本發(fā)明涉及故障診斷方法，具體為一種智慧工廠中基于數字孿生的故障預測與仿真方法。

背景技術：

1、隨著科技的不斷發(fā)展，智慧工廠已經成為現代工廠發(fā)展的新趨勢，智慧工廠在數字化工廠的基礎上，利用物聯網的技術和設備監(jiān)控技術加強信息管理和服務，清楚掌握產銷流程、提高生產過程的可控性；

2、在智慧工廠的運行過程中，為了保障智慧工廠的可靠性和安全性，通常需要對智慧工廠進行預防性維護方式，一般的預防性維護方式是對智慧工廠進行定期檢查和故障維修，但是這種預防性維護的方式效率低，快速故障檢測困難。

3、現有的故障預測與仿真方法存在的缺陷是：

4、1、申請文件cn116719658a公開了一種數據中臺運行故障預測方法，但是該故障預測的方法沒有考慮使用數字孿生技術在虛擬數字信息層面來預測故障；

5、2、現有技術中的故障預測方法基本上僅僅將歷史故障數據作為故障預測方法的樣本告警數據，不夠全面，從而使故障告警模型訓練效果不佳；

6、3、申請文件cn114330010a提出了一種數字核電站仿真運行數據的預測方法，但是該預測方法在預測到故障后，沒有幫助工作人員對故障進行精準定位；

7、4、現有技術中的故障預測和仿真方法沒有考慮對故障數據的故障數據訓練樣本進行實時更新，擴大故障預測模型訓練樣本的數量。

技術實現思路

1、本發(fā)明的目的在于提供一種智慧工廠中基于數字孿生的故障預測與仿真方法，以解決上述背景技術中提出的問題。

2、為實現上述目的，本發(fā)明提供如下技術方案：一種智慧工廠中基于數字孿生的故障預測與仿真方法，該故障預測與仿真方法包括以下步驟：

3、步驟s1、規(guī)劃智慧工廠的全面工作流程：規(guī)劃智慧工廠的工藝步驟，確定智慧工廠各工作階段的生產設備和設備的運行參數；

4、步驟s2、搭建智慧工廠的數字孿生仿真模型：根據智慧工廠的實際場地信息建立智慧工廠的三維仿真模型，并將智慧工廠的實時運行狀態(tài)和三維仿真模型關聯，實時監(jiān)測智慧工廠的運行數據，基于數字孿生技術生成智慧工廠的數字孿生仿真模型；

5、步驟s3、故障預測模型的訓練：將存儲于智慧工廠系統的樣本數據庫中不同類別的告警故障數據信息分別輸入智慧工廠的數字孿生仿真模型，并經過批量仿真計算獲取對應故障仿真數據，將不同類別的告警故障數據和故障仿真數據錄入故障預測模型，對故障預測模型進行訓練；

6、步驟s4、故障預測分析和定位：將實時監(jiān)測的智慧工廠運行數據輸入至故障預測模型，并對監(jiān)測的智慧工廠運行數據進行故障預測，當檢測到故障仿真數據后，根據故障仿真數據對應的故障數據確定故障位置，定位故障根源，依據預測結果進行故障工單的下達。

7、優(yōu)選的，在步驟s2中，所述數字孿生仿真模型通過全棧三維可視化技術對建模進行精細化處理，智慧工廠的廠區(qū)、車間、生產流水線和運行設備均逐級可視。

8、優(yōu)選的，在步驟s2中，基于數字孿生技術獲得智慧工廠的實際運行參數的方法為：通過制造執(zhí)行系統獲取生產及制造信息，通過傳感器獲取設備運行狀況信息，通過電檢測儀獲取設備運行電流電壓情況，通過溫度及濕度傳感器采集車間環(huán)境信息，通過智能攝像頭捕捉設備是否處在運行狀態(tài)。

9、優(yōu)選的，在步驟s3中，存儲于智慧工廠系統的樣本數據庫中的告警故障數據信息包括智慧工廠歷史運行異常數據和手動錄入的異常數據，存儲于智慧工廠系統的樣本數據庫中的告警故障數據信息根據智慧工廠工作過程中的不同工作階段進行分類。

