买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南通清风通用机械有限公司申请的专利基于数字孪生的螺旋风管预测性运维方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120991410B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511509237.7，技术领域涉及：F24F11/38；该发明授权基于数字孪生的螺旋风管预测性运维方法及系统是由蒋昊辰设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本基于数字孪生的螺旋风管预测性运维方法及系统在说明书摘要公布了：本发明公开了基于数字孪生的螺旋风管预测性运维方法及系统，涉及风管系统状态监测与运维技术领域，包括如下步骤：在螺旋风管的关键节点部署高频声发射AE传感器和低频振动加速度传感器，以风机启停信号和运行功率作为工况标签，自动触发高频采集模式并进行降噪处理，输出带时序、工况标签且经过初步降噪的多模态声振原始信号数据集；本发明通过在螺旋风管内部署高频声发射AE传感器和低频振动加速度传感器，利用高频声发射技术实时监测薄壁结构的健康状态，能在螺旋风管的微动磨损、密封胶老化等故障萌芽阶段，精准捕捉管内微弱早期故障信号并发出预警，实现了对螺旋风管的实时监测、提前预警和精准运维。

本发明授权基于数字孪生的螺旋风管预测性运维方法及系统在权利要求书中公布了：1.基于数字孪生的螺旋风管预测性运维方法，其特征在于，包括如下步骤： S1、在螺旋风管的关键节点部署高频声发射AE传感器和低频振动加速度传感器，以风机启停信号和运行功率作为工况标签，自动触发高频采集模式并进行降噪处理，输出带时序、工况标签且经过初步降噪的多模态声振原始信号数据集，包括声发射信号和振动信号； S2、对声发射信号和振动信号分别进行特征提取形成多维特征向量，并输入多变量统计过程控制MVSPC模型，通过计算T²统计量和平方预测误差来监控螺旋风管状态，采用无监督学习算法对融合后的多维特征空间进行学习，识别出与正常基线状态偏离的异常点，输出结构化事件警报，其中，所述多变量统计过程控制MVSPC模型的监控螺旋风管状态步骤如下： 在螺旋风管的正常运行状态下，收集大量的多维特征向量数据作为样本，并计算样本均值向量和协方差矩阵； 对于新采样点输入的多维特征向量，计算T²统计量和平方预测误差SPE，其中，T²统计量的计算公式为，式中，表示为T²统计量，且T²统计量数值越大，说明该新采样点越远离正常状态的多变量中心，表示为新采样点输入的多维特征向量，表示为协方差矩阵的逆矩阵； 平方预测误差SPE的计算公式为，式中，表示为平方预测误差，表示为单位矩阵，表示为由PCA模型从正常训练数据中提取得到的主荷载矩阵，表示为向量的平方欧几里得范数，表示为投影矩阵，表示为残差投影矩阵，表示为残差向量； 根据T²统计量的分布，确定控制限； 将实时计算出的T²统计量与确定控制限进行比较，以判断螺旋风管是否处于正常状态； 所述无监督学习算法识别异常点的步骤如下： 从多维特征向量数据中随机抽取子样本作为训练集，使用无监督学习算法中的隔离森林IsolationForest对训练集进行训练； 随机选择特征和分割值来构建多棵隔离树，以构建隔离树森林； 对于每个数据点，遍历每棵隔离树，记录从根节点被隔离到叶子节点所经过的路径长度； 根据所有树上路径长度的平均值，计算异常得分； 根据异常得分评估数据点异常状态，用于判断每个数据点是否为异常点； 所述结构化事件警报的输出步骤如下： 将MVSPC模型的监控结果和无监督学习算法的异常得分进行异常证据融合； 根据异常点的特征和所在区域，判断异常类型； 结合传感器的位置信息，确定异常发生的位置； 记录异常发生的时间； 根据异常点与正常基线状态的偏离程度，通过计算欧几里得距离作为偏差的严重程度评分； 将异常类型、发生位置、时间和严重程度评分组合成结构化事件警报输出 S3、基于结构化事件警报，建立一个故障特征的物理机理知识库，结合多分类机器学习模型经过历史数据训练，判断故障模式及输出置信度，通过分析传感器信号的时间差能量衰减，实现故障管段级定位，输出增强诊断报告； S4、利用增强诊断报告，分别采用基于物理的疲劳累积损伤模型和数据驱动模型差异化预测剩余寿命，剩余寿命预测与决策优化模块内置成本模型，将预测的剩余寿命转化为风险成本，与计划性维护成本对比，运用决策树模型推荐经济最优维护时机与策略，生成可执行策略，其中，所述基于物理的疲劳累积损伤模型预测剩余寿命的步骤如下： 将低频振动加速度传感器通过力学模型转换为咬合缝处的应力时间历程，通过对应力时间历程进行雨流计数法统计出不同应力幅值和应力循环次数的载荷谱，进而确定螺旋管道在运行过程中所承受的应力谱； 基于应力谱，使用Miner线性累积损伤理论的疲劳损伤模型计算已发生的累积损伤； 根据螺旋管道当前工况的累积损伤，预测的剩余使用寿命； 所述数据驱动模型预测剩余寿命的步骤如下： 收集与螺旋管道运行状态相关历史数据，包括多模态声振原始信号数据集、结构化事件警报及增强诊断报告，并提取能表征管道整体健康状态的多个特征数据，构建健康指数； 将历史健康指数HI值按时间顺序排列，形成退化时间序列，使用历史数据训练一个时间序列预测LSTM模型，学习健康指数HI的退化模式； 将新的输入特征向量转换成当前的退化时间序列，输入训练好的LSTM模型并输出预测剩余寿命。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南通清风通用机械有限公司，其通讯地址为：226000 江苏省南通市通州区二甲镇三甲居；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。