科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对恶劣工况环境下复杂矿用设备状态监测与预测性维护困难等问题，结合状态监测、故障预警和预测维护等多种综合建模与分析预测技术，提出了一种基于数字孪生的预测性维护系统。首先，介绍了复杂矿用设备数字孪生体的设计流程与构建原理，并在搭建数字孪生体的过程中实现了预测性维护系统的功能；然后，研究了基于LabVIEW、MySQL和Unity3D的状态数据获取方法，利用Unity3D开发引擎搭建了三维可视化复杂矿用设备状态监测平台，并通过虚拟空间可视化展示设备当前状态；最后，分析了优化BP(back propagation，反向传播)神经网络在复杂矿用设备故障预警中的适用性，同时利用MATLAB软件建立了复杂矿用设备关键零部件的预测性维护模型，并将预警结果通过MySQL数据库传输至Unity3D开发引擎，以驱动和部署预设维护流程，实现设备状态实时监测下的关键零部件故障预警。根据采煤机液压系统的实际维修流程，制定了混合现实（mixed reality, MR）预测性维护策略，并以采煤机摇臂部液压柱塞泵为实验对象开展有效性验证。结果表明，所构建的预测性维护系统的故障预测准确率高于90%，且故障预警结果可驱动HoloLens眼镜实现虚拟指导的维修交互，验证了该系统预测性维护功能的有效性。研究结果可为复杂矿用设备的预测性维护提供新思路。
- 单位
