Введение: Военное качество, интеллектуальная защита

В области военной промышленности надежность источников питания напрямую связана с национальной безопасностью и успехом выполнения задач. В ответ на потенциальные риски, связанные с закупкой и сборкой источников питания, был разработан специализированный система управления здоровьем источников питания. Основываясь на технологиях Интернета вещей и цифровых двойников, эта система реализует управление здоровьем источников питания на протяжении всего жизненного цикла, обеспечивая точный мониторинг, интеллектуальное предупреждение и эффективное обслуживание, что создает надежную основу для стабильной работы военных источников питания.

Представление решения

Обзор решения

Данный проект сосредоточен на устройствах для восприятия Интернета вещей и направлен на сбор данных о источниках питания. Путем связывания собранных данных с двойной моделью устройства, была достигнута точная мониторинг состояния здоровья источников питания. Основные функции включают:

• Мониторинг в реальном времени: мониторинг различных параметров во время работы (включая вибрацию, температуру обмотки генератора, температуру корпуса, скорость двигателя, напряжение, ток, пульсации, скачки, температуру воды, ток, мощность, давление масла, поток возвратного масла, поток охлаждающей жидкости, давление промежуточного охлаждения и т.д.).
• Интеллектуальная диагностика: использование интеллектуальных алгоритмов для создания математической модели, предсказания неисправностей и управления здоровьем ключевых компонентов специализированного источника питания (двигатель, ECU, генератор, контроллер).
• 3D-визуализация: одновременное использование многомерной визуализации для классифицированного отображения ключевых компонентов, локализации мест неисправностей и руководства по установке и обслуживанию.

Применимые сценарии

• Тестирование источников питания военной промышленности на заводе: моделирование экстремальных условий для обеспечения надежности оборудования.
• Управление эксплуатацией и обслуживанием оборудования: мониторинг состояния работы в реальном времени, предотвращение внезапных неисправностей.
• Прогнозирование срока службы и планирование обслуживания: на основе анализа больших данных, продление срока службы оборудования и снижение затрат на обслуживание.

Ключевые функции

• 41 параметр из 7 категорий данных, 100% сбор.
  Доступные данные об оборудовании: 41 параметр, включая вибрацию, скорость, поток, температуру, мощность, напряжение и ток, из которых вибрация, шум и напряжение являются высокочастотными данными, инфракрасная температура - это данные изображения, остальные - низкочастотные данные.
• Высокочастотные данные: 4 типа графиков, 24 характеристических показателя многомерного анализа.
  Поддержка анализа исходных форм, анализа спектра ускорения, анализа спектра скорости и анализа тенденций.
  Статистика включает 24 характеристических показателя, таких как эффективное значение, пиковое значение, запас, курвиметрия, ключевые частоты пиков.
• 60 более правил тревоги из 9 категорий моделей.
  На основе многоступенчатого предельного предупреждения охватываются три основных типа: мгновенные предупреждения, краткосрочные статистические предупреждения и долгосрочные тенденции, поддерживающие подключение моделей больших данных с машинным обучением и глубоким обучением.
• 5 основных измерений - ступенчатая - схема модели здоровья.
  Более 60 предупреждений охватывают 5 основных измерений: двигатель, генератор, контроллер, устройства охлаждения и другие аксессуары, оценивая баллы каждого измерения в зависимости от серьезности предупреждений, реализуя ступенчатое управление здоровьем оборудования.

Технические преимущества

• Цифровой двойник: данные оборудования и двойная модель синхронизируются в реальном времени, обеспечивая точный мониторинг "сочетания виртуального и реального".
• Граничные вычисления + облачное сотрудничество: локальный крайний компьютер обрабатывает высокочастотные данные в реальном времени, облачное хранение и анализ поддерживают долгосрочные решения.
• Высокая совместимость аппаратного экосистемы: интеграция 41 параметра из 7 категорий данных, охватывающая все области двигателя, генератора и контроллера.

Примеры применения

Пример 1: Система управления здоровьем специализированного источника питания для одного военного предприятия.

Болевые точки: Во время испытаний специализированного источника питания стабильность оборудования недостаточна, частые неисправности, и даже после применения различных методов не удается эффективно контролировать.
Решение: Многомерные датчики восприятия + интеллектуальная алгоритмическая модель + визуальная платформа обеспечивают управление здоровьем источников питания на протяжении всего жизненного цикла.
Эффект: Точность мониторинга состояния специализированного источника питания более 90%, точность диагностики неисправностей более 80%, точность прогнозирования оставшегося срока службы более 60%.