基于数字孪生的水下节流阀剩余使用寿命估计方法及系统

1.本发明涉及水下节流阀维护技术领域，具体地说，涉及基于数字孪生的水下节流阀剩余使用寿命估计方法及系统。


背景技术：

2.水下节流阀长时间在水下作业，尤其是应用在海洋中的水下节流阀，非常容易受到外部因素的影响导致腐蚀损坏，如海水中的海水压力、流速、温度、二氧化碳分压和海水水下扰动等因素，都会引起水下节流阀阀体腐蚀；同时，大多水下节流阀内壁面由于石油和水夹杂沙粒冲蚀、腐蚀和流动导致加速腐蚀的发生，导致水下节流阀壁面结构出现减薄现象，水下节流阀在冲蚀作用之下，其壁面几何轮廓形状会随着固体颗粒侵蚀暴露的增加而变化，因此表面轮廓的变化将改变流场，从而将颗粒重新导向另一个侵蚀“热点”。水下管道结构复杂且覆盖区域广，日常中若通过人工来对水下节流阀逐个的进行检查和维护，不仅工作量极大、工作耗时长，而且也非常容易出现遗漏和判断错误，给水下节流阀的维护工作带来麻烦，且若无法及时对存在问题的水下节流阀进行发现、保养或维修更换，则可能造成巨大的损失。
3.数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。若能够基于大量的真实数据和实验数据，结合数字孪生技术，则有望对水下节流阀的冲蚀状况进行预测追踪及对其剩余使用寿命进行评估，从而维管人员可以有针对性地对相应区域的水下节流阀进行维护保养或者修复。然而，目前却没有利用数字孪生来对水下节流阀剩余使用寿命进行估计的技术。
4.鉴于此，我们提出了一种基于数字孪生的水下节流阀剩余使用寿命估计方法及系统。


技术实现要素：

5.本发明的目的在于提供基于数字孪生的水下节流阀剩余使用寿命估计方法及系统，以解决上述背景技术中提出的问题。
6.为实现上述技术问题的解决，本发明的目的之一在于，提供了基于数字孪生的水下节流阀剩余使用寿命估计方法，包括如下步骤：
7.s1、通过水下节流阀冲蚀实验获得多组阀体金属材料电阻值及阀体金属电阻值对应冲蚀量，基于金属腐蚀实验所得到的数据采用非线性回归算法，建立水下节流阀冲蚀状态数学模型；
8.s2、通过数据采集模块测量得到水下节流阀冲蚀环境复杂多样的数据并传输到移动工作站的数据库中保存及管理，实现实时数据驱动有限元仿真模型，同时构建物理模型数据库；
9.s3、将测量到的环境数据和冲蚀测量数据的实时数据代入水下节流阀冲蚀状态数
学模型，构建水下节流阀数字孪生模型；
10.s4、通过水下节流阀数字孪生模型对水下节流阀的运行状态和冲蚀状态进行仿真计算，仿真计算得到的水下节流阀的运行状态数据和冲蚀状态数据均保存于数据库的孪生数据单元中；
11.s5、通过动态贝叶斯模型来建立水下节流阀性能退化动态演化模型，通过粒子滤波pf算法实现，从而建立完整的水下节流阀性能退化数字孪生模型；
12.s6、通过数据采集模块采集水下节流阀直接检查过程数据并将其保存于数据库的评价数据单元内；根据评价数据单元内的数据采用水下节流阀剩余寿命预测算法进行水下节流阀剩余寿命预测，得到的剩余寿命预测结果均保存于评价数据单元内；
13.s7、调用预设在数据库中水下节流阀的剩余寿命阈值数据，然后将剩余寿命计算结果与剩余寿命阈值进行比较，若检测剩余寿命计算结果低于剩余寿命阈值的10％、50％、80％，则分别将水下节流阀冲蚀程度划分为a-轻度冲蚀、b-中度冲蚀和c-严重冲蚀三个等级；
14.s8、及时输出水下节流阀的冲蚀等级，完成对水下节流阀基础冲蚀状况的评估和预测；根据监测点的定位找到腐蚀区域，按评估结果完成对该区域的维护保养或者修复。
15.作为本技术方案的进一步改进，所述s3中，将测量到的环境数据和冲蚀测量数据的实时数据代入水下节流阀冲蚀状态数学模型，构建水下节流阀数字孪生模型的具体步骤如下：
16.s3.1、采用非线性回归算法建立水下节流阀冲蚀状态数学模型；
17.s3.2、采用非线性回归算法建立水下节流阀性能退化过程的共性表征模型，通过动态贝叶斯网络描述状态空间模型随时间的演化规律，建立水下节流阀性能退化动态演化模型；
