离心泵系统数字孪生试验台

《Control Engineering Practice》:A digital-twin testbench for centrifugal pump systems

【字体: 大 中 小 】 时间:2026年08月28日 来源:Control Engineering Practice 5.3

编辑推荐:

  本研究提出离心泵数字孪生试验台(Centrifugal Pump Digital Twin Testbench,CPDTT),该平台为仪器化且全自动的实验系统,用于在受控条件下研究离心泵系统的机械、电气及水力失效模式。装置具备先进的控制、数据采集与处理架构,并

  
本研究提出离心泵数字孪生试验台(Centrifugal Pump Digital Twin Testbench,CPDTT),该平台为仪器化且全自动的实验系统,用于在受控条件下研究离心泵系统的机械、电气及水力失效模式。装置具备先进的控制、数据采集与处理架构,并集成系统级数字孪生(Digital Twin,DT),可部署预测性维护算法并支撑面向维护的决策。该关联通过将观测实验行为映射到特定失效模式,支持故障可解释性。平台用于验证基于功率谱密度(Power Spectral Density,PSD)分析的机器学习算法,旨在提取反映各离心泵部件健康状态的特征。空化与其它机械及电气故障是影响泵效率与寿命的最关键现象之一。DT嵌入基于物理的仿真模型,可在健康与诱导故障下生成带标签的能量数据集,支撑有监督学习流程。文中详述系统及所采用方法。总体而言,该试验台及其数字孪生为分析液压系统故障行为、验证监测算法及评估计算性能提供实用环境,并描述了诱导初生空化之方法学及相应检测策略。
研究背景方面,全球海水淡化与污水处理设施规模庞大,离心泵作为核心部件广泛分布于从家用设备到大型石化装置的各类场景,其可靠运行直接关系到能耗与停机损失。当前工业维护正由纠正性、预防性向基于状态的预测性维护(predictive maintenance)过渡,IIoT(Industrial Internet of Things,工业物联网)与人工智能降低了在线监测成本,但文献仍缺乏能同时实现可控故障诱导、水力-电气同步采集与基于数字孪生(Digital Twin,DT)模型验证的基准平台,导致特征提取方法与光谱指标解释难以系统评估。为此,研究人员搭建CPDTT,以建立确定性实验环境,提升对液压回路中行为、故障及能效劣化的理解与可解释性,并聚焦最常见且需早期识别的空化故障。
主要关键技术方法包括:构建三层架构(物理与自动化层、边端采集层、DT服务器层),其中边端采用Aingura Impulse Core(AIC)以20 ms周期采过程量、Aingura Impulse Energy(AIE)以8 kHz采三相电压电流;建立稳态水力模型(Steady-State Hydraulic Model,SSHM)与稳态水力-电气模型(Steady-State Hydraulic–Electrical Model,SSHEM)进行物理校验;通过调节入口阀开度与水温诱导初生空化;以功率谱密度(Power Spectral Density,PSD)提取电流谱特征,结合轴承/叶片通过频率等解析关系进行有监督异常检测;由PLC(Siemens S7-1511 PN)经PROFINET协调VFD(Schneider Altivar)与HMI(TP1900)实现手动/自动/空化测试三种模式。
研究结果部分,按原文小节浓缩如下。
  1. 1.
    Introduction指出离心泵失效族(轴承、不对中、叶轮损伤、空化)造成能效下降,间接电气监测可规避恶劣环境布传感器难题,CPDTT据此被提出作为集同步采集、物理建模、特征提取与监督决策于一体的基准。
  2. 2.
    Testbench中2.1 Installation说明液压回路含Pedrollo CP130单块泵(0.37 kW三相异步机,10–80 L/min,14–23 m扬程),过程仪表测压(0–40 bar)、温(?50–150 ℃)、流(10–80 L/min),比例阀控流精度<1%,电加热器调温促空化。2.1.2 Automation描述S7-1511 PN经PROFINET驱VFD与HMI,设手动、自动序列、空化测试三模式。2.2 Digital twin给出三层架构与AIC/AIE时间戳对齐机制,DT服务器跑Linux+Xeon+32 GB RAM,承载模型比对与KPI生成。
  3. 3.
    Methodology里3.1列明机械(不平衡fmeter=fr、轴承FTF/BPFO/BPFI/BSF)、电气(转子条边带fBRB,elec、偏心fecc)及空化边带fcav等特征频率;3.2–3.3建立SSHM输出Q与ΔP,SSHEM增补Irms与三相电流波,模型适用稳态、30–60 L/min、0–2000 Hz带宽;NLHVM(非线性水力-VFD模型)列为未来工作。
  4. 4.
    定量验证(Section 4)显示DT工作流在健康与诱导空化下标签数据集上,电流PSD特征对初生空化有早期分辨力,并与代表性泵监测平台作了紧凑对比。
讨论与结论部分:研究人员认为CPDTT填补了“可控故障诱导+水电气同步+DT校验”基准空白,使PSD基机器学习特征之可解释性得以通过物理模型交叉验证;SSHEM在稳态工况下电流RMS与波形吻合钳形表测量,证明边端8 kHz电气流与20 ms过程上下文对齐方案可行;以空化为重点的诱导策略(关小入口阀+升温)可重复触达初生阶段,对早期检测算法训练具实用价值。论文发表于《Control Engineering Practice》,其意义在于为实验室尺度离心泵提供可复现、带物理标签的数字孪生基准,支撑预测性维护从时间基准走向状态基准。未来方向含NLHVM非线性模型、分布式边端-DT计算与通信评估。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号