【技術實現步驟摘要】
本專利技術涉及設備異常檢測，具體地，涉及一種數字孿生中一種模型檢測設備異常的方法。
技術介紹
1、當前常見的設備檢測異常的
技術介紹
涉及多個方面，包括異常檢測算法、數字孿生技術、機器學習與深度學習、數據驅動的方法等。這些技術往往有機結合，共同構成了設備檢測異常的先進技術支持體系。
2、由于數字孿生是一種通過創建物理系統的虛擬副本，實現對現實世界物體或系統的精確模擬的技術，從而在異常檢測方面展現出顯著的優勢。數字孿生技術通過實時接收設備傳感器的數據，如溫度、振動等，使模型能夠反映實際設備的工作狀態和環境變化。這允許在設備出現故障前進行預測，從而提前進行維護，避免意外停機和生產損失。數字孿生模型還可以用于模擬和分析設備的運行狀態，從而識別和診斷潛在的故障。并且數字孿生模型具有自我修正的特性，可以通過驗證診斷結果來修正模型。這種自我修正機制確保了物理設備和虛擬模型的同步，提高了故障診斷的精度和范圍。本專利技術以連鑄機為例，介紹數字孿生中一種模型檢測設備異常的方法。
3、連鑄機生產流程是將高溫鋼水連續不斷地澆注到一個或一組水冷銅制結晶器內，鋼水沿結晶器周邊逐漸凝固成坯殼，待鋼液面上升到一定高度，坯殼凝固到一定厚度后拉矯機將坯拉出，并經二次冷卻區噴水冷卻使鑄坯完全凝固，由切割裝置根據軋鋼要求切成定尺。這種使高溫鋼水直接澆注成鋼坯的工藝過程稱為連鑄?，F在的煉鋼企業，不論是長流程煉鋼還是短流程煉鋼，連鑄機的配備幾乎成為必然。
4、而在設備生產過程中，存在一系列的業務痛點和挑戰，如故障頻發、數據分散、維護困難等
5、1、系統性能方面的智能化程度低，多依賴人工觀察和經驗判斷，自動化和智能化水平不高。
6、2、實時性不足，異常信號的捕捉和處理不夠迅速，可能導致問題惡化后才被發現。
7、3、準確性有待提高，檢測算法可能因環境干擾或設備老化而產生誤報或漏報。
8、4、適應性差，對于不同規格的鑄坯或變化的工藝參數，檢測系統可能需要頻繁調整。
9、5、維護困難，復雜的硬件配置和維護流程增加了系統的運行成本。
10、6、數據處理方面，信息孤島現象嚴重，各個傳感器和控制系統之間缺乏有效的數據共享和整合。
11、7、數據分析能力有限，缺乏深度學習和大數據分析技術來挖掘潛在的故障模式。
12、且歷史數據利用不足，往往忽視了歷史故障數據的價值，未能用于優化檢測模型。
13、8、缺乏預測性維護，主要集中在事后處理，而非提前預測并防止故障發生。不僅會影響經濟效益，同樣存在一定的安全隱患，如部分老舊設備的電氣安全標準不達標，存在觸電風險。
14、9、人機交互方面，操作界面不友好，用戶界面復雜，不利于快速掌握和操作。
15、10、培訓成本高：新員工需要長時間培訓才能熟悉系統的操作和異常處理流程。
16、專利文獻cn115289837a公開了一種基于數字孿生的回轉窯狀態異常檢測系統，包括數字孿生模塊和異常檢測模塊；數字孿生模塊包括物理層、數據層和模型層；異常檢測模塊包括算法庫和在線預測層。
17、但是，專利文獻cn115289837a的數字孿生建模方法是，將數字孿生模塊和異常檢測模塊集成融合，再基于unity3d的三維可視化技術，實現回轉窯的瀏覽和展示，更側重于直觀展示和實時操作，適合快速應用和對視覺效果有較高要求的場景。而本方法是基于機理與數據耦合的仿真環境建模，需要深入了解設備的工作原理、關鍵組件和工藝參數，模型更精確，可擴展性更好，更強調模型的精確性和科研深度，適用于需要深入分析和長期研究的領域。
技術實現思路
1、針對現有技術中的缺陷，本專利技術的目的是提供一種數字孿生中一種模型檢測設備異常的方法。
2、根據本專利技術提供的一種數字孿生中一種模型檢測設備異常的方法，包括：
3、步驟s1：基于機理與數據耦合的仿真環境建模，得到設備仿真模型；
4、步驟s2：定義所述設備仿真模型的動作空間與狀態空間；
5、步驟s3：獲取原始數據并進行原始數據預處理及可視化；
6、步驟s4：根據對所述數據分析并進行拆解后，得到單變量異常檢測模型，并通過所述單變量異常檢測模型進行單變量異常檢測；
7、步驟s5：對所述檢測結果進行評估；
8、步驟s6：在數字孿生平臺調用模型，接入實時數據對所述單變量異常檢測模型進行訓練，通過對異常數據進行分析，再通過設備仿真模型及時處理問題。
9、優選地，所述步驟s1包括：
10、步驟s1.1：根據設備的工作原理和關鍵組件之間的相互作用和影響，建立機理模型；
11、步驟s1.2：通過收集設備實際運行時所產生的數據，并對所述數據進行預處理；
12、步驟s1.3：根據預處理后的數據，建立數據驅動模型；
13、步驟s1.4：將所述機理模型和所述數據驅動模型相結合，得到耦合模型。
