特种压力容器温度数字孪生系统设计与实现

陈三桂, 王泽, 徐峰, 潘曼, 刘炎

陈三桂, 王泽, 徐峰, 等. 特种压力容器温度数字孪生系统设计与实现[J]. 中国舰船研究, 2023, 18(5): 22–30. DOI: 10.19693/j.issn.1673-3185.02792
引用本文: 陈三桂, 王泽, 徐峰, 等. 特种压力容器温度数字孪生系统设计与实现[J]. 中国舰船研究, 2023, 18(5): 22–30. DOI: 10.19693/j.issn.1673-3185.02792
CHEN S G, WANG Z, XU F, et al. Implementation of temperature digital twin system for special pressure container[J]. Chinese Journal of Ship Research, 2023, 18(5): 22–30. DOI: 10.19693/j.issn.1673-3185.02792
Citation: CHEN S G, WANG Z, XU F, et al. Implementation of temperature digital twin system for special pressure container[J]. Chinese Journal of Ship Research, 2023, 18(5): 22–30. DOI: 10.19693/j.issn.1673-3185.02792
陈三桂, 王泽, 徐峰, 等. 特种压力容器温度数字孪生系统设计与实现[J]. 中国舰船研究, 2023, 18(5): 22–30. CSTR: 32390.14.j.issn.1673-3185.02792
引用本文: 陈三桂, 王泽, 徐峰, 等. 特种压力容器温度数字孪生系统设计与实现[J]. 中国舰船研究, 2023, 18(5): 22–30. CSTR: 32390.14.j.issn.1673-3185.02792
CHEN S G, WANG Z, XU F, et al. Implementation of temperature digital twin system for special pressure container[J]. Chinese Journal of Ship Research, 2023, 18(5): 22–30. CSTR: 32390.14.j.issn.1673-3185.02792
Citation: CHEN S G, WANG Z, XU F, et al. Implementation of temperature digital twin system for special pressure container[J]. Chinese Journal of Ship Research, 2023, 18(5): 22–30. CSTR: 32390.14.j.issn.1673-3185.02792

特种压力容器温度数字孪生系统设计与实现

基金项目: 船舶总体性能创新研究开放基金资助项目(33122233)
详细信息
    作者简介:

    陈三桂,女,1981年生,硕士,高级工程师

    王泽,男,1998年生,硕士生。研究方向:物联网在结构工程上的应用。E-mail:wangze11hust@163.com

    刘炎,男,1970年生,博士,副研究员。研究方向:机电液控制及自动化。E-mail:liuyanhust@163.com

    通讯作者:

    刘炎

  • 中图分类号: U663.85

Implementation of temperature digital twin system for special pressure container

知识共享许可协议
特种压力容器温度数字孪生系统设计与实现陈三桂,采用知识共享署名4.0国际许可协议进行许可。
  • 摘要:
      目的  数字孪生技术和物联网技术在结构健康监测得到了广泛的应用,但在特殊压力容器装备中的应用尚处于萌芽阶段。
      方法  鉴于压力容器全生命周期安全监测要求,通过物联网实现对结构的温度数据采集,采用VUE+Flask框架编写结构监测系统。通过Three.js库建立容器模型,利用温度数据实现数字孪生模型的实时驱动,另外为检验系统的可行性,在ANSYS仿真的基础上开展相关温度实验。
      结果  实验证明基于压力容器结构的数字孪生关键技术可以实现场景感知、数字挖掘、信息反馈等功能。
      结论  该系统架构有良好的参考价值,物联网技术与数字孪生技术深度融合,可为我国战略性高端产品和重大关键装备的发展作出贡献。
    Abstract:
      Objective  Digital twin technology and Internet of Things (IoT) technology have been widely used in structural health monitoring, but their application in special equipment is still in its infancy.
      Methods  In view of the safety monitoring requirements for the whole life cycle of pressure containers, this paper realizes the temperature data acquisition of the structure through IoT and uses the VUE + Flask framework to write a software monitoring system. The container model is established via the Three.js library to realize the real-time driving of the temperature data of the digital twin model. Additionally, in order to test the feasibility of the twin system, relevant temperature experiments are carried out based on ANSYS simulation.
      Results  The experiment proves that the key digital twin technology based on the pressure container structure can realize functions such as intelligent monitoring, scene perception, digital mining and information feedback.
      Conclusion  The system architecture proposed herein has good reference value, and the deep integration of IoT technology and digital twin technology can contribute to the development of China’s strategic high-end products and major key equipment.
  • 特种压力容器作为一种能承受高温高压、耐腐蚀且防辐射的密闭容器,可有效抵抗恒载、活载荷和冲击振动。在其内部发生传热、传质、反应等过程时,可以贮存、运输、保护具有易燃易爆和腐蚀性等特点的介质[1]。近年来,随着国家对特殊种类容器需求的激增,各种类型的在用压力容器层出不穷[2]。如果压力容器出现爆炸、泄漏等安全问题时,会对结构本身以及其设备产生间接破坏。尤其是有些压力容器中储存着一些有毒、含辐射的物质,事故的发生会直接损害人体健康,造成难以估量的危害。因此,对压力容器开展全生命周期监测具有十分重要的意义[3]

