用数字双胞胎预测传送带的预测性维护

专家JörgArloth的采访

彼得·拉尔森(Peter Larsson)
面料横幅2000x1000 01

盈利能力是复杂机器和系统开发和运行中的基本目标之一。现在,基于数据的新方法(大数据,机器学习)现在启用智能服务(例如预测性维护),并通过避免计划外的下降并降低操作和维护成本来帮助满足这一要求。我与我的ESI同事JörgArloth进行了交谈,并询问了当前的最新状态。

问:大数据和机器学习在所有行业的数字化中都在趋势。betway手机官网查看采矿机的制造商和运营商,您目前在哪里看到大多数起点?

约尔格。当前的挑战是将基于数据的方法和专家知识从现实生活实践中汇总在一起,并将现有的测量数据分配给缺陷或磨损并将其转移到其他系统中。只有这样,基于数据的模式识别才能获得成功。物理系统模拟与经过验证的工作流相结合,提供了一种解决方案,可促进实际应用并支持来自各个领域的专家之间的沟通。模型可以自动创建;可以以目标方式集成所需的错误行为,并可以生成各种虚拟操作数据。

问:在您在皮带输送机会议上的演讲中,您概述了基于SRA的皮带输送机条件分析的工作流程,以支持预测性维护策略。这个概念的起点和基础是使用皮带输送机的示例的数字双胞胎。这应该如何工作?

约尔格。如果与皮带输送机一样,可以将系统模型概括,则可以自动创建它。通过系统模拟,通过应用皮带输送机库来实现概括ESI Simulationx。从随附的元素中,基于脚本的模型生成器创建系统模型。我简要勾勒出从图书馆到数字双胞胎的工作流程:

Image1

所得的仿真模型描述了系统的结构,并在数据容器中进行了参数化。左侧的图片显示了皮带输送机的仿真模型,然后加载了标准化的质量流,该质量流是由实际测量数据产生的,因此代表了随着时间的推移(负载)的真实负载过程。

BeltConveyor03

问:创建数字双胞胎的质量和可靠性的一个非常重要的标准是数据一致性。关于在现实生活中测量的数据与使用仿真获得的数据有关的数据如何?

约尔格。这是一个非常重要的方面。为了验证我们的仿真模型,我们从正在运行的输送机系统中获取数据。如果将实际测量值与右图中图片中的仿真数据进行比较,则可以在模拟数据和测量数据之间看到足够大的对应关系。已经满足了质量标准。

问:让我们继续前进 - SRA分析。新技术的背后是什么?

约尔格。在下图中,我向您展示了我们针对皮带输送机应用的SRA分析方法的示例,您可以在模拟模型中看到如何开发,测试和评估新想法。这是在开发中,实际上是在开发中完全检查想法的关键,而不是发明复杂和不切实际的测量策略。作为副作用,这种数字方法甚至可以产生对新测量技术的需求。

Image4

问:因此,查看现实生活中的性能,您收集了许多可能的错误并将它们放在库中吗?

约尔格:确切地。我们生成的故障模型非常是您在这里看到的。所有具有参数错误的模型元素均标记为红色“ F”,是自动生成的错误库的一部分。

您可以清楚地看到带有实现参数错误的皮带输送机模型的结构视图。这包括可以直接分配的错误,例如在鼓上的caking,但还包括复杂的错误,其特征是摩擦系数的变化。这可以在全球上进行,以标记一般的衰老和磨损。但是它也可以在本地进行,以绘制源自移动皮带的稳态影响或效果。

Image2Combin

除了通常的测量信号(例如速度(电动机,旋转鼓)和驱动扭矩)外,在此测试中,使用虚拟传感器和单个模型部分的皮带张力力测量当前的总负载。这是为了阐明是否可以检测和识别这种不同的故障效应的问题,即使同时发生了几次失败。

例如,连续监视了广泛的特征,例如驱动鼓上的最大皮带张力,规范功率和每个电流负载的标准驱动扭矩以及基于标称行为的范数皮带拉伸力(基于A名义模型)。这意味着工程师可以计算大量变体(缺陷尺寸和组合)及其对传送带性能的影响。

问:机器学习算法用于分析错误对模型的影响。这究竟如何有助于预测维护策略?

约尔格。正确的。我们使用机器学习算法来评估变体计算的结果。例如,决策树的质量清楚地显示了生成的特征和错误之间的依赖性以及如何精确阈值。虽然可以使用不同的发动机和鼓速度的商很容易地检测到Caking,但分配衰老效果要困难得多。由于操作过程中的负载条件不同,因此必须选择非常健壮的阈值。

为了更好地说明这一点,让我们回顾一下上面的图像,您可以看到各个部分的标准化皮带张力。这个想法的起点是,可以为模型中的每个部分(此处BCS1,BCS2,BCS3,总部)测量皮带张力。所考虑的皮带张力将局部延伸到各自的皮带部分。在不开发或安装适当的传感器的情况下,工程师知道他们将从这些信号中得出什么结论。为此,使用名义模型的计算带的皮带张力将皮带张力进行标准化。

问:这是很多理论和技术事实。总之,您将如何总结我们的速度读者的主题?

约尔格。智能(智能)服务和用于它们的机器学习算法需要提供足够数量的操作数据。这已经适用于目前没有任何字段数据的新系统的服务策略。如本文所述,基于数据的系统分析是生成这种现实量数据的有效手段。一方面,对错误源及其互动的包容和评估代表了包括操作和服务人员的经验,并在广泛的基础上使用它们的机会,另一方面,它们可保护系统免受传感器超载。基于SRA的工作流程显示,支持数据获取和新解决方案的开发,包括增加系统可用性和预测维护策略。

有关通过虚拟原型访问提供更安全,更清洁和更具生产力的机械的信息,请访问我们专用重型机械页面。必威体育 betway介绍

您是否要利用有关关键技术的讨论不仅面对与产品设计相关的挑战,还要面对产品制造,产品组装和产品运营?看我们ESI活的重型机械必威体育 betway介绍


标签:必威体育 betway介绍,,,,混合双胞胎,,,,可持续性,,,,创新
订阅
在下面输入您的电子邮件,并在最新的博客文章中通知。