18.s3.3、建立基于动态贝叶斯神经网络的水下节流阀动态演化模型，即基于dbn模型所建立的水下节流阀性能退化动态演化模型；
19.s3.4、采用粒子滤波pf算法实现水下节流阀退化状态追踪和剩余寿命预测，从而完成水下节流阀性能退化数字孪生模型的建立；
20.s3.5、建立基于粒子滤波pf近似推理算法的水下节流阀性能退化和剩余寿命预测数字孪生模型：pf算法的基本思想是抽取一系列带有权重的粒子实现待估计量的后验评估，在此过程中通过不断比较估计值与观测值之间的差异来迭代更新各粒子的权重，最终逼近真实的后验分布；
21.s3.6、利用强化学习算法对比感知数据与仿真数据，通过参数修调实现虚实一致性保持。
22.作为本技术方案的进一步改进，所述s3.1中，采用非线性回归算法建立水下节流阀冲蚀状态数学模型的具体方法包括如下步骤：
23.s3.1.1、通过水下节流阀冲蚀实验获得多组实验数据，实验数据为目标金属电阻值及目标金属电阻值对应冲蚀量；
24.s3.1.2、对步骤s3-2-1中所得到的实验数据进行校正，消除系统误差；
25.s3.1.3、基于步骤s3-2-2中校正处理后的数据，利用非线性回归算法构建拟合函数模型；采用插值法进行求解，得到拟合函数曲线。
26.作为本技术方案的进一步改进，所述s3.2中，建立共性表征模型的具体方法为：
27.由于引起水下节流阀阀体腐蚀的外部原因大多为海水中的海水压力、流速、温度、二氧化碳分压和海水水下扰动等因素，故建立水下节流阀在海洋环境外部冲击模型，将水下节流阀海洋环境外部冲击过程建模为泊松过程，对任意时间段t1,，t2≥0，有：
[0028][0029]
其中，n为水下节流阀受到海洋环境外部冲击的次数，nc(t1+t2)为t1+t2时间段受到的海洋环境外部冲击次数，nc(t1)为t1时间段受到的海洋环境外部冲击次数，p{nc(t1+t2)-nc(t1)＝n}为在任意t2时间段发生n次海洋环境外部冲击的概率，λ为泊松分布的参数，由历史数据确定；
[0030]
水下节流阀内壁面由于石油和水夹杂沙粒冲蚀、腐蚀和流动导致加速腐蚀的发生，导致水下节流阀壁面结构出现减薄现象，水下节流阀在冲蚀作用之下，其壁面几何轮廓形状会随着固体颗粒侵蚀暴露的增加而变化，因此表面轮廓的变化将改变流场，从而将颗粒重新导向另一个侵蚀“热点”；
[0031]
此外，颗粒的局部冲击角将随时间而变化，可能导致局部侵蚀率发生较大变化，因此可以通过由冲蚀作用引起的水下节流阀阀体壁厚减薄幅值作为基于数字孪生的水下节流阀性能退化的指标。
[0032]
作为本技术方案的进一步改进，所述s3.3中，建立基于dbn动态演化模型的目的是：在给定模型参数θk＝(ak,bk)和一组水下节流阀观测数据q
0:k
＝(q0,q1,
…
,qk)的条件下，估计水下节流阀退化状态的后验分布其计算公式如下：
[0033][0034]
其中，表示第i个粒子；δ(
·
)为狄拉克函数；表示第i个粒子对应的权重，可通过下式计算得到：
[0035][0036][0037]
为了克服由于某些粒子权重过小而产生的粒子退化问题，采用重采样策略重置各粒子权重：
[0038][0039]
相当于：
[0040][0041]
式中，表示k时刻重采样后的粒子；ni表示粒子经过重采样后生成新粒子集时复制的次数；
[0042]
进一步预测未来时间步k+t(t＝1，2，
…
)时的退化状态
[0043][0044]
其中，可通过得到，其中v为模型的不确定性；
[0045]
水下节流阀的rul可定义为在当前退化状态和模型参数的条件下，预测的未来退化状态首次达到预先设置的失效阈值的时刻与当前时刻之间的时间间隔，通过延拓退化轨迹达到预先设定的失效阈值，即可实现涡轮盘rul预测，计算公式如下：
[0046][0047]
为第i个粒子的rul预测值；t为时间步，ε为失效阈值；
