基于数字孪生的复杂矿用设备预测性维护系统

针对恶劣工况环境下复杂矿用设备状态监测与预测性维护困难等问题,结合状态监测、故障预警和预测维护等多种综合建模与分析预测技术,提出了一种基于数字孪生的预测性维护系统。首先,介绍了复杂矿用设备数字孪生体的设计流程与构建原理,并在搭建数字孪生体的过程中实现了预测性维护系统的功能;然后,研究了基于LabVIEW、MySQL和Unity3D的状态数据获取方法,利用Unity3D开发引擎搭建了三维可视化复杂矿用设备状态监测平台,并通过虚拟空间可视化展示设备当前状态;最后,分析了优化BP(back propagation,反向传播)神经网络在复杂矿用设备故障预警中的适用性,同时利用MATLAB软件建立了复杂矿用设备关键零部件的预测性维护模型,并将预警结果通过MySQL数据库传输至Unity3D开发引擎,以驱动和部署预设维护流程,实现设备状态实时监测下的关键零部件故障预警。根据采煤机液压系统的实际维修流程,制定了混合现实(mixed reality, MR)预测性维护策略,并以采煤机摇臂部液压柱塞泵为实验对象开展有效性验证。结果表明,所构建的预测性维护系统的故障预测准确率高于90%,且故障预警结果可驱动HoloLens眼镜实现虚拟指导的维修交互,验证了该系统预测性维护功能的有效性。研究结果可为复杂矿用设备的预测性维护提供新思路。

基于混合现实的矿用设备维修指导系统

针对矿用设备现场维修知识和专业指导不足导致维修效率低、周期长,虚拟现实和增强现实技术实现平台一般为头戴式设备、手机等,设备的移动性很好,但用户只能依赖交互手柄、触摸屏进行交互,视觉体验缺乏真实性,设计了一种基于混合现实的矿用设备维修指导系统。该系统基于Unity3D虚拟现实平台,采用混合现实设备HoloLens实时显示维修指导方案,实现了矿用设备原理虚拟仿真、基于二维码的设备管理、设备维修指导和远程专家协作等功能。HoloLens通过虚拟文字、虚拟设备模型、动画及语音提示等方式将维修指导信息直观地呈现给维修人员,维修人员可通过视线跟踪、语音交互、手势识别等方式与HoloLens交互。采煤机齿轮磨损故障维修指导应用实例验证了该系统的实用性和有效性。

融合数字孪生与混合现实技术的机电设备辅助维修方法

针对复杂机电设备故障维修指导知识获取不直观、专业维修不及时的问题,提出一种融合数字孪生与混合现实技术的机电设备辅助维修方法,该方法借助数字孪生和混合现实技术,构建了数字孪生驱动的复杂机电设备维修指导总体模型和技术框架,研发了基于BIM-Unity3D-HoloLens的故障辅助维修指导系统,研究了维修环境感知、数据信息交互、虚实注册融合和故障维修指导等关键技术。最后,以煤矿综采关键设备电牵引采煤机摇臂传动系统的齿轮故障为例,验证了该方法的有效性。

基于改进YOLOv5s的护帮板异常检测方法研究

准确识别护帮板支护状态,判断护帮板是否与采煤机发生干涉,是实现煤矿安全生产的重要一环。提出了一种基于改进YOLOv5s的护帮板异常检测方法。建立了护帮板数据集hb_data2021,对YOLOv5s模型进行改进。根据基于改进YOLOv5s的护帮板状态检测结果的标签分类,判断护帮板状态是否异常。为了减小YOLOv5s模型的参数量,采用MobileNetV3和轻量级注意力机制NAM (normalization-based attention module,标准化注意力模块)替换主干特征提取网络。为了提高护帮板检测精度,改进损失函数为α-CIoU,并进行知识蒸馏。实验结果表明:蒸馏后的网络平均精度提高了1.0%,参数量减小了33.4%,推理加速34.2%;基于改进YOLOv5s的护帮板异常检测方法效果良好,将其部署在NVIDIA Jetson Xavier平台上,可以满足实时检测视频的要求。将检测模型移植到巡检机器人的嵌入式平台上,可以实现护帮板异常检测,满足煤矿工业实际需求。