14、優選地，所述原始數據預處理包括去噪、插值；
15、所述原始數據包括環境參數、計劃信息和過程信息。
16、優選地，所述狀態空間是指能夠描述設備運行的當前情況，包括設備各個關鍵組件的狀態和工藝參數；
17、所述動作空間是指模型能夠采取的所有操作集合。
18、優選地，所述步驟s3包括：
19、步驟s3.1：對原始數據進行描述；
20、步驟s3.2：對描述后的數據進行預處理；
21、步驟s3.3：從原始數據中提取與目標變量相關的特征，去除冗余特征；
22、步驟s3.4：對處理后的數據進行可視化展示。
23、優選地，所述原始數據包括各設備的點位數據；
24、關鍵的點位數據包括運行參數、設備狀態和過程質量；
25、所述對描述后的數據進行預處理的方式包括去除重復值、缺失值處理、合并規整數據、標記故障類型；
26、所述標記故障類型的方式包括決策樹、支持向量機、神經網絡。
27、優選地，所述步驟s4包括：
28、步驟s4.1：利用knn監督學習算法進行分類出異常點；
29、步驟s4.2：利用prophet算法處理所述異常點。
30、優選地，所述步驟s5中包括將模型都集成到數字孿生平臺算法庫，通過接口的形式提供加載、調用模型的功能，后續對模型的迭代，將基于算法庫進行，只需要更新替換模型權重文件，修改加載和調用的方式，即可完成對模型的迭代部署工作。
31、優選地，還包括模型優化，通過與實際設備的對比驗證模型的效果，包括優化工藝參數、改善產品質量、提高生產效率；
32、根據實際驗證結果對模型進行優化和調整，包括調整神經網絡結構、調整訓練參數。
33、根據本專利技術提供的一種數字孿生中一種模型檢測設備異常的系統，本文檔來自技高網...
【技術保護點】
1.一種數字孿生中一種模型檢測設備異常的方法，其特征在于，包括：
2.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述步驟S1包括：
3.根據權利要求2所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述原始數據預處理包括去噪、插值；
4.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述狀態空間是指能夠描述設備運行的當前情況，包括設備各個關鍵組件的狀態和工藝參數；
5.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述步驟S3包括：
6.根據權利要求5所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述原始數據包括各設備的點位數據；
7.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述步驟S4包括：
8.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述步驟S5中包括將模型都集成到數字孿生平臺算法庫，通過接口的形式提供加載、調用模型的功能，后續對模型的迭代，
9.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，還包括模型優化，通過與實際設備的對比驗證模型的效果，包括優化工藝參數、改善產品質量、提高生產效率；
10.一種數字孿生中一種模型檢測設備異常的系統，其特征在于，包括：
...【技術特征摘要】
1.一種數字孿生中一種模型檢測設備異常的方法，其特征在于，包括：
2.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述步驟s1包括：
3.根據權利要求2所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述原始數據預處理包括去噪、插值；
4.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述狀態空間是指能夠描述設備運行的當前情況，包括設備各個關鍵組件的狀態和工藝參數；
5.根據權利要求1所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述步驟s3包括：
6.根據權利要求5所述的數字孿生中一種模型檢測設備異常的方法，其特征在于，所述原始數據包括各設備的...
【專利技術屬性】
技術研發人員：王森，余意，
申請(專利權)人：上海寶信軟件股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。