[0048]
最后，通过权重平均可得到rul的预测值：
[0049][0050]
作为本技术方案的进一步改进，所述s3.6中，利用强化学习算法对比感知数据与仿真数据，通过参数修调实现虚实一致性保持的具体方法包括如下步骤：
[0051]
s3.6.1、通过编制物理特性模型接口，实现感知数据的注入以及数据集的输出，以构建起双向交互机制，将水下节流阀的生产数据，如节流阀材料、节流阀开度、流体质量流量、流体密度、固体颗粒质量流量等参数等作为模型的输入；
[0052]
s3.6.2、通过初始化数字孪生模型，在修正空间中，利用强化学习算法，对比感知数据与仿真数据，通过参数修调实现一致性保持；
[0053]
s3.6.3、通过初始化数字孪生模型，在修正空间中，人工选择数字孪生模型的修正参数和目标变量，进行多组实验，获得各修正参数与目标变量的灵敏度关系，进而进行修正参数的筛选，确定灵敏度较高的参数为修正参数；
[0054]
s3.6.4、以修正参数作为试验的自变量，目标变量为试验的因变量，以试验设计的思想为基础，对修正参数和目标变量进行多元回归或差值拟合，构造响应面模型，响应面模型为数学模型，即以数学函数的形式表达自变量与因变量之间的关系，从而构建目标变量的目标函数；
[0055]
s3.6.5、在响应面空间中寻找能够满足该目标函数的修正参数，将修正后的参数代替原孪生模型参数，实现孪生模型的映射，建立水下节流阀的故障预测和冲蚀退化模型，提高健康指数和剩余寿命分布预测的准确度，最终实现水下生产系统双向交互孪生模型的建立及一致性保持。
[0056]
作为本技术方案的进一步改进，所述s4中，通过水下节流阀数字孪生模型对水下节流阀的运行状态和冲蚀状态进行仿真计算，仿真计算包括但不限于冲蚀速率计算等，其中，冲蚀速率算法公式如下：
[0057][0058]
其中：r
erosion
为冲蚀率，(kg/(m2·
s))；n
particle
是与壁碰撞的固体颗粒数，无量纲；为固体颗粒的质量流率，kg/s；f(α)是关于固体颗粒碰撞角α的函数；v是固体颗粒相对于壁面的速度，m/s；b(v)是固体颗粒相对速度的函数；c(d
p
)是固相颗粒粒径的函数，d
p
是颗粒的直径，m；a
face
是撞击墙的单位面积；
[0059]
进而有：
[0060]
c(d
p
)＝1.599hb-0.59fs
×
10-7
；
[0061][0062]
本发明的目的之二在于，提供了基于数字孪生的水下节流阀剩余使用寿命估计系统，该系统用于实现上述所述的基于数字孪生的水下节流阀剩余使用寿命估计方法的运行过程，包括数据采集模块、数据库和数值仿真单元；所述数据采集模块的信号输出端与所述数据库的信号输入端连接，所述数据库与所述数值仿真单元信号连接；其中：
[0063]
所述数据采集模块用于采集获取通过水下节流阀冲蚀实验获得的多组阀体金属材料电阻值及阀体金属电阻值对应冲蚀量的数据、水下节流阀冲蚀环境复杂多样的数据、水下节流阀直接检查过程数据等数据并可存储至所述数据库内；
[0064]
所述数据库用于分类存储通过所述数据采集模块采集获取的各类数据、通过所述数值仿真单元获取的各类仿真数据以及用户预先设置；
[0065]
所述数值仿真单元用于基于测量获取的水下节流阀真实数据和通过水下节流阀冲蚀实验获取的实验数据，采用一定算法和模型，构建水下节流阀的相关数学模型和数字孪生模型，通过数值仿真和深度学习来实现对水下节流阀剩余使用寿命的估计。
[0066]
作为本技术方案的进一步改进，所述数据库包括物理模型数据库、孪生数据单元和评价数据单元；所述物理模型数据库、所述孪生数据单元与所述评价数据单元并列运行并依次通信连接；其中：
[0067]
所述物理模型数据库用于保存及管理通过所述数据采集模块测量获取的包括环境数据和冲蚀测量数据等的水下节流阀冲蚀环境复杂多样的数据；
[0068]
所述孪生数据单元用于保存及管理通过所述数值仿真单元仿真计算得到的水下节流阀的运行状态数据和冲蚀状态数据；