    目前,随着信息技术的发展与传统制造业的全面结合,借助数字孪生模型,在几何层面能对容器实现数字化,并且在物理层面可以融合容器物理规则,如对结构的温度、变形、压力、应力等物理量进行可视化,可极大地增强虚拟监控系统的功能和效果[4]。利用物联网(internet of things,IoT)监控技术,通过在结构表面上布置传感器定时采集结构参数,经各种网络将结构实时的物理信息传入计算平台,借此掌握结构的性能规律和健康状况,可对异常状态的出现能作出预报和预警[5]。通过研究国内外近几年有关压力容器监测技术[6-7],温度场回构算法[8-9],IoT监测[10-12]和数字孪生技术[13-14]相关文献,发现大多数检测方法不具备长期工作的特性,只能针对特定场合进行探伤;能长期监测的方法虽然更符合数字孪生的需求,但很多数字孪生方案又仅仅停留在概念分析、仿真计算的层面,基于Web端成熟孪生解决方案较少。此外,诸多的温度场回构算法使用了比较复杂的方法,有的需要提前在特定环境下训练模型,耗时耗力,每次计算需要的时间比较长,不适合在实时监测系统中使用。

    针对以上情况,本文将重点分析在特种压力容器上运用IoT监测技术的可行性方法,并且结合能快速进行开发的前后端分离软件架构,提出一种稳定的数字孪生建模方案,使用双三次样条插值温度场回构算法驱动模型,最后进行相关温度试验,验证系统的可行性和稳定性。

    在工业中通常将容易发生安全事故,且在发生事故后造成重大危害的压力容器归类为承压类特种设备,因此需要有专业机构对其运行过程进行监督、设计、制造,其过程必须严格按照技术规范来执行。特种压力容器形式多样,如图1所示。从使用角度来说,可以分为固定式特种压力容器和移动式特种压力容器[15];按照设计压力来进行分类,可分为低压容器、中压容器、高压容器、超高压容器;按照在生产工艺过程中的作用原理进行分类,可分为反应压力容器(代号R)、换热压力容器(代号E)、分离压力容器(代号S)、储存压力容器(代号C,其中球罐代号B)。

    图  1  传统压力容器结构
    Figure  1.  Traditional pressure container structure

    根据上述分类方法,本文研究的特种压力容器属于移动式、低压、反应压力容器的其中一类。按照移动式的特点,类似于液化天然气运输船的货舱,具备抵抗弯曲载荷和晃荡冲击的能力。而作为反应类压力容器,其结构庞大,可有效保护众多反应设备。此压力容器主要功能是防止内部反应介质泄漏,故在设计时应考虑发生事故的情况下反应物质逃逸所造成的内压和温度变化。此外,还应计算恒载、活荷载、冲击载荷、振动以及各种外界的不利因素,如海啸、炮弹冲击及失事冲撞等偶然影响,具体如图2所示。结构应具备高强度和高韧性,可靠的耐高温性能和绝热性能,以及良好的加工工艺成型性和焊接性能。

