本技術(shù)涉及故障預(yù)測(cè)，特別涉及一種基于數(shù)字孿生的故障預(yù)測(cè)方法、裝置、終端及介質(zhì)。

背景技術(shù)：

1、日常生產(chǎn)生活中，如電梯、升降梯、車輛、叉車等設(shè)備故障頻發(fā)，不僅嚴(yán)重影響日常生產(chǎn)生活，還可能引發(fā)嚴(yán)重的安全事故。

2、目前，對(duì)上述設(shè)備的監(jiān)測(cè)以及故障預(yù)測(cè)，依賴于對(duì)設(shè)備故障數(shù)據(jù)的采集。但是上述設(shè)備在運(yùn)行中，絕大多數(shù)數(shù)據(jù)均是正常的，這導(dǎo)致和設(shè)備故障強(qiáng)相關(guān)的數(shù)據(jù)量較少，導(dǎo)致對(duì)故障預(yù)測(cè)的能力偏低，往往在故障將要發(fā)生或已經(jīng)發(fā)生后，系統(tǒng)才能預(yù)測(cè)到故障的發(fā)生，預(yù)測(cè)的提前性不足，難以有效指導(dǎo)設(shè)備的維護(hù)以及故障的預(yù)防。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種基于數(shù)字孿生的故障預(yù)測(cè)方法、裝置、終端及介質(zhì)，其優(yōu)點(diǎn)是提高對(duì)設(shè)備的故障預(yù)測(cè)能力。

2、本技術(shù)的技術(shù)方案如下：

3、一方面，本技術(shù)提供一種基于數(shù)字孿生的故障預(yù)測(cè)方法，包括以下步驟：

4、s1：對(duì)設(shè)備進(jìn)行三維建模；

5、s2：利用設(shè)備的三維模型，構(gòu)建設(shè)備的數(shù)字孿生模型，在數(shù)字孿生模型中，構(gòu)建仿真程序?qū)υO(shè)備運(yùn)行狀態(tài)進(jìn)行仿真，收集仿真過(guò)程中產(chǎn)生的設(shè)備運(yùn)行數(shù)據(jù)；

6、s3：在數(shù)字孿生模型中，構(gòu)建若干故障仿真程序用于對(duì)設(shè)備的故障狀態(tài)進(jìn)行仿真，收集故障仿真過(guò)程中產(chǎn)生的設(shè)備運(yùn)行數(shù)據(jù)；

7、s4：采集設(shè)備實(shí)際運(yùn)行過(guò)程中的設(shè)備運(yùn)行數(shù)據(jù)數(shù)據(jù)，通過(guò)與步驟s3獲得的數(shù)據(jù)對(duì)比對(duì)設(shè)備故障進(jìn)行預(yù)測(cè)。

8、進(jìn)一步的，所述步驟s2和s3中，采用unity3d引擎構(gòu)建仿真程序及故障仿真程序，并為設(shè)備的三維模型賦予材質(zhì)貼圖、物理屬性，包括光影效果、質(zhì)量、強(qiáng)度、碰撞屬性及真實(shí)運(yùn)動(dòng)學(xué)模型。

9、進(jìn)一步的，步驟s2中，仿真程序用于仿真設(shè)備正常運(yùn)行時(shí)的運(yùn)行狀態(tài)；

10、步驟s3中，故障仿真程序用于仿真設(shè)備在一個(gè)或多個(gè)故障時(shí)的運(yùn)行狀態(tài)。

11、進(jìn)一步的，步驟s4具體包括：

12、根據(jù)步驟s3獲得數(shù)據(jù)，對(duì)設(shè)備故障時(shí)的設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行特征提取獲得第一數(shù)據(jù)特征；

13、根據(jù)設(shè)備實(shí)際運(yùn)行過(guò)程中的設(shè)備運(yùn)行數(shù)據(jù)數(shù)據(jù)，對(duì)設(shè)備實(shí)際運(yùn)行過(guò)程中的設(shè)備運(yùn)行數(shù)據(jù)數(shù)據(jù)進(jìn)行特征提取獲得第二數(shù)據(jù)特征；

14、實(shí)時(shí)檢測(cè)第二數(shù)據(jù)特征和第一數(shù)據(jù)特征的一致性，并在第二數(shù)據(jù)特征和第一數(shù)據(jù)特征一致性達(dá)到預(yù)設(shè)閾值時(shí)判斷設(shè)備發(fā)生故障。