[0069]
所述评价数据单元用于保存及管理预设的剩余寿命阈值数据、通过所述数据采集模块采集的水下节流阀直接检查过程数据及通过所述数值仿真单元采用水下节流阀剩余寿命预测算法进行水下节流阀剩余寿命预测得到的剩余寿命预测结果数据，通过比较剩余寿命计算结果与预设的剩余寿命阈值数据以实现对水下节流阀基础冲蚀状况的评估和预测。
[0070]
作为本技术方案的进一步改进，所述数值仿真单元包括水下节流阀冲蚀状态数学模型和水下节流阀数字孪生模型；所述水下节流阀冲蚀状态数学模型与所述水下节流阀数字孪生模型并列运行且信号连接；其中：
[0071]
所述水下节流阀冲蚀状态数学模型用于基于实验数据对水下节流阀的物理状态进行数学仿真；
[0072]
所述水下节流阀冲蚀状态数学模型包括共性表征模型和水下节流阀性能退化动态演化模型；所述共性表征模型用于结合可能引起水下节流阀阀体腐蚀的外部原因对水下节流阀的共性表征状态进行仿真，从而确定可以作为水下节流阀性能退化的指标数值；所述水下节流阀性能退化动态演化模型用于描述退化状态和参数随时间的变化规律以及模型不确定性的传递过程；
[0073]
所述水下节流阀数字孪生模型由将测量到的环境数据和冲蚀测量数据的实时数
据代入水下节流阀冲蚀状态数学模型构建而成，用于对水下节流阀的运行状态和冲蚀状态进行仿真计算；
[0074]
所述水下节流阀数字孪生模型包括水下节流阀性能退化数字孪生模型和水下节流阀性能退化和剩余寿命预测数字孪生模型；所述水下节流阀性能退化数字孪生模型用于对水下节流阀性能退化状态进行仿真计算；所述水下节流阀性能退化和剩余寿命预测数字孪生模型用于采用粒子滤波pf算法进行水下节流阀退化状态追踪和剩余寿命预测。
[0075]
本发明的目的之三在于，提供了一种系统运行平台装置，包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序，处理器用于执行计算机程序时实现上述的基于数字孪生的水下节流阀剩余使用寿命估计系统及方法的步骤。
[0076]
本发明的目的之四在于，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于数字孪生的水下节流阀剩余使用寿命估计系统及方法的步骤。
[0077]
与现有技术相比，本发明的有益效果：
[0078]
该基于数字孪生的水下节流阀剩余使用寿命估计方法及系统中，通过建立水下节流阀的故障预测和冲蚀退化模型，可以提高水下节流阀的预测精度，从而便于提前安排水下节流阀的生产运行安全维护，可以降低停工成本、提高健康指数和剩余寿命分布预测的准确度。
附图说明
[0079]
图1为本发明中示例性的整体方法流程原理图；
[0080]
图2为本发明中示例性的水下节流阀性能退化动态演化模型的动态演化示意图；
[0081]
图3为本发明中虚实一致性保持的原理流程结构图；
[0082]
图4为本发明中示例性的系统装置结构示意图；
[0083]
图5为本发明中示例性的电子计算机平台装置结构示意图。
[0084]
图中：
[0085]
1、数据采集模块；
[0086]
2、数据库；21、物理模型数据库；22、孪生数据单元；23、评价数据单元；
[0087]
3、数值仿真单元；31、水下节流阀冲蚀状态数学模型；311、共性表征模型；312、水下节流阀性能退化动态演化模型；32、水下节流阀数字孪生模型；321、水下节流阀性能退化数字孪生模型；322、水下节流阀性能退化和剩余寿命预测数字孪生模型。
具体实施方式
[0088]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0089]
实施例1
[0090]
如图1-图5所示，本实施例提供了基于数字孪生的水下节流阀剩余使用寿命估计方法，包括如下步骤：
[0091]