    图  2  压力容器承受载荷概览
    Figure  2.  Overview of pressure container loads

    容器内部温度改变会导致结构产生热变形,但不一定会产生应变或者应力,只有结构受到约束时,温度变化才能引起热应力的产生。另外,结构的温度分布不均匀也会产生热应力,温度不同导致材料热胀冷缩受到相邻部分的影响,不能自由伸缩或者膨胀,因此产生热应力。结构所承受的应力不仅只由温度变化而产生,由于舱室还承受内部高压,压力也会导致应力的产生,因此容器的应力场是非常复杂的。压力容器部件的常用材料为Cr-Mo钢与奥氏体钢,两者的蠕变起始温度分别为375 ℃和427 ℃,压力容器的损伤模式包括蠕变损伤、蠕变−疲劳损伤和疲劳损伤等,可根据具体设计参数和材料类别予以确定[16]。容器的服役温度为180 ℃~210 ℃,在整个生命周期内存在循环载荷,主要损伤模式为疲劳。本文将通过温度场回构算法并利用云图显示技术实时显示容器的高风险部位。

    由于特种压力容器体积巨大,结构复杂,难以通过实验了解其物理特性。因此,本文建立了缩小的容器模型来开展相关研究,如图3所示。

    图  3  特种压力容器三维模型
    Figure  3.  3D model of special pressure container

    本文提出基于IoT监测的数字孪生架构,建立容器ANSYS仿真和实际容器反应过程的联系,为压力容器结构温度场云图提供数字示范平台,系统总体架构如图4所示。

    图  4  基于IoT监控的数字孪生系统体系架构
    Figure  4.  Framework of digital twin system based on IoT monitoring

    基于IoT的数字孪生系统包括数据采集系统、数据传输系统和IoT监测实时驱动平台3个部分组成[17]。作为数字孪生映射的桥梁,硬件系统连接了实体结构和软件部分。整个系统构建流程如下:

    1) 感知层。选择合适的传感器,使用不同的变送器搭建温度监控系统,定时采集压力容器温度数据。

    2) 网络层。采集到的数据需要通过网络进行传输,变送器数据到采集软件选择Modbus TCP通信协议,而数据的继续上传需要通过WiFi或者4G网络来实现。

    3) 资源层。在资源层选择在阿里云服务器上构建MySQL数据库集群,通过数据库管理对大量的实时数据进行存储,以便后续算法调用。

    4) 应用服务层。应用服务层是整个软件系统的核心之一,软件设计选择前后端分离模式进行开发,后端采用Flask框架进行编写,通过Axios和Web socket与前端通信,业务包括Python科学计算、信息交互模块和服务器模块,另外还包括简单的表单提交和历史数据查询的功能。

    5) 前端用户界面(user interface,UI)。前端UI采用VUE框架编写,集成Element-UI和Echarts等第三方库,在网页的编写上,需要依赖CSS和Html以及JavaScript语言进行构建,而数字孪生系统的核心在于构建虚拟数字模型,此过程需要借助Three.js库来完成。

    6)软件部署。在软件前后端开发完成以后,需要对软件进行部署才能被用户使用,整个系统选择在阿里云搭建,借助Nginx实现负载均衡和反向代理、Gunicorn解析HTTP协议和Supervisor监控进程状态来完成部署。

    7) 终端访问。可以通过特定域名实时访问数字孪生监控系统。

    在实验开始之前需要对结构有限元仿真,明确传感器布置的位置,了解结构热力学特性。根据图3压力容器的3D模型,本文建立的ANSYS有限元模型如图5所示。该模型所有板结构采用了Solid 70单元,T型材采用Shell 131单元。在建模过程中,对模型进行了如下简化:

