CN119417238A 制造业数字孪生三维可视化管控方法及系统 （唐山文旅数字技术发展有限公司）

制造业数字孪生三维可视化管控方法及系统列，分析时间序列中每个动态子序列的趋势特以在多时间维度上精准捕捉设备运行状态的趋2S1：收集制造设备运行数据并转换为时间序列，分析S2：预测所述动态运行状态序列集中每个S3：对所述制造设备健康状态风险分析结果中标记S4：将制造设备行为特征数据与所述制造设备偏差S111：收集制造设备运行数据并转换为时间序列，S112：基于所述动态子序列集合，将每个动态S211：使用分段回归模型预测所述动态运行状态序列集中每个时间序列的运行状态，;S212：通过动态调整分段回归模型的回归阶数，优3S221：将所述运行状态预测结果中未来时刻的S222：统计异常时间段内特征值的波动范围及偏S311：对所述制造设备健康状态风险分析结果中;计算状态变量f的梯度向量Af；S313：根据所述状态变量的梯度向量，将设备三维空S411：从制造设备运行数据中提取制造设备在S412：按分区提取所述行为特征与三维偏差数据的结构化数据集中的动态变化特征，S421：基于所述制造设备的数字孪生模型，将制造S422：基于所述动态调整的三维数字孪生模型，数据收集模块收集制造设备运行数据并转换为时间序列，分析时4状态预测模块预测所述动态运行状态序列集中每个时间序列的运态预测结果，将运行状态预测结果中未来时刻的预测参数与预设的正常状态范围进行比健康分析模块对所述制造设备健康状态风险分析结果中标记的风险区域所对应的制数字孪生模块将制造设备行为特征数据与所述制造设备偏差三维映射结果中的制造5[0002]智能制造技术领域包含利用信息技术与先进制造技术相结合，通过构建数字化、6;7;S411：从制造设备运行数据中提取制造设备在执行指定工序时的行为特征数据，健康分析模块对所述制造设备健康状态风险分析结果中标记的风险区域所对应数字孪生模块将制造设备行为特征数据与所述制造设备偏差三维映射结果中的8示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限9这些特征值组合为动态子序列，每个动态子序列均具有窗口对应的时间起点和终点信息，.表示当前时段提取的特征值，例如当前时段振动信号的幅值，可通过振动传感器采集后直接获取，或者通过对原始信号进是上一时段的特征值，表示在当前时段之前的时间窗口内提取的对应特征值，上一时段特征值v-1为8m/s2，代入公式计算差异率即差异率为S211：使用分段回归模型预测动态运行状态序列集中每个时间序列的运行状态，;均值x,=100（W标准差ox,=20（W环境温度z1=25(℃),其历史均值z,=22(℃),标准差oz=3(℃)；环境湿度z2=60（%其历史均值z,=55（%标准差oz=10（%设定特征值的权重a,=0.7，a,=0.3；环境变量权重w1=0.6，;;预测值Y=11.8表明机床当前运行状态的综合得分。气流速度对新特征值进行归一化处理，并基于历史运行数据重新计算新增特征值的权首先利用设备结构设计中的三维CAD模型确定设备部件的物理空间位置，例如主的偏导数，分别反映状态变量沿空间各方向的变化率，偏导数通过MATLAB内置函数。增加幅度为每1mm增加0.3m/s2；在y和z方向的变化率较小，分别为每1mm增加0.1m/s2和根据梯度计算结果，将设备三维空间数据中的梯度变化与实际设备结构位置对析x方向的梯度值为0.3m/s2/mm，超过高偏差阈值，标记为高偏差区域；y方向梯度值为S411：从制造设备运行数据中提取制造设备在执行指定工序时的行为特征数据，高偏差区域范围为x:10-50y:20-80,z:5-25，同时提取与主轴振动信号行为特[0033]S412：按分区提取行为特征与三维偏差数据的结构化数态预测结果，将运行状态预测结果中未来时刻的预测参数与预设的正常状态范围进行比健康分析模块对制造设备健康状态风险分析结果中标记的风险区域所对应的制数字孪生模块将制造设备行为特征数据与制造设备偏差三维映射结果中的制造本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施