s1、通过水下节流阀冲蚀实验获得多组阀体金属材料电阻值及阀体金属电阻值对应冲蚀量，基于金属腐蚀实验所得到的数据采用非线性回归算法，建立水下节流阀冲蚀状态数学模型3；
[0092]
s2、通过数据采集模块1测量得到水下节流阀冲蚀环境复杂多样的数据并传输到移动工作站的数据库2中保存及管理，实现实时数据驱动有限元仿真模型，同时构建物理模型数据库21；
[0093]
s3、将测量到的环境数据和冲蚀测量数据的实时数据代入水下节流阀冲蚀状态数学模型31，构建水下节流阀数字孪生模型32；
[0094]
s4、通过水下节流阀数字孪生模型32对水下节流阀的运行状态和冲蚀状态进行仿真计算，仿真计算得到的水下节流阀的运行状态数据和冲蚀状态数据均保存于数据库2的孪生数据单元22中；
[0095]
s5、通过动态贝叶斯模型来建立水下节流阀性能退化动态演化模型312，通过粒子滤波pf算法实现，从而建立完整的水下节流阀性能退化数字孪生模型321；
[0096]
s6、通过数据采集模块1采集水下节流阀直接检查过程数据并将其保存于数据库2的评价数据单元23内；根据评价数据单元23内的数据采用水下节流阀剩余寿命预测算法进行水下节流阀剩余寿命预测，得到的剩余寿命预测结果均保存于评价数据单元23内；
[0097]
s7、调用预设在数据库2中水下节流阀的剩余寿命阈值数据，然后将剩余寿命计算结果与剩余寿命阈值进行比较，若检测剩余寿命计算结果低于剩余寿命阈值的10％、50％、80％，则分别将水下节流阀冲蚀程度划分为a-轻度冲蚀、b-中度冲蚀和c-严重冲蚀三个等级；
[0098]
s8、及时输出水下节流阀的冲蚀等级，完成对水下节流阀基础冲蚀状况的评估和预测；根据监测点的定位找到腐蚀区域，按评估结果完成对该区域的维护保养或者修复。
[0099]
其中，s2中，水下节流阀冲蚀环境复杂多样的数据包括环境数据和冲蚀测量数据等；
[0100]
s5中，水下节流阀性能退化动态演化模型312用来描述退化状态和参数随时间的变化规律以及模型不确定性的传递过程。
[0101]
具体地，整体估计方法可以描述为：基于金属材料冲蚀实验所得到的数据采用非线性回归算法，建立冲蚀状态数学模型；通过数据采集模块获取水下节流阀上各测量点处金属电阻实时数据；将实时数据代入冲蚀状态数学模型，得到各测量点处金属冲蚀量的大小；再根据水下节流阀阀体数据和环境数据建立冲蚀数字孪生模型；应用模块利用管道孪生数据模型进行模拟仿真运行，获取运行状态数据和腐蚀状态数据；利用冲蚀数字孪生模型评估水下节流阀基础冲蚀等级；根据水下节流阀冲蚀量，将水下节流阀冲蚀程度划分等级；及时输出水下节流阀冲蚀等级，完成对水下节流阀冲蚀状况的评估和预测；通过应用模块进行初评，根据初评结果进行水下节流阀剩余寿命预测，当计算结果或预测结果小于阈值时，根据监测点的评估和预测信息对水下节流阀冲蚀等级评定结果做出维护保养或者修复的决策，最后，利用强化学习算法对比感知数据与仿真数据，通过参数修调实现一致性保持，对修正参数和目标变量进行多元回归或差值拟合，构造响应面模型，通过响应面构建技术降低孪生模型与试验模型的误差实现孪生模型的映射，实现水下节流阀双向交互数字孪生体虚实一致性保持。
[0102]
本实施例中，s3中，将测量到的环境数据和冲蚀测量数据的实时数据代入水下节流阀冲蚀状态数学模型31，构建水下节流阀数字孪生模型32的具体步骤如下：
[0103]
s3.1、采用非线性回归算法建立水下节流阀冲蚀状态数学模型31；
[0104]
s3.2、采用非线性回归算法建立水下节流阀性能退化过程的共性表征模型311，通过动态贝叶斯网络描述状态空间模型随时间的演化规律，建立水下节流阀性能退化动态演化模型312；
[0105]
s3.3、建立基于动态贝叶斯神经网络的水下节流阀动态演化模型，即基于dbn模型所建立的水下节流阀性能退化动态演化模型312；
[0106]
s3.4、采用粒子滤波pf算法实现水下节流阀退化状态追踪和剩余寿命预测，从而完成水下节流阀性能退化数字孪生模型321的建立；
[0107]
s3.5、建立基于粒子滤波pf近似推理算法的水下节流阀性能退化和剩余寿命预测数字孪生模型322：pf算法的基本思想是抽取一系列带有权重的粒子实现待估计量的后验评估，在此过程中通过不断比较估计值与观测值之间的差异来迭代更新各粒子的权重，最终逼近真实的后验分布；
[0108]
s3.6、利用强化学习算法对比感知数据与仿真数据，通过参数修调实现虚实一致性保持。
[0109]
其中，s3.3中，dbn模型为深度学习_dbn模型或深度信念网络(dbn)。
[0110]
进一步地，s3.1中，采用非线性回归算法建立水下节流阀冲蚀状态数学模型31的具体方法包括如下步骤：
[0111]
s3.1.1、通过水下节流阀冲蚀实验获得多组实验数据，实验数据为目标金属电阻值及目标金属电阻值对应冲蚀量；
[0112]
s3.1.2、对步骤s3-2-1中所得到的实验数据进行校正，消除系统误差；
[0113]
s3.1.3、基于步骤s3-2-2中校正处理后的数据，利用非线性回归算法构建拟合函数模型；采用插值法进行求解，得到拟合函数曲线。
[0114]
本实施例中，s3.2中，建立共性表征模型311的具体方法为：
[0115]
由于引起水下节流阀阀体腐蚀的外部原因大多为海水中的海水压力、流速、温度、二氧化碳分压和海水水下扰动等因素，故建立水下节流阀在海洋环境外部冲击模型，将水下节流阀海洋环境外部冲击过程建模为泊松过程，对任意时间段t
1,
，t2≥0，有：
[0116][0117]
其中，n为水下节流阀受到海洋环境外部冲击的次数，nc(t1+t2)为t1+t2时间段受到的海洋环境外部冲击次数，nc(t1)为t1时间段受到的海洋环境外部冲击次数，p{nc(t1+t2)-nc(t1)＝n}为在任意t2时间段发生n次海洋环境外部冲击的概率，λ为泊松分布的参数，由历史数据确定；
[0118]
水下节流阀内壁面由于石油和水夹杂沙粒冲蚀、腐蚀和流动导致加速腐蚀的发生，导致水下节流阀壁面结构出现减薄现象，水下节流阀在冲蚀作用之下，其壁面几何轮廓形状会随着固体颗粒侵蚀暴露的增加而变化，因此表面轮廓的变化将改变流场，从而将颗粒重新导向另一个侵蚀“热点”；
[0119]
此外，颗粒的局部冲击角将随时间而变化，可能导致局部侵蚀率发生较大变化，因
此可以通过由冲蚀作用引起的水下节流阀阀体壁厚减薄幅值作为基于数字孪生的水下节流阀性能退化的指标。
[0120]
本实施例中，s3.3中，基于dbn模型所建立的水下节流阀性能退化动态演化模型312。
[0121]
具体地，该模型利用观测节点、随机节点和功能节点对水下节流阀性能退化中的观测量、不确定性因素、退化模型等进行全面表达；
[0122]
水下节流阀性能退化动态演化模型312中含有两个重要参数a和b，由材料属性决定。在水下节流阀运行过程中，由于工况环境、损伤状态等因素导致参数a和b发生变化，采用随机节点对参数a和b进行表述。此外，不同时间步之间的虚线连接表述上一个时刻的后验信息作为下一个时刻的先验信息。通过两个功能节点计算水下节流阀退化状态x，在此过程中考虑退化状态会随模型和测量系统的不确定性影响，退化状态也已随机节点的形式表达，上一时间步退化状态的后验分布作为下一时间步的先验分布。随着观测数据y的不断采集，首先对模型参数a和b进行更新校正，然后评估涡轮盘的退化状态，并沿着时间步进行动态演化，如图2所示。
[0123]
进一步地，s3.3中，建立基于dbn动态演化模型的目的是：在给定模型参数θk＝(ak,bk)和一组水下节流阀观测数据q
0:k
＝(q0,q1,
…
,qk)的条件下，估计水下节流阀退化状态的后验分布其计算公式如下：
[0124][0125]
其中，表示第i个粒子；δ(
·
)为狄拉克函数；表示第i个粒子对应的权重，可通过下式计算得到：
[0126][0127][0128]
为了克服由于某些粒子权重过小而产生的粒子退化问题，采用重采样策略重置各粒子权重：
[0129][0130]
相当于：
[0131][0132]
式中，表示k时刻重采样后的粒子；ni表示粒子经过重采样后生成新粒子集时复制的次数；
[0133]
进一步预测未来时间步k+t(t＝1，2，
…
)时的退化状态
[0134][0135]
其中，可通过得到，其中v为模型的不确定性；
[0136]
水下节流阀的rul可定义为在当前退化状态和模型参数的条件下，预测的未来退化状态首次达到预先设置的失效阈值的时刻与当前时刻之间的时间间隔，通过延拓退化轨迹达到预先设定的失效阈值，即可实现涡轮盘rul预测，计算公式如下：
[0137][0138]
为第i个粒子的rul预测值；t为时间步，ε为失效阈值；
[0139]
最后，通过权重平均可得到rul的预测值：
[0140][0141]
本实施例中，如图3所示，s3.6中，利用强化学习算法对比感知数据与仿真数据，通过参数修调实现虚实一致性保持的具体方法包括如下步骤：
[0142]
s3.6.1、通过编制物理特性模型接口，实现感知数据的注入以及数据集的输出，以构建起双向交互机制，将水下节流阀的生产数据，如节流阀材料、节流阀开度、流体质量流量、流体密度、固体颗粒质量流量等参数等作为模型的输入；
[0143]
s3.6.2、通过初始化数字孪生模型，在修正空间中，利用强化学习算法，对比感知数据与仿真数据，通过参数修调实现一致性保持；
[0144]
s3.6.3、通过初始化数字孪生模型，在修正空间中，人工选择数字孪生模型的修正参数和目标变量，进行多组实验，获得各修正参数与目标变量的灵敏度关系，进而进行修正参数的筛选，确定灵敏度较高的参数为修正参数；
[0145]
s3.6.4、以修正参数作为试验的自变量，目标变量为试验的因变量，以试验设计的思想为基础，对修正参数和目标变量进行多元回归或差值拟合，构造响应面模型，响应面模型为数学模型，即以数学函数的形式表达自变量与因变量之间的关系，从而构建目标变量的目标函数；
[0146]
s3.6.5、在响应面空间中寻找能够满足该目标函数的修正参数，将修正后的参数代替原孪生模型参数，实现孪生模型的映射，建立水下节流阀的故障预测和冲蚀退化模型，提高健康指数和剩余寿命分布预测的准确度，最终实现水下生产系统双向交互孪生模型的建立及一致性保持。
[0147]
本实施例中，s4中，通过水下节流阀数字孪生模型4对水下节流阀的运行状态和冲蚀状态进行仿真计算，仿真计算包括但不限于冲蚀速率计算等，其中，冲蚀速率算法公式如下：
[0148][0149]
其中：r
erosion
为冲蚀率，(kg/(m2·
s))；n
particle
是与壁碰撞的固体颗粒数，无量纲；为固体颗粒的质量流率，kg/s；f(α)是关于固体颗粒碰撞角α的函数；v是固体颗粒相对于壁面的速度，m/s；b(v)是固体颗粒相对速度的函数；c(d
p
)是固相颗粒粒径的函数，d
p
是颗粒的直径，m；a
face
是撞击墙的单位面积；
[0150]
进而有：
[0151]
c(d
p
)＝1.599hb-0.59fs
×
10-7
；
[0152][0153]
如图4-图5所示，本实施例还提供了基于数字孪生的水下节流阀剩余使用寿命估计系统，该系统用于实现上述的基于数字孪生的水下节流阀剩余使用寿命估计方法的运行过程，包括数据采集模块1、数据库2和数值仿真单元3；数据采集模块1的信号输出端与数据库2的信号输入端连接，数据库2与数值仿真单元3信号连接；其中：
[0154]
数据采集模块1用于采集获取通过水下节流阀冲蚀实验获得的多组阀体金属材料电阻值及阀体金属电阻值对应冲蚀量的数据、水下节流阀冲蚀环境复杂多样的数据、水下节流阀直接检查过程数据等数据并可存储至数据库2内；
[0155]
数据库2用于分类存储通过数据采集模块1采集获取的各类数据、通过数值仿真单元3获取的各类仿真数据以及用户预先设置；
[0156]
数值仿真单元3用于基于测量获取的水下节流阀真实数据和通过水下节流阀冲蚀实验获取的实验数据，采用一定算法和模型，构建水下节流阀的相关数学模型和数字孪生模型，通过数值仿真和深度学习来实现对水下节流阀剩余使用寿命的估计。
[0157]
本实施例中，数据库2包括物理模型数据库21、孪生数据单元22和评价数据单元23；物理模型数据库21、孪生数据单元22与评价数据单元23并列运行并依次通信连接；其中：
[0158]
物理模型数据库21用于保存及管理通过数据采集模块1测量获取的包括环境数据和冲蚀测量数据等的水下节流阀冲蚀环境复杂多样的数据；
[0159]
孪生数据单元22用于保存及管理通过数值仿真单元3仿真计算得到的水下节流阀的运行状态数据和冲蚀状态数据；
[0160]
评价数据单元23用于保存及管理预设的剩余寿命阈值数据、通过数据采集模块1采集的水下节流阀直接检查过程数据及通过数值仿真单元3采用水下节流阀剩余寿命预测算法进行水下节流阀剩余寿命预测得到的剩余寿命预测结果数据，通过比较剩余寿命计算结果与预设的剩余寿命阈值数据以实现对水下节流阀基础冲蚀状况的评估和预测。
[0161]
本实施例中，数值仿真单元3包括水下节流阀冲蚀状态数学模型31和水下节流阀数字孪生模型32；水下节流阀冲蚀状态数学模型31与水下节流阀数字孪生模型32并列运行且信号连接；其中：
[0162]
水下节流阀冲蚀状态数学模型31用于基于实验数据对水下节流阀的物理状态进行数学仿真；
[0163]
水下节流阀冲蚀状态数学模型31包括共性表征模型311和水下节流阀性能退化动态演化模型312；共性表征模型311用于结合可能引起水下节流阀阀体腐蚀的外部原因对水下节流阀的共性表征状态进行仿真，从而确定可以作为水下节流阀性能退化的指标数值；水下节流阀性能退化动态演化模型312用于描述退化状态和参数随时间的变化规律以及模型不确定性的传递过程；
[0164]
水下节流阀数字孪生模型32由将测量到的环境数据和冲蚀测量数据的实时数据代入水下节流阀冲蚀状态数学模型31构建而成，用于对水下节流阀的运行状态和冲蚀状态进行仿真计算；
[0165]
水下节流阀数字孪生模型32包括水下节流阀性能退化数字孪生模型321和水下节流阀性能退化和剩余寿命预测数字孪生模型322；水下节流阀性能退化数字孪生模型321用于对水下节流阀性能退化状态进行仿真计算；水下节流阀性能退化和剩余寿命预测数字孪生模型322用于采用粒子滤波pf算法进行水下节流阀退化状态追踪和剩余寿命预测。
[0166]
如图5所示，本实施例还提供了一种系统运行平台装置，该装置包括处理器、存储器以及存储在存储器中并在处理器上运行的计算机程序。
[0167]
处理器包括一个或一个以上处理核心，处理器通过总线与存储器相连，存储器用于存储程序指令，处理器执行存储器中的程序指令时实现上述的基于数字孪生的水下节流阀剩余使用寿命估计系统及方法的步骤。
[0168]
可选的，存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随时存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0169]
此外，本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的基于数字孪生的水下节流阀剩余使用寿命估计系统及方法的步骤。
[0170]
可选的，本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各方面基于数字孪生的水下节流阀剩余使用寿命估计系统及方法的步骤。
[0171]
本领域普通技术人员可以理解，实现上述实施例的全部或部分步骤的过程可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0172]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。