    图  5  压力容器有限元模型
    Figure  5.  Finite element model of pressure container

    1) 将特种压力容器结构视为各项同性均匀介质,各方向上的传热和力的传递都是相同的。

    2) 为了防止锈蚀,将容器内外表面均涂上一层油漆,表面较为粗糙,存在多余热阻,此外,还将影响热传导,但这种影响较小,建模时将结构视作纯钢制成。

    3) 结构属于空间结构,放置于室内,不同位置的通风条件对对流换热系数影响很小,热计算时假设各位置对流换热系数相同。

    4) 室内虽有其他热源,如电机、大型电源等,但为了简化计算,同时受限于实验条件,热计算将只考虑热传导、热对流因素。

    5) 建模不考虑混凝土承重基座,将容器下底板视为完全刚性,也将忽略吊耳、穿舱件、入水口、法兰、密封圈等部件建模。

    整个结构采用Q235钢制成,相关系数如表1所示。

    表  1  Q235材料属性及相关热系数
    Table  1.  Q235 material properties and related thermal coefficients
    属性系数
    密度ρ/(kg·m−3)7850
    杨氏模量E/MPa19600
    泊松比ν0.3
    比热容/(J·kg−1·K−1)460
    导热系数/(W·m−1·K−1)40
    对流换热系数/(W·m−2·K−1)125
    下载: 导出CSV 
    | 显示表格

    计算域被离散为654366个节点和534063个单元,板结构厚度为10 mm,散热比较快,容易受到周围的环境影响,但温度梯度大,需要在厚度方向对网格进行加密。计算域划分为4个网格。底板不是主要研究对象,采用稀疏网格,以节约计算成本。图6所示为计算结果。

    图  6  温度有限元分析结果
    Figure  6.  Temperature finite element analysis results

    根据计算结果可知,壁面热量不仅向四周传导,在厚度方向也存在温度梯度;在中心区域内壁面加热,温度在外壁面传递范围小,热量只影响了较小的一块区域;在厚度方向散热也非常快,梯度明显。

    温度异常升高会导致压力容器结构产生热变形,使结构产生损伤。温度场模型可以得到时空分布的温度情况,便于了解全面的温度信息来实现后期的健康监控分析,以及开展温度健康监测实验,这对于了解整个结构健康状态有很重要的意义。

    根据温度仿真结果和孪生体系架构的系统设计,本文设计了如图7所示的实验架构。为了实现特种压力容器场景感知和数字挖掘,需要采集多源、异构的容器实验数据。实验将选取合适的温度测点,采用PT100热电阻温度传感器、应变片、变送器、采集仪,实现场景感知数据源的获取。采集的数据经过变送器存储到MySQL数据库集群。另外,平台需要在阿里云的Centos操作系统上运行,并用Supervisor监控进程状态。采集到的大量原始数据需要通过场景感知算法进行预处理,包括数据查询、数据筛选、数据计算和数据存储,同时,采用双三次样条插值算法以快速完成由点到面的温度场重构,实现数据的挖掘和健康状态的评估,在此基础上加载到数字孪生模型上用于实时驱动。

    图  7  实验架构
    Figure  7.  Experiment architecture

    温度传感器的布置需要考虑容器可能出现的工况。在该容器的服役过程中,最可能出现的工况是蒸汽泄漏导致容器结构局部温度异常升高,但这种工况有空间和时间上的不确定性,即无法确定何时何壁面出现事故,针对这种情况选择在每一个壁面上均匀布置温度传感器来监测容器温度场变化。考虑到本实验结构的庞大,因此选择布置4*4的传感器阵列。实验步骤为:1)粘贴PT100温度传感器,布置硅胶加热板;2)将传感器与各自对应的采集系统连接起来;3)启动加热板,设置温度为100 ℃开始加热;4)启动KEPServer软件,创建数据库表格,将温度数据写入数据库中;5)实验持续30 min;6)实验结束,关闭仪器设备,停止KEPServer采集。对实验过程重复3次,每次开始前需要在容器结构冷却到常温才能开始下一组实验,实验多次后发现监测系统整体运行良好,数据传输稳定,传感器、变送器、前后端部署的软件等都处于正常运行状态。实验过程中,采集到的部分温度数据如图8所示。sensor001表示1号传感器的温度值,程序设定每1 s采集一次数据,sensor002和sensor003等分别表示第2和3号传感器的温度值,其他序号所代表的传感器温度值以此类推。

