CN119250798B 一种基于数字孪生技术的转机设备检修方法及系统 （国能江苏电力工程技术有限公司）

一种基于数字孪生技术的转机设备检修方种基于数字孪生技术的转机设备检修方法及系据进行处理，构建三维模型并填充至虚拟空间内；将物理空间和虚拟空间映射至数字服务空2所述设备虚拟模块，用于对变电站内的转机设备进行三维可视化，所所述设备运行状态监测模块，通过可视化界面对转机设备进行监测，所述测试检修控制模块根据所述分析结果，生成测试检修方案，将所述测试所述测试检修控制模块内配置有检修控制策略，所述检修控制策对图像传感器进行相机标定，获取图像传感器的外参矩阵和计算坐标转换后的压缩重构图像所有像素点的全局均值将全局特征图像素点的置信度与置信阈值进行对比对表面特征图进行区域切割，根据时间特征提取函数，提取表面特征将表面特征图的区域时间特征和区域空间特征进行融合，获取双实时数据分析单元：对所有监测数据进行实时所述设备运行状态监测模块内配置有数据分析策略，所述数据分析策所述温度分析逻辑用于对温度传感器采集的温度数据进行分析，判所述压力分析逻辑用于对压力传感器采集的压力数据进行分析，识所述流量分析逻辑用于对涡轮流量计采集的流量数据进行分析，判断3对信号重构的振动信号进行傅里叶变换，将振动信号的傅里叶谱根据各模态分量的最优解计算功率谱，获取转机设备轴承信号的对电流信号进行整流和平滑处理，通过短时傅里叶变换对电将电流信号的高频分量与电流检测阈值进行对比，如将电流信号的低频分量与电流初始阈值进行对比，如方案执行单元，用于将所述测试检修方案转化为系统可执行执行反馈单元，用于实时监控转机设备的运行状态，并将其与预所述检修控制策略包括最优方案生成逻辑和控制逻辑，所述最优方案生将所述分析结果和设备运行状态作为所述遗传算法输入参数，通过传感器数据采集单元，通过多种传感器组件，获取待建模对象的外4数据处理单元，用于对所述待建模对象的外部数据和内部数据进特征融合子单元：将外部结构特征和内部点云特征融合，并生所述数据处理策略包括图像处理逻辑和点云处理逻辑，所述图像处所述三维建模策略包括特征融合逻辑，所述特征融合逻辑用于将外所述图像处理逻辑配置于所述图像处理子单元内，所述点云处理逻辑配置通过平面拟合找到最适合的三维平面，对经过预处理的三维点云数据进行坐标转换，将世界坐标系等间隔划分为栅格，将激光扫描点云进行体素化表5根据聚类算法对所述激光扫描点云体素特征进行聚类分析，将处a表示聚类后处于同一中心簇的激光扫描点云体素特征对应的内部点云特征，i将DBSCAN聚类后的所述核点作为K_means聚类算法的初始中心簇，计算所述激光扫描根据所述欧式距离进行聚类划分，并计算所述初始中心簇的聚将所述外部结构特征和所述内部点云特征转化为特征序列，所述通过所述几何特征提取模块和所述面特征提取模块对所述影像点云特征序列进行处通过所述内部特征提取模块和所述空间特征提取模块对所述激光扫描点云特征序列所述几何特征提取模块用于从影像点云特征序列中识别和提所述空间特征提取模块用于从激光扫描点云特征序列中提取出物体的空间布局特征，6所述内部特征提取模块用于从激光扫描点云特征序列中提取出物体的内部材料分布16.一种基于数字孪生技术的转机设备检修方法，所述方法基于权利要求1_15任一项构建变电站三维虚拟模型，所述变电站三维虚拟模型包根据所述物理空间，确定待建模对象，通过传感器组件获取所对所述传感器数据进行处理，构建变电站三维模型，将所述变电站三将所述物理空间和所述虚拟空间映射至所述数字服务空间，通过根据所述测试检修方案生成检修指令，通过所述检修指令控制检78[0027]对电流信号进行整流和平滑处理，通过短时傅里叶变换对电流信号进行频域分[0028]将电流信号的高频分量与电流检测阈值进行对比，如果大于或等于电流检测阈9[0029]将电流信号的低频分量与电流初始阈值进行对比，如果大于或等于电流初始阈[0060]将全局特征图像素点的置信度与置信阈值进行对比，保留大于置信阈值的像素[0062]将表面特征图的区域时间特征和区域空间特征进行融合[0075]将DBSCAN聚类后的所述核点作为K_means聚类算法的初始中心簇，计算所述激光[0080]通过所述几何特征提取模块和所述面特征提取模块对所述影像点云特征序列进[0081]通过所述内部特征提取模块和所述空间特征提取模块对所述激光扫描点云特征[0083]所述面特征提取模块用于从影像点云特征序列中提取和整合面形状特征和面结[0085]所述空间特征提取模块用于从激光扫描点云特征序列中提取出物体的空间布局[0086]所述内部特征提取模块用于从激光扫描点云特征序列中提取出物体的内部材料[0099]通过阅读参照以下附图所作的对非限制性实施例的详细描述，本发明的其它特[0100]图1为本发明实施例1中一种基于数字孪生技术的转机设备检修方法的流程示意[0150]将通过DBSCAN进行初步聚类获得的核点作为K_means聚类算法的初始中心簇，为确性，预处理步骤首先去除噪声点和异常点所述对激光扫描点云进行预处理具体步骤如特征序列和激光扫描点云特征序列，影像点云特征序列反映了待建模对象的外部特征变像点云特征序列中提取和整合面形状特征和面结构特征，它通过分层处理和高级联操作，核函数对影像点云特征序列进行操作，计算每一个面[0168]所述特征级联子模块用于将从面形状特征提取子模块和面结构特征提取子模块征向量的最小特征值对应的特征向量就是法向量。PCA的优势在于其对局部点云结构的敏[0183]所述S5将融合特征导入到建模软件进行处理，最终输出[0186]所述数字服务空间通过物联网平台对来自物理空间的传感器数据和虚拟空间的对每一个本征模态函数进行迭代，计算满足各模态分量的带宽总和最小情况下的最优解，[0212]对电流信号进行整流和平滑处理，通过短时傅里叶变换对电流信号进行频域分[0213]将电流信号的高频分量与电流检测阈值进行对比，如果大于或等于电流检测阈[0214]将电流信号的低频分量与电流初始阈值进行对比，如果大于或等于电流初始阈