Setting up a problem of diagnostics of faults and analysis of the operation of pneumohydraulic drives with a pneumohydraulic booster based on the digital twin model

封面


如何引用文章

全文:

详细

BACKGROUND: The paper considers the concept of using digital twins for diagnostics of faults and analysis of the operation pneumohydraulic drives with a pneumohydraulic booster. This innovative technology hel[s to conduct more accurate and efficient revisions of the systems which contributes to increase of reliability and safety of the equipment. The digital twin gives an opportunity to build the virtual model of the system, which can be used for simulation of various operation scenarios and for definition of potential issues.

AIM: Increasing the efficiency of definition of faults and optimization of operation of pneumohydraulic drives using the innovative approach on the basis of the digital twin.

METHODS: For the successful implementation of this approach, the modern data analysis methods, mathematical modeling and machine learning algorithms were used. A special attention should be paid to accuracy of the data obtained from the sensors as well as to quality of the software for the digital twin model development.

RESULTS: The use of the digital twin ensures reliable definition of faults. The results of the concept prove efficiency and accuracy of the process. This innovative solution increases reliability and productiveness of the systems, cutting the breakdown time of the equipment.

CONCLUSION: The digital twin model helps to forecast faults and increases the reliability of the system operation. The use of the digital twin model improves performance capacity and reduces costs of maintenance of pneumohydraulic drives.

作者简介

Nikita Krivosheev

Peter the Great St. Petersburg Polytechnic University

编辑信件的主要联系方式.
Email: ax@hydraulicunit.ru
ORCID iD: 0009-0009-1754-4315
SPIN 代码: 3147-5597

Postgraduate of the Higher School of Power Engineering

俄罗斯联邦, 29 Polytechnicheskaya street, 195251 Saint Petersburg

Alexander Zharkovsky

Peter the Great St. Petersburg Polytechnic University

Email: azharkovsky@gmail.com
ORCID iD: 0000-0002-3044-8768
SPIN 代码: 3637-7853
Scopus 作者 ID: 7004534701
Researcher ID: T-3278-2018

Dr. Sci. (Engineering), Professor, Professor of the Higher School of Power Engineering

俄罗斯联邦, 29 Polytechnicheskaya street, 195251 Saint Petersburg

Lyubov Kotkas

Peter the Great St. Petersburg Polytechnic University

Email: kotkas_la@spbstu.ru
ORCID iD: 0000-0002-5485-2183
SPIN 代码: 7620-2811

Cand. Sci. (Engineering), Senior Lecturer of the Higher School of Power Engineering

俄罗斯联邦, 29 Polytechnicheskaya street, 195251 Saint Petersburg

参考

  1. Kirillov DS, Barchukova TA. Digital twins as the basis for digital transformation of industrial enterprises. In: Current issues of economics and management, Smolensk, October 21–22, 2021. Smolensk: Magenta; 2021:161–164. (In Russ.) EDN: QCNKPE
  2. Lychkina NN, Pavlov VV. The concept of a digital twin and the role of simulation models in the architecture of a digital twin. In: Simulation modeling. Theory and practice (IMMOD-2023): Collection of papers of the eleventh all-Russian scientific and practical conference on simulation modeling and its application in science and industry, Kazan, October 18–20, 2023. Kazan: AN RT; 2023:139–149. (In Russ.) EDN: ZAOYZG
  3. Saaksvuori A, Immonen A. Product lifecycle management. Cham: Springer Science & Business Media, 2008.
  4. Grieves M. Digital twin: manufacturing excellence through virtual factory replication. White paper. 2014;1(2014):1–7.
  5. Grieves M., Vickers J. Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. Transdisciplinary perspectives on complex systems: New findings and approaches. 2017;85–113.
  6. Glaessgen E.H., Stargel D.S. The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles. In: 53rd Structures, Structural Dynamics, and Materials Conference. Reston: American Institute of Aeronautics and Astronautics; 2012;1–14.
  7. Guide to the Systems Engineering Body of Knowledge (SEBoK). Accessed: 22.04.2024. Available from: https://sebokwiki.org/wiki/
  8. The International Academy for Production Engineering. CIRP Encyclopedia of Production Engineering. Berlin, Heidelberg: Springer; 2019.
  9. Semeraro C, Lezoche M, Panetto H, et al. Digital twin paradigm: A systematic literature review. Computers in Industry. 2021;130. doi: 10.1016/j.compind.2021.103469
  10. VanDerHorn E, Mahadevan S. Digital Twin: Generalization, characterization and implementation. Decision support systems. 2021;145.
  11. Juarez MG, Botti VJ, Giret AS. Digital twins: Review and challenges. Journal of Computing and Information Science in Engineering. 2021;21(3).
  12. Haag S, Anderl R. Digital twin–Proof of concept. Manufacturing letters. 2018;15:64–66.
  13. Puzanov AV. Elements of the concept of a digital twin of a hydraulic drive. In: Mathematical modeling: Abstracts of the II International Conference, Moscow, July 21–22, 2021. Moscow: Pero; 2021:72–73. (In Russ.) EDN: MBWDLR
  14. Kruk AR, Egorov AL, Kostyrchenko VA, Madyarov TM. Review of methods for monitoring the condition of hydraulic drive elements. Fundamental research. 2016;2–2:267–270. (In Russ.) EDN: VORLTH
  15. Pimanov DA, Galchak IP. Decentralized hydraulic drives with built-in control systems. In: Review of trends in the agro-industrial complex: collection of articles from the conference of students, graduate students and young scientists “Trends in the agro-industrial complex”, Yekaterinburg, October 24, 2022. Yekaterinburg: Uralskiy gosudarstvennyy agrarnyy universitet; 2022:16–17. (In Russ.) EDN: UZAXDZ
  16. Borovkov A.I., Rozhdestvensky O.I., Kukushkin K.V. et al. Roadmap for the development of end-to-end digital technology “New production technologies”. Results and prospects. Innovations. 2019;11(253):89–104. doi: 10.26310/2071-3010.2019.253.11.011 (In Russ.) EDN: SXVHQW
  17. Alcácer V, Cruz-Machado V. Scanning the Industry 4.0: A Literature Review on Technologies for Manufacturing Systems. Engineering Science and Technology an International Journal. 2019;22(3):899–919. doi: 10.1016/j.jestch.2019.01.006

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Diagram of the pneumohydraulic drive with the remote control ability: 1 — electro-pneumatic pressure converter; 2 — pneumatic valve; 3 — air-hydro pressure multiplier; 4 — air-hydro converter; 5 — hydraulic cylinder; 6 — air-hydro converter; 7 — pneumatic valve.

下载 (133KB)
索引源数据
3. Fig. 2. The concept of the digital twin of the pneumohydraulic drive.

下载 (135KB)
索引源数据

版权所有 © Eco-Vector, 2024

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».