    图  8  温度数据曲线
    Figure  8.  Temperature data sheet

    为检验双三次样条算法在压力容器温度场回构上的效果,实验过程中在壁面上额外布置了4个传感器点位,即布置在加热区域外壁面上第17,18,19,20,18号点,传感器位置如下图9(a)所示,以第18号传感器数据为例对算法误差进行分析,结果如图9(b)所示。双三次样条插值算法的标准误差为5.62%,最大相对误差为9.31%,最小相对误差为0.65%。双三次样条插值利用16个传感器采样点的加权平均得到计算值,整体效果较好,适合于特种压力容器温度场回构。

    图  9  温度传感器布置及误差分析结果
    Figure  9.  Temperature sensor layout and error analysis results

    VUE前端框架是一套基于JavaScript所构建的用户界面渐进式轻量级框架[16],基于IoT监测的压力容器数字孪生系统前端界面将采用VUE框架编写。本项目使用了折线图、饼状图、水球图以及3D曲面图Simple Surface,如图10所示。设备状况统计图表可以对传感器的状态进行统计,包括3种状态:正常、损坏和故障。该图表能对每次由后端读取的数据进行判断,评估所有传感器的状态。各壁面温度分析图是利用折线图进行构造,数据包括各壁面的传感器数据,点击按钮可以切换壁面来显示。该图表能实时显示整个压力容器的温度健康状况,当温度结果超出阈值范围时,水球变红并报警。

    图  10  Echarts图表概览
    Figure  10.  Echarts chart overview

    软件后端需构建程序的服务器框架,还需开发包括数据管理、算法计算、前端交互等功能。业务主要包括如下几个方面:

    1) 管理MySQL数据库,对下层提交的数据进行基本的增删改查。

    2) 使用重构算法,将读到的数据清洗后进行计算,保存结果。

    3) 提供服务器功能,与前端界面交互,传输相应的数据。

    Flask是一种轻量级的Web框架,使用Python语言进行编写,其主要面向需求简单、开发周期短的项目,具有可定制,灵活安全,易于上手的特点[18]。鉴于本系统业务逻辑较为简便,数据吞吐量少和接口负载小等情况,本项目使用Flask设计了如图11的后端架构。

    图  11  后端Flask项目结构
    Figure  11.  Backend Flask project structure

    后端系统分为3个模块:回构算法模块、数据交互模块和前端交互模块。回构算法模块负责对下位机变送器在不同时间采集的数据进行计算。通过双三次样条插值算法,可以将稀疏的传感器点位温度数据插值得到整个面的温度场数据。每次计算都需要查询数据库,得到实时数据之后需要进行预处理,将空值、异常值剔除掉才能进行插值计算。Python科学计算需要借助第三方库Numpy和Scipy库,结果将输出为Json数据包给前端调取;数据交互模块负责实时查询数据库,每次查询的数据不需要进行预处理,这样可以判断数据异常来源;前后端交互模块需要建立起服务器,设置路由和Web服务器的网关接口(WSGI),利用Axios完成前后端通信。

    本文使用Three.js构建基于Web端的特种压力容器温度场数字孪生模型,通过实时温度回构数据建立热力图,并将此平面作为贴图附着在容器结构外壁面上实现可视化。

    对于复杂的压力容器模型,若使用Three.js直接进行代码建模,则过程繁琐[19],可先借用专业建模软件3DMax完成此操作,再导入到Three.js中使用。Three.js支持多种格式,如OBJ,FBX,Json,PLY,GLTF等,每种模型各有优缺点。其中,FBX格式文件能保存材质、动画等信息,模型文件小,在浏览器中每次加载速度较快。因此,本文选择把FBX格式文件应用到Three.js中,实现流程如下:

