预测性维护—数字孪生

7月前浏览15012

本文摘要：（由ai生成）

预测性维护在航空业中通过数据分析和AI预测飞机潜在故障，帮助航空公司主动规划维修。关键发展点包括选适合的传感器、定制系统和数据物理解释。法国VibraTec集团是机械声学振动专家，提供创新解决方案增强产品可靠性。懿朵科技作为VibraTec的中国合作伙伴，提供振动噪声控制技术，服务于轨交、汽车、航空航天等，包括整车优化、软件开发、减振降噪产品设计、故障诊断与健康管理等服务。

Context & Issue

Predictive maintenance in aviation is an approach that uses data analysis and artificial intelligence to predict potential failures of aircraft equipment and systems before they occur. This enables airlines and aircraft operators to plan repairs and maintenance proactively, rather than reacting after failures occur.

Key Development Points

The right sensor in the right place

Extensive sensor database for measuring various physical parameters: acceleration, displacement, pressure, acoustics, rotation speed, deformation, temperature, current, etc.
Analog and digital sensors (MEMS)
On-board or ground instrumentation (endurance or performance benches).

From on-board sensor to virtual sensor via the digital twin

On-board instrumentation (anemometer, altitude, temperature, incidence, yaw)
Test-specific instrumentation: pressures, gauges, anemometer
Load characterization
Response characterization: virtual sensor = maximum stress

Difficulty: sensors should preferably be integrated at the design stage. For example, characterization of a dynamic transfer between a bearing defect (spalling) and an acceleration signal detected by the sensor, or a crack at the root of a gear tooth.

A system tailored to your needs

Hardware selection based on:
Host site: on-board or ground-based,
Type of storage or transfer,
Conditioners required for sensors,
Sampling frequency,
in-situ processing possibilities,
Number of measurement channels,
Type of processing required.
Possibility of working with hardware already installed.
Recording triggered by operating parameters, incidents or continuously.

A physical interpretation of the information provided by dynamic static signals is required

The amount of data to be analyzed is very large. A step of information contraction is necessary. The physical interpretation of the indicators enables us to target/select those that are relevant to the analysis of an organ’s state of health.

Finally, a Principal Component Analysis (PCA) is used to reduce the data. The synthesis of the information provided by all the selected indicators can be represented in the form of a global indicator.

Results & Benefits

Following detection of an anomaly, calculation of residual service life

Feedback: field feedback / endurance bench testing of components
Simulation: damage calculation / digital twin (sensor signal/damage transfer)

Decision-making

Validation of whether or not to replace the component during the next maintenance campaign
Planning of an urgent maintenance task to replace the faulty component

法国VibraTec集团，成立于1986年，拥有超过 37 年的经验，是复杂机械、声学和振动现象方面的专家。作为国际知名的咨询公司，Vibratec致力于研究开发务实和创新的解决方案，使产品、基础设施和设备更加可靠、耐用和安静。

懿朵科技，总部位于上海，作为法国VibraTec集团在中国区独家合作伙伴，是以振动与噪声控制为核心的高新科技企业。凭借多年行业经验及算法积累，懿朵科技为轨道交通、汽车行业、航空航天等领域提供整车及零部件优化、软件开发、减振降噪产品设计、故障诊断与健康管理、环境振动噪声测试与预测、专业工具/软件销售等服务。在追求卓越的道路上不断创新，为客户提供技术支持与解决方案。

