基于数字孪生的行车多因素隐性级联故障诊断
针对行车传统运维方式中存在的可管可控状态不明、故障时定位分析耗时久、设备宕机时间长等问题,为实现行车状态运维的智能化转型升级,基于数字孪生技术和数据驱动方法,提出一种用于行车多机构联动、多因素耦合的隐性级联故障诊断分析方法.以数据驱动为核心,构建了数据驱动的行车数字孪生模型,详细阐述了行车数字孪生系统的组成和交互行为;对显性故障和隐性故障进行分类和定义,设计了 SDAE—MCSVM—FBN方法解决多因素隐性级联故障;构建了数据驱动的行车数字孪生模型的原型系统,以某大型国企钢厂某车间内的行车作业过程为例,与传统运维方式中的人工点检对比,在所提方法应用前后,故障维修时长和设备宕机时长分别减少的时间比例区间为 24.5%~32.8%,20.5%~32.4%,证实了所提方法对隐性级联故障诊断分析的有效性和可行性.
数字孪生、数据驱动、堆栈降噪自编码器、多类支持向量机、模糊贝叶斯网络
29
TP391(计算技术、计算机技术)
2023-08-02(万方平台首次上网日期,不代表论文的发表时间)
共16页
2086-2101