10、優(yōu)選的，在步驟s3中，對經過批量仿真計算后獲取的故障仿真數據進行數據清洗和預處理，將經過處理后的故障仿真數據與對應的故障告警信息錄入故障預測模型，對故障預測模型進行訓練。

11、優(yōu)選的，在步驟s3中，數字孿生仿真模型通過cpu仿真機配置模型參數，實現模型錄入的測試參數和運行仿真參數的關聯和交互。

12、優(yōu)選的，在步驟s4中，當故障預測模型檢測到故障仿真數據后，確定與之對應的故障數據，根據該故障對生產過程的影響進行分級，根據該故障的發(fā)生位置確定故障類型，故障預測模型根據該故障的類型、等級以及目前的運行工況，通過數據檢索技術對智慧工廠的數據庫進行檢索，獲取故障推薦解決方案。

13、優(yōu)選的，在步驟s4中，故障預測模型下達的故障工單的內容包括故障數據、故障等級、故障類型、故障位置和故障推薦解決方案。

14、優(yōu)選的，在步驟s4中，當故障預測模型檢測到故障后，將相應的故障數據保存至智慧工廠的數據庫樣本，更新智慧工廠的數據庫樣本，并將故障工單反饋到物理空間執(zhí)行相應的解決方案。

15、優(yōu)選的，智慧工廠的數字孿生仿真模型和故障訓練模型對智慧工廠的數據集樣本的更新做出響應動作，智慧工廠的數字孿生仿真模型將智慧工廠的數據庫樣本中更新的故障數據輸入進行仿真模擬，獲取更新的故障仿真數據，故障訓練模型將更新的故障數據和故障仿真數據錄入故障預測模型，對故障預測模型進行更新訓練。

16、與現有技術相比，本發(fā)明的有益效果是：

17、1、本發(fā)明通過將數字孿生技術和故障預測相結合，使得該智慧工廠能夠基于數字孿生技術在虛擬數字層面建立能反映車間真實狀態(tài)的數字孿生體仿真模型，并通過故障預測模型對數字孿生仿真建模的虛擬測試來預測智慧工廠的工作過程中可能發(fā)生的故障，從而提高智慧工廠的工作可靠性和安全性，并為智慧工廠后續(xù)的快速維修提供有力支撐。

18、2、本發(fā)明不僅僅將智慧工廠的歷史運行異常數據作為故障告警數據的樣本，還加入了手動錄入的異常數據作為樣本數據庫中的故障告警樣本，在樣本數據庫中增加工作人員依靠過往經驗手動輸入的異常數據，使得故障樣本數據更為全面，同時通過將故障告警樣本輸入數字孿生仿真模型進行批量仿真來獲取故障仿真數據，使得該故障預測模型的樣本數據更加完備，提高了該故障預測模型的故障預測能力。

19、3、本發(fā)明通過故障預測模型對智慧工廠進行故障預測，并在檢測到故障仿真數據后，根據該故障對生產過程的影響進行分級，根據該故障的發(fā)生位置確定故障類型，并且采用數據檢索技術對智慧工廠的數據庫進行檢索，獲取故障推薦解決方案，最終將故障工單反饋到物理空間執(zhí)行相應的解決方案，從而幫助工作人員更快的精準定位故障位置，給工作人員提供故障解決方案，提高了智慧工廠的故障解決能力。

20、4、本發(fā)明的故障預測模型通過樣本數據庫中不同類別的告警故障數據信息和故障仿真數據的訓練，使得該故障預測模型能夠識別智慧工廠工作過程中的故障情況，并且在檢測到新的故障后及時更新故障數據和故障仿真數據，將故障數據再次投入數字孿生仿真模型進行批量仿真，擴大故障預測模型的訓練數據，提高了故障預測模型預測故障的準確性。

