高低温试验箱数字孪生系统构建方法

doi:10.16182/j.issn1004731x.joss.24-0178

系统仿真学报 ›› 2025, Vol. 37 ›› Issue (6): 1400-1411.doi: 10.16182/j.issn1004731x.joss.24-0178

• 论文 • 上一篇

高低温试验箱数字孪生系统构建方法

陈清华¹^,², 梁作友³, 关维娟⁴, 季家东¹, 刘萍¹

^1.安徽理工大学机电工程学院，安徽淮南 232001
^2.安徽理工大学环境友好材料与职业健康研究院(芜湖)，安徽芜湖 241003
^3.安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室，安徽淮南 232001
^4.安徽理工大学数学与大数据学院，安徽淮南 232001

收稿日期:2024-02-29 修回日期:2024-05-07 出版日期:2025-06-20 发布日期:2025-06-18
通讯作者: 梁作友
第一作者简介:陈清华(1978-)，男，教授，博士，研究方向为机械智能控制、数字孪生技术及应用。
基金资助:
国家自然科学基金(52175070);安徽省重点研究与开发计划(2022a05020030)

Construction Method of Digital Twin System for High-low Temperature Test Chamber

Chen Qinghua¹^,², Liang Zuoyou³, Guan Weijuan⁴, Ji Jiadong¹, Liu Ping¹

^1.College of Mechanical and Electrical Engineering, Anhui University of Science and Technology, Huainan 232001, China
^2.Institute of Environmentally Friendly Materials and Occupational Health(Wuhu), Anhui University of Science and Technology, Wuhu 241003, China
^3.State Key Laboratory of Mining Response and Disaster Prevention in Deep Coal Mine, Anhui University of Science and Technology, Huainan 232001, China
^4.College of Mathematics and Big Data, Anhui University of Science and Technology, Huainan 232001, China

Received:2024-02-29 Revised:2024-05-07 Online:2025-06-20 Published:2025-06-18
Contact: Liang Zuoyou

摘要/Abstract

摘要：

针对高低温试验箱数字孪生系统构建需求，采用以MQTT为通信协议的EMQX服务器进行数据传输，在实时数据驱动下，实现物理实体和虚拟模型实时动态交互映射，并利用神经网络模型和遗传算法对设备运行状态进行评估、预测及提供系统调整策略，实现工作人员全气候、全寿命、全工况了解设备运行状态，有效保障高低温试验箱的安全可靠运行。

关键词: 数字孪生, 高低温试验箱, 动态映射, 虚实交互, 综合监测

Abstract:

In view of the construction requirements of the digital twin system of the high-low temperature test chamber, the EMQX server with MQTT as the communication protocol is used for data transmission. Driven by real-time data, real-time dynamic interactive mapping between the physical entity and the virtual model is realized. The neural network model and genetic algorithm are used to evaluate and predict the running state of the equipment and provide the system adjustment strategy, so as to realize the whole climate, life and working condition of the staff to understand the running state of the equipment, and effectively ensure the safe and reliable operation of the high-low temperature test chamber.

Key words: digital twin, high-low temperature test chamber, active mapping, virtual-real interaction, comprehensive monitoring

中图分类号:

TP391.1

陈清华,梁作友,关维娟等 . 高低温试验箱数字孪生系统构建方法[J]. 系统仿真学报, 2025, 37(6): 1400-1411.

Chen Qinghua,Liang Zuoyou,Guan Weijuan,et al . Construction Method of Digital Twin System for High-low Temperature Test Chamber[J]. Journal of System Simulation, 2025, 37(6): 1400-1411.