15、進(jìn)一步的，還包括步驟s5：搭建基于深度學(xué)習(xí)算法的故障預(yù)測(cè)模型，利用步驟s3獲得的數(shù)據(jù)對(duì)故障預(yù)測(cè)模型進(jìn)行訓(xùn)練，通過(guò)訓(xùn)練后的故障預(yù)測(cè)模型對(duì)設(shè)備進(jìn)行故障預(yù)測(cè)；

16、所述故障預(yù)測(cè)模型以卷積神經(jīng)網(wǎng)絡(luò)為算法基礎(chǔ)，包含輸入層、卷積層、池化層、全連接層和輸出層；將步驟s3中獲得的設(shè)備故障時(shí)的運(yùn)行數(shù)據(jù)作為輸入，故障類型作為輸出對(duì)模型進(jìn)行訓(xùn)練。

17、進(jìn)一步的，還包括步驟s6：

18、s61：根據(jù)步驟s2和s3的獲得數(shù)據(jù)，對(duì)故障類型和設(shè)備數(shù)據(jù)進(jìn)行關(guān)聯(lián)化處理，獲得與故障類型關(guān)聯(lián)的若干設(shè)備數(shù)據(jù)；

19、所述的對(duì)故障類型和設(shè)備數(shù)據(jù)進(jìn)行關(guān)聯(lián)化處理包括以下步驟：

20、根據(jù)步驟s2和s3的獲得數(shù)據(jù)，對(duì)單個(gè)故障類型和設(shè)備數(shù)據(jù)進(jìn)行相關(guān)性分析，將相關(guān)性大于預(yù)設(shè)閾值的故障類型和設(shè)備數(shù)據(jù)進(jìn)行關(guān)聯(lián)；

21、s62：采集設(shè)備的歷史運(yùn)行數(shù)據(jù)，并提取與故障類型關(guān)聯(lián)的設(shè)備數(shù)據(jù)；

22、s63：遍歷歷史數(shù)據(jù)中每個(gè)自然日的設(shè)備數(shù)據(jù)，計(jì)算設(shè)備數(shù)據(jù)在每個(gè)自然日中的極值與，d表示自然天；

23、s64：計(jì)算歷史若干自然日中設(shè)備數(shù)據(jù)中極值與的均值與方差，分別記為、、和；通過(guò)曲線擬合分別獲得、、和的變化規(guī)律，并計(jì)算、、和變化到危險(xiǎn)區(qū)間值的時(shí)間用于預(yù)測(cè)故障的發(fā)生時(shí)間；

24、所述的、、和的危險(xiǎn)區(qū)間值由下述方法確定：

25、利用s3中獲得的數(shù)據(jù)，計(jì)算設(shè)備在故障時(shí)設(shè)備數(shù)據(jù)的極值，并計(jì)算極值的均值與方差作為、、和的危險(xiǎn)區(qū)間值。

26、進(jìn)一步的，還包括步驟s7：實(shí)時(shí)采集設(shè)備的運(yùn)行數(shù)據(jù)，并導(dǎo)入數(shù)字孿生模型中用于實(shí)時(shí)更新數(shù)字?jǐn)?shù)字孿生模型，通過(guò)數(shù)字孿生模型對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行可視化展示。

27、又一方面，本技術(shù)提供一種基于數(shù)字孿生的故障預(yù)測(cè)裝置，包括：

28、模型構(gòu)建單元，用于對(duì)設(shè)備進(jìn)行三維建模；

29、數(shù)字孿生單元，用于利用設(shè)備的三維模型，構(gòu)建設(shè)備的數(shù)字孿生模型，在數(shù)字孿生模型中，構(gòu)建仿真程序?qū)υO(shè)備運(yùn)行狀態(tài)進(jìn)行仿真，收集仿真過(guò)程中產(chǎn)生的設(shè)備運(yùn)行數(shù)據(jù)；在數(shù)字孿生模型中，構(gòu)建若干故障仿真程序用于對(duì)設(shè)備的故障狀態(tài)進(jìn)行仿真，收集故障仿真過(guò)程中產(chǎn)生的設(shè)備運(yùn)行數(shù)據(jù)；

30、數(shù)據(jù)采集單元，利用設(shè)備主機(jī)以及布置在設(shè)備上的傳感器采集設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)；