    首先,在3DMax赋予压力容器各个表面金属材质,对各个部件(如左壁面、上壁面、吊耳、进水口等)进行基本的命名,便于后续在Three.js筛选出来;然后,将三维模型导出为FBX格式文件,将该文件作为静态资源文件保存到VUE项目中的Static目录中[20],在代码中调用即可。

    基于Three.js开发的容器数字孪生模型如图12所示,左侧为物理空间压力容器实体模型,右侧为数字空间Thee.js建立的孪生模型,实体模型能提供数据来驱动虚拟模型,而后者能提供信息反馈。整个系统界面如图13所示。

    图  12  压力容器数字孪生模型
    Figure  12.  Digital twin model of pressure container
    图  13  特种压力容器数字孪生系统
    Figure  13.  Digital twin system of special pressure container

    特种压力容器是一个庞大的结构,发生事故时容易造成结构损坏并导致严重后果。因此,为了保证该结构在运行中的安全,建立数字孪生监测系统具有重要意义。本文采用双三次样条温度场重建算法,利用离散点的温度数据重建完整的温度场表面,并在监控系统中建立实时三维温度场模型,完成了基于数字孪生技术的场景感知和数字挖掘,具备一定的参考价值。本文提出的基于IoT监测的特种压力容器数字孪生架构整体上分为3个部分:数据采集系统,数据传输系统和IoT监测实时驱动平台。通过对压力容器实体模型进行ANSYS热力学分析,得到了温度场的分布状态,为传感器布置提供了依据。通过压力容器温度实验证明,所开发的监测系统运行具有良好的实时性和稳定性。

    后续研究将围绕压力容器模型故障诊断、数据预测和损伤识别方面来开展,研究中将利用长短期记忆神经网络(LSTM)继续优化模型对风险进行预警,进一步提高系统的智能性。

  • 图  1   传统压力容器结构

    Figure  1.   Traditional pressure container structure

    图  2   压力容器承受载荷概览

    Figure  2.   Overview of pressure container loads

    图  3   特种压力容器三维模型

    Figure  3.   3D model of special pressure container

    图  4   基于IoT监控的数字孪生系统体系架构

    Figure  4.   Framework of digital twin system based on IoT monitoring

    图  5   压力容器有限元模型

    Figure  5.   Finite element model of pressure container

    图  6   温度有限元分析结果

    Figure  6.   Temperature finite element analysis results

    图  7   实验架构

    Figure  7.   Experiment architecture

    图  8   温度数据曲线

    Figure  8.   Temperature data sheet

    图  9   温度传感器布置及误差分析结果

    Figure  9.   Temperature sensor layout and error analysis results

    图  10   Echarts图表概览

    Figure  10.   Echarts chart overview

    图  11   后端Flask项目结构

    Figure  11.   Backend Flask project structure

    图  12   压力容器数字孪生模型

    Figure  12.   Digital twin model of pressure container

    图  13   特种压力容器数字孪生系统

    Figure  13.   Digital twin system of special pressure container

    表  1   Q235材料属性及相关热系数

    Table  1   Q235 material properties and related thermal coefficients

    属性系数
    密度ρ/(kg·m−3)7850
    杨氏模量E/MPa19600
    泊松比ν0.3
    比热容/(J·kg−1·K−1)460
    导热系数/(W·m−1·K−1)40
    对流换热系数/(W·m−2·K−1)125
    下载: 导出CSV
  • [1] 姜成浩, 陶佰睿. 基于WSN技术的特种压力容器安全监测系统设计[J]. 齐齐哈尔大学学报(自然科学版), 2017, 33(6): 45–48.

    JIANG C H, TAO B R. Design of special pressure vessel safety monitoring system based on WSN technology[J]. Journal of Qiqihar University (Natural Science Edition), 2017, 33(6): 45–48 (in Chinese).

    [2] 刘娇, 唐磊. ARM处理器在舰船压力容器超声波检测系统的应用[J]. 舰船科学技术, 2020, 42(2A): 148–150.

