工业散体物料领域的数字孪生

导读：如今，有越来越多的研发团队转向使用系统级的数字孪生来开发、改进、分析他们的设备和工艺----特别是在结构、流体和电磁等领域。

然而在矿业领域，之前还没有这样一种系统级的数字孪生应用，尽管在该领域种也面临着与其它领域相类似的任务和需求：减少停机时间、更好的预测和维护、调整效率、增加产量和提高安全性。

数字孪生体在矿业领域的应用方式

为提高计算效率，一个基于物理实体的数字孪生模型首先应从基于全三维物理实体的降阶模型开始。而且数字孪生体应通过采集传感器数据的物联网(IOT)平台，来连接到真实的现场设备，由此产生的数字孪生体可以通过计算提供不便在现场测量的额外数据。

无需参考和依赖历史数据，数字孪生技术可通过模拟产品组件的方法来加速产品研发，并识别和解决部分工业中的工艺问题，以及预测/改善工业效率。

ANSYS系列产品为构建数字孪生体提供了强大的支持。在矿业领域的仿真应用方面，其引入了Rocky DEM降阶模型。如下图所示。

图1. Rocky DEM 在ANSYSDesignXplorer中集成并生成数字孪生体

这些降阶模型在连续空间中不需要进行完整的物理求解，而是可以通过快速估算的方式进行行为预估。通过将Rocky DEM同时集成到ANSYS Workbench和ANSYSDesignXplorer中，能进一步提高整个仿真系统的计算效率。

矿业案例介绍

这里举一个测试案例，在真实的矿业场景下，梭式矿车将开采的煤炭（或散装物料）从矿山岩体工作面运送到给料机入口。然后煤炭被矿车通过传动机构倾倒在给料机传送带上，传送带再将其输送到位于下游的矿物破碎设备

当梭式矿车卸料时(有时矿车传动机构速度太快)，物料会在给料机入口传送带上逐渐地发生累积，这些累积的物料溢出会影响后续地装卸。

尤其是当有多台矿车同时卸料时，传送带输送物料的总质量流会短暂的高于下游破碎系统的处理能力，这可能会造成传输堵塞和随后的设备损坏。

操作员可以在过载的情况下手动控制系统，当然也可以使用自动控制，但任何改变都会对整个系统会产生不可预估的影响。

所以工程师团队认为必须要分析系统中的所有变量是如何影响给料机的质量流量的。（图2）

图2. 给料机输出受很多因素影响

这项分析的目标是优化所有组件协同工作，并了解在溢流发生之前可以向下游输送多少物料。

经过研究得出最主要的变量是给料机的输送速度和原料质量。但单靠DEM分析将花费太长的时间来运行，而且需要为每一组输入进行新的求解。另一方面，降阶模型的方法可以实时提供结果，是分析高度可变系统的最佳方法。然而，它只提供了一个预测结果。

最优解决方案

工程师们认为，最好的方法是建立一个数字孪生系统，并为该系统添加一个基于Rocky DEM的仿真模拟进行验证。

团队并没有直接开发一个只具有单一用途的降阶模型，而是设置了两个功能独立的降阶模型——梭式矿车模型和给料机模型——来处理所有变化（图3）。

图3. 梭式矿车降阶模型可以输出基于卸料速度和物料质量的质量流出。给料机降阶模型仅需识别出一个重要变量：矿石从进入到输出的时间。

梭式矿车的测试案例设置了大约20吨物料在输送机上以不同的速度运行。

研究小组分别对梭式矿车和给料机进行了四次仿真。这些仿真将作为DesignXplorer的输入，用来追溯出几个特征时间点（图4）。

图4. 从降阶模型分析预测任意时间点的响应面：梭式矿车（左）和给料机

数字孪生体系统的验证

就验证来说，由于该团队无法实际记录整个采矿过程中的数据，因此他们使用一些未被包含在降阶模型中的采样点进行了另外的Rocky DEM仿真，然后再对两者的仿真结果进行比较。

展 望

因此，我们可以预期，在矿业领域，在数字孪生体的应用的研究上，我们的收获一定会远远超过我们现在为此所付出的努力。未来，这些收获还可能包括：

• 链接到物联网平台，以预测行动并避免不良后果

• 使用降阶模型可以立即查看某些变量对系统的影响，从而做出更明智的更改

• 修改降阶模型以包括散落溢出物料质量的计算

• 使用降阶模型优化系统

• 将降阶模型嵌入一个控制器（PLC），实现输送机速度的自动化

声明：原创文章，作者孙昊，首发数字孪生体实验室，欢迎分享，禁止私自转载，如需转载请联系我们。