图/表 19

图1

图2

图3

图4

表1

温度分布状态分析

分布状态	判别条件
稳态温度分布 (同时满足)	$Δ T j ≤ ± 0.5 ℃$ $Δ T m a x ≤ 2 ℃$ $Δ T m i n ≥ - 2 ℃$
过渡态温度分布	$T ¯ < T S ± 2 ℃$
局部热点	$Δ T m a x > 2 ℃$
局部冷点	$Δ T m i n < - 2 ℃$
温度突变	稳态温度分布阶段： $Δ T j > ± 0.5 ℃$

表1

图5

图6

图7

图8

图9

图10

表2

图11

表3

图12

图13

图14

图15

图16

参考文献 20

1	金志军, 耿荣勤, 刘红彦, 等. JJF1101-2019«环境试验设备温度、湿度参数校准规范»解读[J]. 中国计量, 2020(9): 125-128.
2	赵永胜, 李瑞祥, 牛娜娜, 等. 数字孪生驱动的机身形状控制方法[J]. 浙江大学学报(工学版), 2022, 56(7): 1457-1463.
	Zhao Yongsheng, Li Ruixiang, Niu Nana, et al. Shape Control Method of Fuselage Driven by Digital Twin[J]. Journal of Zhejiang University(Engineering Science), 2022, 56(7): 1457-1463.
3	Anderl Reiner, Haag Sebastian, Schützer Klaus, et al. Digital Twin Technology—An Approach for Industrie 4.0 Vertical and Horizontal Lifecycle Integration[J]. Information Technology, 2018, 60(3): 125-132.
4	Grieves M, Vickers J. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems[M]//Franz-Josef Kahlen, Flumerfelt S, Anabela Alves. Transdisciplinary Perspectives on Complex Systems: New Findings and Approaches. Cham: Springer International Publishing, 2017: 85-113.
5	陶飞, 刘蔚然, 张萌, 等. 数字孪生五维模型及十大领域应用[J]. 计算机集成制造系统, 2019, 25(1): 1-18.
	Tao Fei, Liu Weiran, Zhang Meng, et al. Five-dimension Digital Twin Model and Its Ten Applications[J]. Computer Integrated Manufacturing Systems, 2019, 25(1): 1-18.
6	Qi Qinglin, Tao Fei, Hu Tianliang, et al. Enabling Technologies and Tools for Digital Twin[J]. Journal of Manufacturing Systems, 2021, 58, Part B: 3-21.
7	陶飞, 马昕, 胡天亮, 等. 数字孪生标准体系[J]. 计算机集成制造系统, 2019, 25(10): 2405-2418.
	Tao Fei, Ma Xin, Hu Tianliang, et al. Research on Digital Twin Standard System[J]. Computer Integrated Manufacturing Systems, 2019, 25(10): 2405-2418.
8	刘蔚然, 陶飞, 程江峰, 等. 数字孪生卫星:概念、关键技术及应用[J]. 计算机集成制造系统, 2020, 26(3): 565-588.
	Liu Weiran, Tao Fei, Cheng Jiangfeng, et al. Digital Twin Satellite: Concept, Key Technologies and Applications[J]. Computer Integrated Manufacturing Systems, 2020, 26(3): 565-588.
9	张旭辉, 张超, 王妙云, 等. 数字孪生驱动的悬臂式掘进机虚拟操控技术[J]. 计算机集成制造系统, 2021, 27(6): 1617-1628.
	Zhang Xuhui, Zhang Chao, Wang Miaoyun, et al. Digital Twin-driven Virtual Control Technology of Cantilever Roadheader[J]. Computer Integrated Manufacturing Systems, 2021, 27(6): 1617-1628.
10	孙惠斌, 颜建兴, 魏小红, 等. 数字孪生驱动的航空发动机装配技术[J]. 中国机械工程, 2020, 31(7): 833-841.
	Sun Huibin, Yan Jianxing, Wei Xiaohong, et al. Digital Twin-driven Aero-engine Assembly Technology[J]. China Mechanical Engineering, 2020, 31(7): 833-841.