技術特征：

1.一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于，該故障預測與仿真方法包括以下步驟：

2.根據權利要求1所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：在步驟s2中，所述數字孿生仿真模型通過全棧三維可視化技術對建模進行精細化處理，智慧工廠的廠區(qū)、車間、生產流水線和運行設備均逐級可視。

3.根據權利要求1所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：在步驟s2中，基于數字孿生技術獲得智慧工廠的實際運行參數的方法為：通過制造執(zhí)行系統獲取生產及制造信息，通過傳感器獲取設備運行狀況信息，通過電檢測儀獲取設備運行電流電壓情況，通過溫度及濕度傳感器采集車間環(huán)境信息，通過智能攝像頭捕捉設備是否處在運行狀態(tài)。

4.根據權利要求1所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于，在步驟s3中，存儲于智慧工廠系統的樣本數據庫中的告警故障數據信息包括智慧工廠歷史運行異常數據和手動錄入的異常數據，存儲于智慧工廠系統的樣本數據庫中的告警故障數據信息根據智慧工廠工作過程中的不同工作階段進行分類。

5.根據權利要求1所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：在步驟s3中，對經過批量仿真計算后獲取的故障仿真數據進行數據清洗和預處理，將經過處理后的故障仿真數據與對應的故障告警信息錄入故障預測模型，對故障預測模型進行訓練。

6.根據權利要求1所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：在步驟s3中，數字孿生仿真模型通過cpu仿真機配置模型參數，實現模型錄入的測試參數和運行仿真參數的關聯和交互。

7.根據權利要求1所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：在步驟s4中，當故障預測模型檢測到故障仿真數據后，確定與之對應的故障數據，根據該故障對生產過程的影響進行分級，根據該故障的發(fā)生位置確定故障類型，故障預測模型根據該故障的類型、等級以及目前的運行工況，通過數據檢索技術對智慧工廠的數據庫進行檢索，獲取故障推薦解決方案。

8.根據權利要求7所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：在步驟s4中，故障預測模型下達的故障工單的內容包括故障數據、故障等級、故障類型、故障位置和故障推薦解決方案。

9.根據權利要求1所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：在步驟s4中，當故障預測模型檢測到故障后，將相應的故障數據保存至智慧工廠的數據庫樣本，更新智慧工廠的數據庫樣本，并將故障工單反饋到物理空間執(zhí)行相應的解決方案。

10.根據權利要求9所述的一種智慧工廠中基于數字孿生的故障預測與仿真方法，其特征在于：智慧工廠的數字孿生仿真模型和故障訓練模型對智慧工廠的數據集樣本的更新做出響應動作，智慧工廠的數字孿生仿真模型將智慧工廠的數據庫樣本中更新的故障數據輸入進行仿真模擬，獲取更新的故障仿真數據，故障訓練模型將更新的故障數據和故障仿真數據錄入故障預測模型，對故障預測模型進行更新訓練。

技術總結
本發(fā)明公開了一種智慧工廠中基于數字孿生的故障預測與仿真方法，該故障預測與仿真方法包括如下步驟：步驟S1、規(guī)劃智慧工廠的全面工作流程；步驟S2、搭建智慧工廠的數字孿生仿真模型；步驟S3、故障預測模型的訓練；步驟S4、故障預測分析和定位。本發(fā)明通過將數字孿生技術和故障預測相結合，使得該智慧工廠能夠基于數字孿生技術在虛擬數字層面建立反映車間真實狀態(tài)的數字孿生體仿真模型，并通過故障預測模型對數字孿生仿真建模的虛擬測試來預測智慧工廠的工作過程中可能發(fā)生的故障，從而提高智慧工廠的工作可靠性和安全性，并為智慧工廠后續(xù)的快速維修提供有力支撐，通過增加故障預測模型的訓練樣本，從而提高了該故障預測模型的故障預測能力。

技術研發(fā)人員：黃國軍,黃祺雯,杭呈,程志祥,劉沙沙,余建烽,施威遠,王錦濤,黃維娜,陳夢怡
受保護的技術使用者：寧波金雨科技實業(yè)有限公司
技術研發(fā)日：
技術公布日：2025/1/6