[发明专利]基于数字孪生的冷水机组预测性维护方法、装置及终端

权利要求书

1.一种基于数字孪生的机组预测性维护方法，其特征在于，所述方法包括：

基于数据驱动获取冷水机组在各个预设时刻的剩余寿命观测数据；

根据所述冷水机组的数字孪生模型的仿真结果和剩余寿命观测数据进行粒子采样，通过粒子滤波实现数据驱动和数字孪生结果的融合，获取所述冷水机组的剩余寿命预测数据；

根据所述冷水机组的剩余寿命预测数据，对所述冷水机组的数字孪生模型的参数进行更新，并进行所述冷水机组的性能退化可视化处理；

根据预设的S型效用曲线和所述冷水机组的剩余寿命预测数据确定对应的维护策略，其中，所述S型效用曲线是基于预设数据集构建的，所述预设数据集中包括多种维护策略以及每种维护策略对应的收益。

2.根据权利要求1所述的基于数字孪生的机组预测性维护方法，其特征在于，所述根据所述冷水机组的数字孪生模型的仿真结果和剩余寿命观测数据进行粒子采样，通过粒子滤波实现数据驱动和数字孪生结果的融合，获取所述冷水机组的剩余寿命预测数据，包括：

根据由所述冷水机组的数字孪生模型仿真获取的先验概率和所述各个预设时刻的剩余寿命观测数据进行粒子采样，生成每个所述预设时刻对应的剩余寿命预测数据粒子集；

根据剩余寿命预测数据粒子集确定所述冷水机组在各个预设时刻对应的剩余寿命预测数据。

3.根据权利要求2所述的基于数字孪生的机组预测性维护方法，其特征在于，所述根据由所述冷水机组的数字孪生模型仿真获取的先验概率和所述各个预设时刻的剩余寿命观测数据进行粒子采样，生成每个所述预设时刻对应的剩余寿命预测数据粒子集，包括：

令k表示所述各个预设时刻的序号，当k＞0时，根据k-1时刻的第三粒子集对应的重要性概率密度生成k时刻对应的第一粒子集，所述第一粒子集中包括N个粒子，其中，所述重要性概率密度为由所述冷水机组的数字孪生模型仿真获取的先验概率；

根据k时刻的剩余寿命观测数据计算k时刻的第一粒子集中各个粒子的权重；

根据k时刻的第一粒子集中各个粒子的权重对k时刻的第一粒子集进行重采样，得到k时刻的第二粒子集；

对k时刻的第二粒子集进行正则化得到k时刻对应的第三粒子集；

所述根据剩余寿命预测数据粒子集确定所述冷水机组在各个预设时刻对应的剩余寿命预测数据，包括：

根据k时刻对应的第三粒子集得到k时刻对应的剩余寿命预测数据。

4.根据权利要求2所述的基于数字孪生的机组预测性维护方法，其特征在于，所述根据k-1时刻的第三粒子集对应的重要性概率密度生成k时刻对应的第一粒子集，包括：

从重要性概率密度中采样生成k时刻对应的第一粒子集；

其中，表示在的条件下的概率分布，表示k-1时刻的第三粒子集中的粒子，为k时刻对应的第一粒子集中的粒子。

5.根据权利要求2所述的基于数字孪生的机组预测性维护方法，其特征在于，所述根据k-1时刻的第三粒子集对应的重要性概率密度生成k时刻对应的第一粒子集之前，包括：

当k＝0时，根据k时刻的剩余寿命真实值先验概率生成k时刻的第三粒子集。

6.根据权利要求2所述的基于数字孪生的机组预测性维护方法，其特征在于，所述根据k时刻的剩余寿命观测数据计算k时刻的第一粒子集中各个粒子的权重，包括：

根据预设公式计算k时刻的第一粒子集中各个粒子的权重；

其中，表示k时刻的第一粒子集中第i个粒子的权重，表示k-1时刻的第三粒子集中第i个粒子的权重，表示在k时刻的第一粒子集中第i个粒子的值的条件下k时刻的剩余寿命观测值的概率。