11	Liang Zhaoshun, Wang Shuting, Peng Yili, et al. The Process Correlation Interaction Construction of Digital Twin for Dynamic Characteristics of Machine tool Structures with Multi-dimensional Variables[J]. Journal of Manufacturing Systems, 2022, 63: 78-94.
12	陶飞, 张贺, 戚庆林, 等. 数字孪生模型构建理论及应用[J]. 计算机集成制造系统, 2021, 27(1): 1-15.
	Tao Fei, Zhang He, Qi Qinglin, et al. Theory of Digital Twin Modeling and Its Application[J]. Computer Integrated Manufacturing Systems, 2021, 27(1): 1-15.
13	吴东阳, 窦建平, 李俊. 四旋翼飞行器的数字孪生系统设计[J]. 计算机工程与应用, 2021, 57(16): 237-244.
	Wu Dongyang, Dou Jianping, Li Jun. Design of Digital Twin System for Quadrotor[J]. Computer Engineering and Applications, 2021, 57(16): 237-244.
14	中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 湿热试验箱技术条件: [S]. 北京: 中国标准出版社, 2006: 1-11.
	General Administration of Quality Supervision, Inspection and Quarantine of the People's Republic of China, Standardization Administration of the People's Republic of China. Specifications for Damp Heat Chambers: [S]. Beijing: Standards Press of China, 2006: 1-11.
15	马晓茜, 管霖, 赵增立, 等. 基于多层神经网络的炉内温度场的模拟[J]. 燃烧科学与技术, 2003, 9(2): 157-160.
	Ma Xiaoqian, Guan Lin, Zhao Zengli, et al. Reconstruction of Furnace Temperature Distribution by Multi-layer Neural Networks[J]. Journal of Combustion Science and Technology, 2003, 9(2): 157-160.
16	Zhao Weiqi, Jiang Jianhua, Qin Hongchuan, et al. Machine Learning Based Soft Sensor and Long-term Calibration Scheme: A Solid Oxide Fuel Cell System Case[J]. International Journal of Hydrogen Energy, 2021, 46(33): 17322-17342.
17	武鑫, 吴万哲, 白浩, 等. 基于深度神经网络的SOFC电堆温度场建模[J]. 太阳能学报, 2023, 44(7): 55-60.
	Wu Xin, Wu Wanzhe, Bai Hao, et al. Modelling of Sofc Stack Temperature Field Based on Deep Neural Network[J]. Acta Energiae Solaris Sinica, 2023, 44(7): 55-60.
18	王道累, 李超, 李明山, 等. 基于深度卷积神经网络的光伏组件热斑检测[J]. 太阳能学报, 2022, 43(1): 412-417.
	Wang Daolei, Li Chao, Li Mingshan, et al. Solar Photovoltaic Modules Hot Spot Detection Based on Deep Convolutional Neural Networks[J]. Acta Energiae Solaris Sinica, 2022, 43(1): 412-417.
19	郁永静, 李良县, 熊万能, 等. 基于BP神经网络的测风塔布置方案研究[J]. 太阳能学报, 2021, 42(6): 364-368.
	Yu Yongjing, Li Liangxian, Xiong Wanneng, et al. Research on Layout Scheme of Met Masts Based on Neural Network Algorithms[J]. Acta Energiae Solaris Sinica, 2021, 42(6): 364-368.
20	陶飞, 程颖, 程江峰, 等. 数字孪生车间信息物理融合理论与技术[J]. 计算机集成制造系统, 2017, 23(8): 1603-1611.
	Tao Fei, Cheng Ying, Cheng Jiangfeng, et al. Theories and Technologies for Cyber-physical Fusion in Digital Twin Shop-floor[J]. Computer Integrated Manufacturing Systems, 2017, 23(8): 1603-1611.

