(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210988387.0 (22)申请日 2022.08.17 (71)申请人 兰州理工大 学 地址 730050 甘肃省兰州市七里河区兰工 坪路287号 (72)发明人 李亚洁　刘强　李炜　蒋栋年　 惠永永　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01)G06F 111/10(2020.01) G06F 119/02(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于离心泵数字孪生模型的叶轮机械 故障检测方法 (57)摘要 本发明公开了一种基于离心泵数字孪生模 型的叶轮机械故障检测方法， 通过构建离心泵数 字孪生模型， 获取压力、 速度云图， 然后根据实体 离心泵的运行数据， 使用计算机视觉网络模型对 所述压力、 速度云图进行识别检测， 得到识别检 测结果， 进而对叶轮机械故障进行诊断， 所述离 心泵数字孪生模 型包括， 通过点 云逆向建模建立 的离心泵仿真实体模型； 通过CFD数值模拟建立 的内部属性模 型； 以及根据所述内部属性模型的 数值预测结果选取的误差补偿模 型。 本发明构建 的离心泵数字孪生模型具有较高的预测精度， 基 于该模型进行叶轮机械故障诊断， 简单易行， 具 有良好的可实施性， 并且能够快速、 准确的给出 叶轮故障诊断结果。 权利要求书1页 说明书10页 附图11页 CN 115329493 A 2022.11.11 CN 115329493 A 1.一种基于 离心泵数字 孪生模型的叶轮机 械故障检测方法， 其特 征在于， S1、 构建离心泵数字孪生模型， 用于获取压力、 速度云图， 所述离心泵数字孪生模型包 括， 通过点云逆向建模建立的离心泵仿真实体模型； 基于所述离心泵仿真实体模型， 通过CFD数值模拟建立的内部属性模型； 根据所述内部属性模型的数值预测结果选取的误差补偿模型； S2、 根据实体离心泵的运行数据， 使用计算机视觉网络模型对所述压力、 速度云图进行 识别检测， 得到识别检测结果； S3、 根据所述识别检测结果， 对叶轮机 械故障进行诊断。 2.根据权利要求1所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其 特征在于， 所述离心泵仿真实体模型， 基于 3DMAX逆向建模构建。 3.根据权利要求1所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其 特征在于， 所述内部属性模型的建立过程 为： 根据所述离心泵仿真实体模型的水体结构， 建立水体几何模型； 对所述水体几何模型进行网格划分； 建立流体力学模型， 求 解流体力学控制方程； 进行数值模拟， 输出压力、 速度云图。 4.根据权利要求3所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其 特征在于， 所述流体力学模型， 根据连续性方程、 动量守恒方程、 能量守恒方程以及粘性流 体湍流方程建立。 5.权利要求3所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其特征 在于， 通过SIMPLE求 解流体力学控制方程， 离 散方式选择二阶迎风格式。 6.权利要求3所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其特征 在于， 进行数值模拟前， 给定边界条件， 所述边界条件的输入为所测流量数据及叶轮转速数 据， 所述边界条件的输出为出口压力。 7.权利要求1所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其特征 在于， S2中， 所述 运行数据包括输入端的流 量数据、 叶轮转速数据， 以及输出端的出口压力。 8.权利要求1所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其特征 在于， 所述计算机 视觉网络模型为训练好的Yo lov5目标检测模型， 识别步骤 包括： S21、 确定决策库， 设定交并比阈值； S22、 采用所述训练好的Yolov5目标检测模型对所述压力、 速度云图进行识别， 得到正 常识别结果和非正常识别结果； S23、 对所述正常识别结果和非正常识别结果进行可视化输出， 并根据大于所述交并比 阈值的所述非正常识别结果的数量和所述决策库， 判定叶轮故障类型。 9.权利要求8所述的一种基于离心泵数字孪生模型的叶轮机械故障检测方法， 其特征 在于， 所述 决策库的规则 为： 00表示叶片正常； 01， 10， 11表示一叶片故障； 02， 20， 22表示两 叶片故障； 0 3， 30， 33表示三叶片故障， 其 余12， 13， 23， 21， 31， 32 表示叶轮故障。权　利　要　求　书 1/1 页 2 CN 115329493 A 2一种基于离心泵数字孪生模型的叶轮机械故障检测方 法 技术领域 [0001]本发明涉及信息技术领域技术领域， 更具体的说是涉及 一种基于离心泵数字孪生 模型的叶轮机 械故障检测方法。 背景技术 [0002]数字孪生是一种超越现实的概念， 是一种充分利用物理模型、 传感器更新、 运行历 史等数据， 集成多学科、 多物理量、 多尺度、 多概率的仿真过程， 其在虚拟空间中完成映射， 从而反映相对应的实体装备的全生命周期中的过程状态。 [0003]数字孪生技术落地应用过程中的首要任务是创建应用对象的数字孪生虚拟实体 模型， 具体包括其几何模 型， 物理模 型、 行为模 型以及规则模 型， 这些模 型能从多时间尺度， 多空间尺度对应用物理实体进行描述与刻画， 随着数字孪生技术的发展， 该技术已应用于 工业互联网、 智能制造、 智慧城市、 智能工厂等多领域应用场景中， [0004]但目前该技术还未应用到航煤运输领域， 而且， 就航煤运输领域而 言， 航煤管道运 输为机场扩能改造和空港经济发展提供更加充足的能源保障， 带动了沿线地方经济发展。 但对于航煤管道线路运行 的安全检测与维护， 缺 乏对线路设备装置全生命周期科学、 有力 维护与动态监督检测手段。 而且给油泵作为航煤运输过程中的重要动力输送设备， 在航煤 运输领域一直占据着无可替代的地位， 在航煤运输线路运行过程中一旦因为给油泵系统出 现问题而导致非计划停输， 轻则造成产品报废、 生产停滞， 重则造成重大财产损失， 甚至人 员的伤亡。 [0005]因此， 如何克服上述缺陷， 提供一种基于数字孪生技术的离心泵故障监测方法是 本领域技术人员亟需解决的问题。 发明内容 [0006]有鉴于此， 本发明提供了一种基于离心泵数字孪生模型的叶轮机械故障检测方 法， 为了实现上述目的， 本发明采用如下技 术方案： [0007]一种基于 离心泵数字 孪生模型的叶轮机 械故障检测方法， 其特 征在于， [0008]S1、 构建离心泵数字孪生模型， 用于获取压力、 速度云 图， 所述离心泵数字孪生模 型包括， [0009]通过点云逆向建模建立的离心泵仿真实体模型； [0010]基于所述离心泵仿真实体模型， 通过CFD数值模拟建立的内部属性模型； [0011]根据所述内部属性模型的数值预测结果选取的误差补偿模型； [0012]S2、 根据实体离心泵的运行数据， 使用计算机视觉网络模型对所述压力、 速度云图 进行识别检测， 得到识别检测结果； [0013]S3、 根据所述识别检测结果， 对叶轮机 械故障进行诊断。 [0014]优选的， 所述离心泵仿真实体模型， 基于 3DMAX逆向建模构建。 [0015]优选的， 所述内部属性模型的建立过程 为：说　明　书 1/10 页 3 CN 115329493 A 3