理过程,实现离心泵机组的状态监测、故障诊断和故障维护等服务功能。基于离心泵机组实体,对数据采集方式、孪生模型构建方法、孪生数据构建方法、系统服务功能模块集成设计方法以及前四者之间的连接方式进行相应研究。(3)数据驱动和模型驱动相融合的故障诊断技术研究。基于构建的数字孪生映射模型,对智能诊断技术展开深入研究。以采集的实时振动数据为基础,通过深度学习的故障诊断方法对离心泵机组进行故障的实时分析和预测。依据智能诊断结果,利用模型驱动的结果验证方法进行诊断结果可靠性分析。在故障确定之后,修正离心泵机组的孪生模型,保证物理实体和虚拟模型保持一致,从而实现故障模型的同步。为保证故障诊断的准确率,以验证结果为驱动条件,通过构建相应的反馈机制实现深度学习模型重构。(4)数字孪生驱动的离心泵机组的状态监测和故障诊断系统实现。基于对系统架构和功能模块的构建,通过对关键技术的研究设计了系统的运行机制和流程以及人机交互界面,完成了原型系统的集成化开发。最后,通过三种不同的工况验证系统的可行性和稳定性。