集成虚拟现实数字孪生框架用于风力涡轮机实时状态监测与故障风险评估
《Sensors》:VR-Enabled Digital Twin Framework for Real-Time Wind Turbine Fault Detection and Sustainability Monitoring
【字体:
大
中
小
】
时间:2026年10月11日
来源:Sensors 4.0
摘要
风力涡轮机的可靠性对于风力发电系统的性能和成本效益至关重要,这一点怎么强调都不为过,而先进的风力涡轮机状态监测对于解决这一问题至关重要。为风力涡轮机提供有效的状态监测仍然困难,因为缺乏实时洞察,也没有任何综合可持续性评估。虽然数字孪生可以提供一些解决方案,但大多数现有解决方案不具备沉浸式体验,且未将性能信息与环境影响信息相结合。本文提出了一种集成的基于虚拟现实(VR)的数字孪生框架,用于风力涡轮机的实时模拟、状态监测以及确定性故障风险评估。该模型基于历史英国风能数据在 MATLAB 中开发,包括降阶物理基础涡轮机模型、气动行为、转子动力学、热建模、受控故障注入以及健康参考/故障暴露双涡轮机配置。温度和振动结果通过预定义的警告和故障阈值汇总为故障风险评分(FRS),而健康指数(HI)、能量生产以及与 CO 相关的后果指标则是涡轮机状态和性能的补充指标。结果表明,健康涡轮机与故障暴露涡轮机之间存在显著差异,其中故障暴露涡轮机的健康指数恶化程度更高、能量生产更低且故障风险评分更高。模拟期结束时,在故障条件下,涡轮机的健康指数从>80% 降至 38%,导致能量产生降低 5%,环境影响指标上升 5.1%。此外,使用 MATLAB–Unity 的实施展示了实时遥测传输和沉浸式可视化,通信响应时间低于 50 毫秒,帧率达到 72–90 FPS。因此,该系统提供了一个集成平台,用于基于物理的状态监测、受控故障风险评估、可持续性后果评估以及沉浸式操作员可视化,同时为未来的单个组件和面向硬件的验证提供了基础。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号