来源：懿朵科技

技术贴丨轨道车辆降噪解决方案

本文摘要：（由ai生成）懿朵科技采用统计能量分析法，对某轨道车进行了系统降噪设计。通过声学仿真模型预测列车内外声压级，与实测数据对比验证模型准确性，并提出了有效的降噪方案，如更换隔声量高的风挡、增加端墙隔声量等。实际测试证明了方案的有效性。懿朵科技以振动噪声专业技术为核心，提供智能研发和运维服务，业务广泛涵盖多个行业。该公司的技术有助于解决轨道交通快速发展带来的噪声污染问题。1►引言随着我国轨道交通的飞速发展，噪声污染已成为突出的环境问题。因此轨道交通噪声控制技术的研究成为了国内外关注的热点话题，也是衡量综合技术实力的体现，而列车行驶时的噪声大小是影响乘坐舒适度的一项重要指标。综上所述，懿朵科技受客户委托对某轨道车进行系统降噪设计，通过对轨道车车内、车外噪声仿真计算分析来提供优化降噪方案。 2►噪声源轨道车辆在运行的过程中，噪声源主要由牵引噪声、轮轨噪声、气动噪声组成，具体如下：（1）牵引噪声：列车动力源等模块工作时产生的噪声，列车低速运行时为主要噪声源。（2）轮轨噪声：分为滚动噪声、冲击噪声和啸叫噪声，高速线路普遍采用无缝钢轨且曲线半径大，因此，高速列车的轮轨噪声以滚动噪声为主，列车中速运行时为主要噪声源。（Thompson与法国VibraTec集团合作开发了著名的轮轨滚动噪声预测软件STARDAMP）。（3）气动噪声：与车速、车体流线型、转向架、受电弓等因素有关，列车高速行驶时的最主要噪声源。（POWERFLOW使用格子玻尔兹曼方法(LBM)精确、快速计算高速列车产生的气动噪声）如下图所示，按照轮轨噪声、牵引噪声、气动噪声占主导所对应的列车运行速度范围，可以将其分为三个区段，两个不同区段转变的运行速度称之为声学转变速度，图中的声学转变速度分别是35 km/h和250 km/h。 3►声学仿真模型由于轨道车模型较大，需要仿真预测全频段的噪声水平，因此选择统计能量分析（SEA）法为声学仿真计算方法，计算流程如下图所示：声学仿真模型如下图所示：为了验证利用SEA软件对列车内外声压级进行仿真预测结构的准确性，对已完成噪声测试的某列列车进行声学仿真计算，得到车内外噪声声压级并与实验测试数据进行对比验证，仿真计算得到的车内内外声压级与实测数据相差±2dB（出于客户要求，频谱等具体数据保密），说明仿真模型的准确性，能够利用该模型进行列车车内外噪声预测以及降噪方案的设计。4►声学仿真结果4.1考核指标仿真结果需要对车辆内部和外部噪声指标进行考核，考核指标如下表所示： 4.2仿真结果利用上述仿真模型，对轨道车车内和车外噪声进行仿真分析，仿真结果如下图所示：对于车内噪声仿真结果而言，客室内最大声压级比噪声限值低2dB，虽然计算结果满足噪声限值要求，但仍存在噪声超标风险。对于车外噪声仿真结果而言，车辆外部规定测点声压级最大值为82dB(A)，比噪声限值高2dB，不满足噪声限值的要求。 5►降噪方案通过噪声传递路径分析，提出以下降噪方案：（1）相对于地板，风挡和端墙是车辆的隔声薄弱区，车外噪声更容易通过风挡和端墙进入贯通道内，因此更换更高隔声量的风挡和增加端墙的隔声量。（2）在不影响动力包设备散热的前提下对动力包采取隔声措施，例如安装局部隔声罩或者隔声挡板。（3）车外噪声超标主要是由动力包噪声和转向架噪声引起的。为了满足噪声限值的要求，在车辆底部安装裙板（聚酯玻璃钢）遮挡动力包和转向架向外的辐射噪声。该降噪方案通过实际测试，实现车内、外都有效满足考核指标要求。懿朵科技是一家以振动噪声专业技术为核心的智能科技企业，以相关算法与工具为核心，为客户提供智能研发、智能运维服务。客户涉及轨交、汽车、能源、航空等行业。轨交行业主要业务包含整车及零部件优化、减振降噪产品设计、故障诊断与健康管理、环境振动噪声测试与预测、专业工具销售服务。来源：懿朵科技