31、第一故障預(yù)測(cè)單元，采集設(shè)備實(shí)際運(yùn)行過(guò)程中的設(shè)備運(yùn)行數(shù)據(jù)數(shù)據(jù)，通過(guò)與數(shù)字孿生單元獲得的設(shè)備故障時(shí)運(yùn)行數(shù)據(jù)對(duì)比對(duì)設(shè)備故障進(jìn)行預(yù)測(cè)；

32、第二故障預(yù)測(cè)單元，用于搭建基于深度學(xué)習(xí)算法的故障預(yù)測(cè)模型，利用步驟s3獲得的數(shù)據(jù)對(duì)故障預(yù)測(cè)模型進(jìn)行訓(xùn)練，通過(guò)訓(xùn)練后的故障預(yù)測(cè)模型對(duì)設(shè)備進(jìn)行故障預(yù)測(cè)；

33、第三故障預(yù)測(cè)單元，用于根據(jù)以下步驟對(duì)設(shè)備進(jìn)行故障預(yù)測(cè)：

34、根據(jù)數(shù)字孿生單元的獲得數(shù)據(jù)，對(duì)故障類型和設(shè)備數(shù)據(jù)進(jìn)行關(guān)聯(lián)化處理，獲得與故障類型關(guān)聯(lián)的若干設(shè)備數(shù)據(jù)；

35、采集設(shè)備的歷史運(yùn)行數(shù)據(jù)，并提取與故障類型關(guān)聯(lián)的設(shè)備數(shù)據(jù)；

36、遍歷歷史數(shù)據(jù)中每個(gè)自然日的設(shè)備數(shù)據(jù)，計(jì)算設(shè)備數(shù)據(jù)在每個(gè)自然日中的極值與，d表示自然天；

37、計(jì)算歷史若干自然日中設(shè)備數(shù)據(jù)中極值與的均值與方差，分別記為、、和；通過(guò)曲線擬合分別獲得、、和的變化規(guī)律，并計(jì)算、、和變化到危險(xiǎn)區(qū)間值的時(shí)間用于預(yù)測(cè)故障的發(fā)生時(shí)間；

38、以及可視化管控平臺(tái)，用于可視化展示設(shè)備的運(yùn)行狀態(tài)。

39、又一方面，本技術(shù)提供一種故障預(yù)測(cè)終端，包括處理器和存儲(chǔ)器，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器調(diào)用執(zhí)行時(shí)，實(shí)現(xiàn)如上所述的方法。

40、又一方面，本技術(shù)提供一種計(jì)算機(jī)可讀介質(zhì)，所述計(jì)算機(jī)可讀介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被計(jì)算機(jī)調(diào)用執(zhí)行時(shí)，實(shí)現(xiàn)如上所述的方法。

41、綜上所述，本技術(shù)的有益效果有：

42、1．本技術(shù)通過(guò)數(shù)字孿生模型對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行仿真，收集仿真過(guò)程中的數(shù)據(jù)，包括故障時(shí)的設(shè)備運(yùn)行數(shù)據(jù)，依據(jù)這個(gè)數(shù)據(jù)，既可以通過(guò)數(shù)據(jù)對(duì)比判斷設(shè)備是否發(fā)生故障，又可以用來(lái)訓(xùn)練故障預(yù)測(cè)模型，提升訓(xùn)練數(shù)據(jù)量以提高模型訓(xùn)練效果，有利于提高設(shè)備故障預(yù)測(cè)的能力與準(zhǔn)確性；

43、2．本技術(shù)通過(guò)篩選出設(shè)備歷史運(yùn)行數(shù)據(jù)中與設(shè)備故障有關(guān)聯(lián)性的數(shù)據(jù)，并計(jì)算數(shù)據(jù)每個(gè)自然日的極值與極值的均值與方差，通過(guò)曲線擬合找出設(shè)備歷史運(yùn)行數(shù)據(jù)的規(guī)律，從而能夠?qū)崿F(xiàn)較長(zhǎng)時(shí)間的故障預(yù)測(cè)，有效提高預(yù)測(cè)的前瞻性，為設(shè)備的維護(hù)保養(yǎng)提供數(shù)據(jù)依據(jù)；將海量的設(shè)備歷史數(shù)據(jù)轉(zhuǎn)化為每個(gè)自然日的極值，既減少了數(shù)據(jù)量，同時(shí)每個(gè)自然日的極值又能夠較好的反應(yīng)設(shè)備工作的極端情況，能夠表征設(shè)備的老化情況，進(jìn)而可用于預(yù)測(cè)設(shè)備的故障發(fā)生時(shí)刻，達(dá)到前瞻性故障預(yù)測(cè)的目的。