故障类型	故障现象	故障因素
温度控制故障	设定温度无法达到或维持	温度传感器损坏或校准不准确温度控制器故障加热器或制冷系统故障
湿度控制故障	设定湿度无法达到或维持	湿度传感器损坏或校准不准确加湿器或去湿系统故障
机械故障	设备运行异常或损坏	门封条损坏或老化空气循环风扇故障物理损伤
电气故障	设备无法启动或操作异常	电源供应问题控制面板或显示屏故障安全保护装置失效
环境因素	设备性能受外部环境影响	实验室环境温度和湿度波动电源质量不佳
设备老化	设备性能逐渐下降	设备部件自然老化缺乏定期维护和更换易损件

参数名称		温度		湿度
范围		(-80~200)℃	(200~300)℃	(10~85)℃ >75% RH	(10~85)℃ ≤75%RH
偏差	温度/℃	±2	±3	±2	±2
偏差	湿度/%RH	—	—	±3	±3
均匀度	温度/℃	2	3	2	2
均匀度	湿度/%RH	—	—	5	7
波动度	温度/℃	±0.5	±1	±0.5	±1
波动度	湿度/%RH	—	—	±3	±3

[1]	张文嘉, 张和明. 面向悬臂结构数字孪生体的灰盒模型构建方法研究[J]. 系统仿真学报, 2025, 37(5): 1158-1168.
[2]	张会迈, 胡晓娅, 周纯杰. 面向TSN工控系统安全策略生成与优化的数字孪生框架[J]. 系统仿真学报, 2025, 37(4): 861-874.
[3]	江伦, 王大江, 孙文磊, 包胜辉, 刘涵, 常赛科. 基于数字孪生的变压器故障诊断方法研究[J]. 系统仿真学报, 2025, 37(3): 775-790.
[4]	张曦阳, 林旭升, 周瑞, 胡毅. 数控系统数字孪生体系结构及应用研究[J]. 系统仿真学报, 2025, 37(1): 183-198.
[5]	巫庆辉, 鲍亚庆, 赵忠鑫, 黄旭, 魏宇晨. 矿井排水监控数字孪生系统研究与实现[J]. 系统仿真学报, 2025, 37(1): 199-210.
[6]	赵佰亭, 施建国, 贾晓芬. 井筒提升机数字孪生系统研究[J]. 系统仿真学报, 2024, 36(9): 2054-2064.
[7]	李冬雪, 刘岩, 沈博垚, 井永腾, 马强, 刘然. 基于数字孪生技术的电力变压器碳足迹分析及低碳优化方法仿真研究[J]. 系统仿真学报, 2024, 36(9): 2075-2085.
[8]	徐健, 刘高峰, 赵一剑, 郑自立, 闫焕营. 装配机器人的数字孪生虚实同步及抓取方法[J]. 系统仿真学报, 2024, 36(9): 2181-2192.
[9]	曹宇, 李杰, 王芳, 刘智翔, 汪雪良. 基于仿真数据库的深潜球壳应力场数字孪生方法[J]. 系统仿真学报, 2024, 36(8): 1764-1779.
[10]	雷震, 刘宇华, 丁凯, 陈浩祥, 李东伟. 数字孪生驱动的射电望远镜结构热变形补偿系统[J]. 系统仿真学报, 2024, 36(8): 1869-1883.
[11]	任乾坤, 熊鑫立, 刘京菊, 姚倩. 网络空间安全中的数字孪生技术研究[J]. 系统仿真学报, 2024, 36(8): 1944-1957.
[12]	李颖, 高岚, 朱志松. 面向智能制造场景的机器人数字孪生建模与控制[J]. 系统仿真学报, 2024, 36(7): 1536-1545.
[13]	党宏杰, 余文广, 杨华晖. 基于数字孪生与平行试验的装备体系试验鉴定数字化应用[J]. 系统仿真学报, 2024, 36(7): 1729-1736.
[14]	王红军, 林俊强, 邹湘军, 张坡, 周铭轩, 邹伟锐, 唐昀超, 罗陆锋. 基于数字孪生的果园虚拟交互系统构建[J]. 系统仿真学报, 2024, 36(6): 1493-1508.
[15]	梁宏涛, 孔翎超, 刘国柱, 董文轩, 刘香怡. 融合数字孪生的风电机组故障检测ASL-CatBoost方法[J]. 系统仿真学报, 2024, 36(4): 873-887.

高低温试验箱数字孪生系统构建方法

Construction Method of Digital Twin System for High-low Temperature Test Chamber

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 19

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价