數字孿生是工業數字化轉型的重要技術手段,充分利用物理模型、傳感器更新、運行歷史等數據,集成多學科、多物理量、多尺度、多概率的模擬過程,在虛空間中完成映射,從而反映相對應的實體裝備的全生命周期過程。數字孿生技術不僅運用在設備的預測性維護方面,在優化控制,節能減排等方面,也取得了顯著的成效。
物理仿真是數字孿生的基礎。設備在設計階段進行了大量的工況仿真,以保證設備滿足設計要求。但由于工作環境,加工物料,操作習慣等差別,仿真并不能完全匹配現場的工況。而仿真計算,往往需要數小時,甚至數天的時間,不能滿足實時監測和控制的節拍要求,所以數字孿生往往使用大數據分析技術。大數據分析技術雖然不乏成功案例,但缺乏物理機理的支撐,難以預知和改進數字孿生的效果。
在行業需求的推動下,出現了基于物理機理和大數據分析的混合數字孿生技術,Ansys公司的TwinBuilder就是其中的代表。如下圖所示,TwinBuilder利用傳統的物理仿真,來訓練神經網絡,產生所謂的降階模型(ROM),并將現場工況,通過物理機理,抽象出子系統。利用現場的真實測量數據,來標定子系統參數。不僅將仿真速度提高到100毫秒到數秒的數量級,滿足常用控制系統的節拍,而且仿真精度更加符合現場的實測數據。
在新能源領域,電機得到了廣泛的應用。電機主要有磁性材料和線圈組成,高溫不僅會造成磁性材料的退磁,降低運行效率,也會引起線圈短路,燒毀電機。在電機控制算法中,溫度是一個重要的測量數據。但是在實際測量中,很難測量電機最熱的轉子的溫度。由于溫度的分布特性,更不可能預知轉子最熱的測量點。
下圖是使用Ansys TwinBuilder,對電機轉子溫度進行虛擬測量的驗證系統。Thingworx是工業領域的低代碼數字中臺產品,接口豐富,運行穩定,擴展方便,與TwinBuilder有內建的接口。
TwinBuilder軟件不僅可以對流體,結構,電磁等仿真,建立降階模型,同時根據現場系統,設計孿生模型,通過實時采集現場數據和仿真運算電機的溫度分布,提取電機轉子當前時刻的最高,平均和最低溫度值,匯入數據中臺,不僅用于優化電機控制,也可以為預測性維護等應用提供依據。Thingworx數據中臺串接IT和OT系統的數據通信,存儲關鍵數據,實現分析,報表和工況回溯。
TwinBuilder所提供的混合數字孿生技術,在綜合節能領域也有著廣泛的應用,如空調,冶金,水利等。
審核編輯:郭婷
-
傳感器
+關注
關注
2550文章
51063瀏覽量
753284 -
大數據
+關注
關注
64文章
8884瀏覽量
137423
原文標題:莎益博 | 基于物理機理的混合數字孿生解決方案
文章出處:【微信號:ilinki,微信公眾號:智匯工業】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論