申请/专利权人：陕西万禾数字科技有限公司

申请日：2024-01-19

公开（公告）日：2024-04-09

公开（公告）号：CN117592977B

主分类号：G06Q10/20

分类号：G06Q10/20;G06F18/214;G06Q50/04;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明公开了面向装备全生命周期的智能数字孪生保障系统，涉及装备维护技术领域，设置故障预计时长训练数据收集模块收集故障预计时长训练特征数据和故障预计时长标签数据，设置故障预计时长预测模型训练模块训练故障预计时长预测模型，设置实时数据收集展示模块获得各个部件的故障预计时长的预测值，将各个部件的故障预计时长的预测值使用数字孪生模型进行展示，设置维护周期时长设定模块为待保障装备设置维护周期时长，设置维护周期时长调控模块对维护周期时长进行调整；提高装备的故障发现的及时性并进一步提高装备的维护效率。

主权项：1.面向装备全生命周期的智能数字孪生保障系统，其特征在于，包括故障预计时长训练数据收集模块、故障预计时长预测模型训练模块、实时数据收集展示模块、维护周期时长设定模块以及维护周期时长调控模块；其中，各个模块之间通过电性方式连接；故障预计时长训练数据收集模块，用于预先收集测试装备的各个部件在运行过程中，产生的故障预计时长训练特征数据和故障预计时长标签数据，并将故障预计时长训练特征数据和故障预计时长标签数据发送至故障预计时长预测模型训练模块；故障预计时长预测模型训练模块，用于对于每个部件类型，以故障预计时长训练特征数据为输入，以故障预计时长标签数据为输出训练出预测距离下次维修的时长的故障预计时长预测模型，并将训练完成的故障预计时长预测模型发送至实时数据收集展示模块；实时数据收集展示模块，用于收集待保障装备各个部件实时的实际故障预计时长特征向量以及装备性能评估数据，将实际故障预计时长特征向量输入至对应部件类型的故障预计时长预测模型，获得各个部件的故障预计时长的预测值，并将各个部件的故障预计时长的预测值使用数字孪生模型进行展示，并将实际故障预计时长特征向量发送至维护周期时长调控模块，并将各个部件的故障预计时长的预测值发送至维护周期时长设定模块；维护周期时长设定模块，用于基于装备性能评估数据，为待保障装备设置维护周期时长，并将维护周期时长发送至维护周期时长调控模块；维护周期时长调控模块，用于基于各个部件的故障预计时长的预测值和维护周期时长，对维护周期时长进行调整；所述收集测试装备的各个部件在运行过程中，产生的故障预计时长训练特征数据和故障预计时长标签数据的方式为：选择N个测试装备；N为预先选择的测试装备的数量；对于每个测试装备，为各个部件安装其所属部件类型对应的功能特征传感器；每个测试装备在运行时，启动所有功能特征传感器，以收集各个部件的各个功能特征的实时值；对于每个测试装备：统计测试装备在运行过程中，各个部件每次维修的时间节点；将部件的编号标记为i，将对第i个部件的维修按时间顺序进行排序，对每次维修进行编号，并将维修的编号标记为ij；其中，i为正整数，ij为正整数；将第i个部件的第ij次维修的时间节点标记为Tij；预设数据采集周期Tz；对于第i个部件的第ij次维修：将时间Tij至时间Tij+1之间的时间段按数据采集周期Tz进行均分，获得个子时间段，将子时间段的编号按时间顺序标记为ijk；收集每个子时间段的故障预计时长特征向量和故障预计时长标签；对于每个部件类型，所有测试装备运行过程中，该部件类型对应的部件所产生的故障预计时长特征向量和故障预计时长标签分别组成故障预计时长训练特征数据和故障预计时长标签数据；所述收集每个子时间段的故障预计时长特征向量和故障预计时长标签的方式为：收集每个子时间段内，第i个部件对应的各个功能特征传感器的物理量的平均值，各个物理量的平均值组成该子时间段对应的故障预计时长特征向量；预设不稳定表现时长T1；将Tij+1-T1对应的时间节点作为分割节点，将分割节点的时间标记为Tf；将第ijk个子时间段的中点的时间标记为Tijk；若时间Tijk大于分割节点的时间Tf，则将第ijk个子时间段的故障预计时长标签设置为Tij+1-Tijk，若时间Tijk小于或等于分割节点的时间Tf，则将第ijk个子时间段的故障预计时长标签设置为Tmax；其中，Tmax为预设的最大故障时长；所述为待保障装备设置维护周期时长的方式为：将服役时长标记为C，将维修次数标记为R，将历史故障率标记为G，将平均维修间距标记为P；预设基准维护周期时长W0；将维护周期时长标记为W，则维护周期时长，其中，a1、a2、a3以及a4分别为预设的比例系数；所述对维护周期时长进行调整的方式为：若所有部件的故障预计时长的预测值均为Tmax，则维护周期时长不进行调整；若存在任意一个部件的故障预计时长的预测值不等于Tmax，则：从所有故障预计时长的预测值中筛选出最小的故障预计时长的预测值，并将该筛选出的故障预计时长的预测值标记为T2；将当前时刻的维护周期时长标记为W0，计算当前时刻距离上次维护的时长Ws；则将当前时刻的维护周期时长更新为Ws+T2，并在当前时刻之后的T2时间对所有故障预计时长的预测值不等于Tmax的部件进行维修；在对所有故障预计时长的预测值不等于Tmax的部件进行维修之后，更新装备性能评估数据，根据更新后的装备性能评估数据重新计算维护周期时长，将重新计算的维护周期时长作为后续的维护周期时长。

全文数据：

权利要求：

百度查询： 陕西万禾数字科技有限公司 面向装备全生命周期的智能数字孪生保障系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD