一种机辆出入库检测棚设备状态自诊断的数字孪生方法与流程

本发明属于轨道交通智能检修领域，涉及一种机辆出入库检测棚设备状态自诊断的数字孪生方法。

背景技术：

1、机辆出入库检测棚设备能够检测出入库轨道交通车辆关键部位的各项参数，并对超限数据进行报警。

2、目前，对于出入库检测棚设备运行状态的监控，主要为监控出入库检测棚设备的内部性能状态，通过状态列表的形式展现给客户。

3、这种方式能够做到对出入库检测棚设备内部性能状态的展现，但无法做到出入库检测棚设备状态与设备实物对应、形象直观的展示，即设备与状态是分离的；更无法在故障发生之前先发现潜在问题，无法预测潜在问题，检修人员无法合理有效地规划好对设备的检修维护；且监控的仅有设备内部性能状态，设备外部状态如何是无法监控的，仍需通过人工巡检方式解决设备外部状态检查，如可能的侵限、螺栓松动等情况。

4、因此，需要一种能够将机辆出入库检测棚设备全方位1:1映射的数字孪生系统，将检测数据、设备内部性能状态、设备外观状态、综合状态分析和检修决策分析结合在一起，在故障发生之前先发现潜在问题，监控物理对象在虚拟模型中的变化，诊断基于人工智能的多维复杂数据处理与异常分析，并预测潜在故障，合理有效地规划检修维护。

技术实现思路

1、本发明的目的是提供一种机辆出入库检测棚设备状态自诊断的数字孪生方法，可实时将出入库检测棚设备数据同步到设备模型中，检测数据、设备内部性能状态、设备外观状态、综合状态分析和检修决策分析结合在一起，实现监控，预测设备故障，合理规划检修维护。

2、本发明解决其技术问题，所采用的技术方案为：

3、一种机辆出入库检测棚设备状态自诊断的数字孪生方法，包括：

4、s1布置高清红外巡检相机与传感器，进行无死角拍摄，并得到出入库检测棚设备的状态数据；

5、s2利用深度学习算法，训练计算机视觉模型和大数据模型，可进行设备的状态故障预测；

6、s3同时建立出入库检测棚设备的设备物理模型，从而形成数字孪生模型；

7、s4将出入库检测棚设备的状态数据与巡检图像实时与所述数字孪生模型通信，完成映射；同时利用计算机视觉模型和大数据模型完成设备的内外状态自诊断分析及故障预测；

8、s5实时远程监控与操作。

9、进一步的，所述s1：布置多组高清红外巡检相机，多角度地对出入库检测棚设备的外观进行定时巡检；所述传感器对出入库检测棚设备的各个模块的内部数据实时监测。

10、进一步的，所述s4：出入库检测棚设备的状态数据打包成json文件通过tcp/ip协议进行传输；

11、状态数据同步到所述数字孪生模型中，根据预设动画效果进行显示。

12、进一步的，所述s3：通过出入库检测棚设备的结构图、土建图的cad图纸建立检测棚以及棚内设备的设备物理模型，并通过处理形成所述数字孪生模型。

13、更进一步的，采用solidworks、blender工具对所述设备物理模型处理形成所述数字孪生模型。

14、进一步的，所述s2中：利用深度学习算法训练计算机视觉模型，识别设备的外观状态；同时利用深度学习算法训练大数据模型对设备的内部和外部状态进行故障预测。

15、更进一步的，所述s2中：采集大量巡检图像，对原始数据进行清洗、去噪和归一化处理，减少数据的不确定性和噪声干扰；

16、利用卷积神经网络构建故障分类模型计算机视觉模型，使用巡检图像对故障分类模型进行训练通过反向传播算法，不断调整模型参数，来提高模型准确性和鲁棒性。

17、进一步的，所述s2中：将训练好的计算机视觉模型和大数据模型部署在现场图形处理工控机中，可进行故障识别与报警，同时可将处理后的视频与报警结果同步传输给数字孪生模型服务器。

18、进一步的，所述s5：运行在局域网内，使用的移动终端或主机均可接收报警信息，并根据用户权限设置不同用户可访问的数据内容。

19、本发明建立机辆出入库检测棚设备的数字孪生模型，利用设备各模块多重传感器与智能巡检相机，将设备检测数据、设备内部性能状态（包含各个检测模块的运行状态及探头自检状态）、设备外观状态等数据集成，在数字孪生模型中完成映射，实现现实与虚拟实时同步，同时在数字孪生模型中嵌入算法完成设备状态自诊断分析及故障预测。

20、与现有的技术相比，本发明的有益效果如下：

21、（1）利用本发明，检修人员可以预测出入库检测棚设备的潜在问题，发现动态可视化定位故障点，进而判断是否需要立即检修，合理规划检修时间；

22、（2）利用本发明，巡检人员采用远程登陆方式进行智能巡检，人工只对巡检结果进行判断，无需每日进检测棚进行人工巡检。

技术特征：

1.一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述方法包括：

2.如权利要求1所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述s1：布置多组高清红外巡检相机，多角度地对出入库检测棚设备的外观进行定时巡检；所述传感器对出入库检测棚设备的各个模块内部数据实时监测。

3.如权利要求1或2所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述s4：出入库检测棚设备的状态数据打包成json文件通过tcp/ip协议进行传输；

4.如权利要求1或2所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述s3：通过出入库检测棚设备的结构图、土建图的cad图纸建立检测棚以及棚内设备的设备物理模型，并通过处理形成所述数字孪生模型。

5.如权利要求4所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，采用solidworks、blender工具对所述设备物理模型处理，形成所述数字孪生模型。

6.如权利要求1或2所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述s2中:利用深度学习算法训练计算机视觉模型，识别设备的外观状态；同时利用深度学习算法训练大数据模型对设备的内部和外部状态进行故障预测。

7.如权利要求6所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述s2：采集大量巡检图像，对原始数据进行清洗、去噪和归一化处理，减少数据的不确定性和噪声干扰；

8.如权利要求6所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述s2：将训练好的计算机视觉模型和大数据模型部署在现场图形处理工控机中，可进行故障识别与报警，同时可将处理后的视频与报警结果同步传输给所述数字孪生模型的服务器。

9.如权利要求1或2所述的一种机辆出入库检测棚设备状态自诊断的数字孪生方法，其特征在于，所述s5：运行在局域网内，使用的移动终端或主机均可接收报警信息，并根据用户权限设置不同用户可访问的数据内容。

技术总结
本发明公开了一种机辆出入库检测棚设备状态自诊断的数字孪生方法，包括：在机辆出入库检测棚内布置巡检相机和传感器，采集的实时图像并处理；利用SolidWorks、Blender等工具对出入库检测棚设备（含轨道、轮对检测设备、巡检相机、受电弓等）进行物理建模，再形成数字孪生模型；并将设备各模块运行状态、检测数据、运行历史、巡检相机视频，及视频图像处理结果等数据，通过网络传输至数字孪生模型集成完成映射，从而真实反映出入库检测棚设备的全生命周期过程及运行状态；同时嵌入算法完成设备内外状态自诊断分析及故障预测。

技术研发人员：张兆贵,田林林,高乐,魏培培,李加杰,郭其昌,王艺澎,汪项超,黄立松,邵永发,卞志豪
受保护的技术使用者：南京拓控信息科技股份有限公司
技术研发日：
技术公布日：2024/3/31