预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115907985A(43)申请公布日2023.04.04(21)申请号202211428841.3G01D21/02(2006.01)(22)申请日2022.11.15(71)申请人中国铁建重工集团股份有限公司地址410100湖南省长沙市长沙经济技术开发区东七线88号(72)发明人刘飞香廖金军王永胜蒋海华凡遵金尹雁飞(74)专利代理机构长沙七源专利代理事务所(普通合伙)43214专利代理师张勇邹琦(51)Int.Cl.G06Q40/04(2012.01)G06F21/33(2013.01)G06F21/64(2013.01)G06F16/27(2019.01)权利要求书3页说明书8页附图3页(54)发明名称一种基于区块链的盾构装备数字孪生管理系统及方法(57)摘要本发明提出了一种基于区块链的盾构装备数字孪生管理系统及方法,所述系统包括包括云端管理子系统和盾构装备数字孪生子系统;所述盾构装备数字孪生子系统用于构建数字孪生体,提供盾构装备全生命周期所需要的数据传输、处理、预测、优化、诊断、控制以及数据模型可视化功能;所述盾构装备数字孪生子系统内设有区块链模块,用于完整记录数据并采通过数字凭证实现数字孪生体与盾构装备一对一的唯一性。本发明的优点是通过区块链对盾构装备数字孪生子系统在研发设计、制造及调试阶段的搭建过程进行记录/存储,并通过数字凭证实现数字孪生体与盾构装备一对一,确保所搭建的盾构装备数字孪生体是独一无二,防止有价值的数字体被无限复制。CN115907985ACN115907985A权利要求书1/3页1.一种基于区块链的盾构装备数字孪生管理系统,其特征在于,包括云端管理子系统和盾构装备数字孪生子系统;盾构装备数字孪生子系统通过数据安全网关实现数据/模型同步更新,并分别在多个地址部署区块链全节点,实现云端管理子系统和各个盾构装备数字孪生子系统之间的数据同步,所述区块链全节点之间设有智能合约;所述盾构装备数字孪生子系统用于构建数字孪生体,提供盾构装备全生命周期所需要的数据传输、处理、预测、优化、诊断、控制以及数据模型可视化功能;所述盾构装备数字孪生子系统内设有区块链模块,所述区块链模块用于在本地服务器部署节点建立区块链并生成对应盾构装备数字孪生子系统的数字凭证,并基于区块链将盾构装备在研发设计、制造及调试过程中产生的数字孪生特征数据上链进行存储,所述区块链完整记录盾构装备数字孪生子系统搭建过程并采通过数字凭证实现数字孪生体与盾构装备一对一的唯一性。2.根据权利要求1所述的盾构装备数字孪生管理系统,其特征在于,所述盾构装备数字孪生子系统包括数据交互处理模块、地质环境预测模块、关键性能预测模块、施工参数优化模块、健康监测诊断模块、智能控制模块以及可视化模块;所述关键性能预测模块、施工参数优化模块、健康监测诊断模块以及智能控制模块为功能模块;所述数据交互处理模块用于采集现场数据并实现地质环境预测模块、关键性能预测模块、施工参数优化模块、健康监测诊断模块、智能控制模块、可视化模块以及区块链模块之间的数据交互以及数据处理;所述地质环境预测模块用于对盾构装备前方的地质类型进行实时预测,输出地质类型预测结果;所述关键性能预测模块用于对盾构装备部件进行寿命预测,输出寿命预测结果;所述施工参数优化模块用于对盾构装备运行过程中的参数进行优化,输出优化结果;所述健康监测诊断模块用于对盾构装备部件进行实时的健康监测诊断,输出健康诊断结果;所述智能控制模块用于将地质类型预测结果、寿命预测结果、优化结果以及健康诊断结果转换成控制命令,基于所述控制命令对盾构装备的运行进行控制优化;所述可视化模块用于将现场数据以及各功能模块输出的结果以图表的形式呈现并内置盾构装备和地质环境的可视化模型。3.根据权利要求2所述的盾构装备数字孪生管理系统,其特征在于,所述地质环境预测模块采用地质勘探数据以及现场数据进行机器学习训练,构建地质预测模型,并基于所述地质预测模型对盾构装备前方的地质类型进行实时预测,输出地质类型预测结果。4.根据权利要求2所述的盾构装备数字孪生管理系统,其特征在于,所述关键性能预测模块内置刀盘寿命预测模型、刀具磨损预测模型以及主轴承寿命预测模型;所述刀盘寿命预测模型是利用刀盘CAE仿真模型作为样本构建的代理模型,利用盾构装备施工过程采集的推力和扭矩作为输入进行刀盘实时寿命预测;所述刀具磨损预测模型是利用刀具磨损量以及推进系统/刀盘系统传感器监测参数作为样本进行机器学习训练构建的代理模型,利用推进系统和刀盘系统传感器监测参数作为输入实时预测施工过程中刀具磨损量;所述主轴承寿命预测模型是利用轴承寿命经验计算公式建立的理论模型,利用推力、扭矩和刀盘2CN115907985A权利要求书2/3页转