    LIU J, TANG L. Application of ARM processor in ultra-sonic testing system of ship pressure vessel[J]. Ship Science and Technology, 2020, 42(2A): 148–150 (in Chinese).

    [3] 陈学东, 范志超, 崔军, 等. 我国压力容器高性能制造技术进展[J]. 压力容器, 2021, 38(10): 1–15. doi: 10.3969/j.issn.1001-4837.2021.10.001

    CHEN X D, FAN Z C, CUI J, et al. Progress in high-performance manufacturing technology for pressure vessels in China[J]. Pressure Vessel Technology, 2021, 38(10): 1–15 (in Chinese). doi: 10.3969/j.issn.1001-4837.2021.10.001

    [4] 李小龙. 基于数字孪生的机床加工过程虚拟监控系统研究与实现[D]. 成都: 电子科技大学, 2020.

    LI X L. Research and implementation of virtual monitoring system for machine tools process based on digital twin[D]. Chengdu: University of Electronic Science and Technology, 2020 (in Chinese).

    [5] 章圣冶. 基于云计算的空间结构健康监测物联网系统研究[D]. 杭州: 浙江大学, 2016.

    ZHANG S Z. Study on IOT system of space structural health monitoring based on cloud computing[D]. Hangzhou: Zhejiang University, 2016 (in Chinese).

    [6] 高阳, 裴宝玲. 压力容器无损检测中X射线实时成像系统的应用[J]. 化工管理, 2015(20): 126. doi: 10.3969/j.issn.1008-4800.2015.20.100

    GAO Y, PEI B L. Application of X-ray real-time imaging system in nondestructive testing of pressure containers[J]. Chemical Management, 2015(20): 126 (in Chinese). doi: 10.3969/j.issn.1008-4800.2015.20.100

    [7] 徐燕生. 基于应变片的铝内胆碳纤维全缠绕气瓶疲劳监测方法研究[D]. 赣州: 江西理工大学, 2021.

    XU Y S. Research on fatigue monitoring method of carbon fiber fully wound cylinder with aluminum liner based on strain gauge[D]. Ganzhou: Jiangxi University of Science and Technology, 2021 (in Chinese).

    [8] 刘再胜. 基于神经网络的温度场重建算法研究[D]. 沈阳: 沈阳航空工业学院, 2007.

    LIU Z S. The research on temperature fields reconstruction algorithm based on neural network[D]. Shenyang: Shenyang Aerospace University, 2007 (in Chinese).

    [9] 李勇. 基于红外测温的炉内温度场重构方法初步研究[D]. 北京: 华北电力大学(北京), 2010.

    LI Y. Research on reconstruction algorithm of temperature field based on infrared radiation measurement in boiler[D]. Beijing: North China Electric Power University (Beijing), 2010 (in Chinese).

    [10] 周智超. 基于物联网的移动压力容器监管系统关键技术研究与实现[D]. 昆明: 昆明理工大学, 2012.

    ZHOU Z C. Research and implementation of key technologies of mobile pressure container supervision system based on Internet of things[D]. Kunming: Kunming University of Technology, 2012 (in Chinese).

    [11] 谭凯, 徐义, 杨拓, 等. 基于物联网技术的气瓶安全状态在线监测系统设计[J]. 物联网技术, 2021, 11(12): 16–18.

    TAN K, XU Y, YANG T, et al. Design of online monitoring system for gas cylinder safety status based on Internet of things technology[J]. Internet of Things Technologies, 2021, 11(12): 16–18 (in Chinese).

    [12] 孙万里. 基于云平台和NB-IoT的物联网监控系统开发[D]. 杭州: 浙江大学, 2021.

    SUN W L. Development of internet of things monitoring system based on the cloud platform and NB-IOT[D]. Hangzhou: Zhejiang University, 2021 (in Chinese).

    [13] 梁勇, 王欣, 姜鑫, 等. 基于数字孪生的连续卸船机实时监控技术研究[J]. 机械, 2022, 49(1): 67–72.

    LIANG Y, WANG X, JIANG X, et al. Research on real-time monitoring technology of continuous ship unloader based on digital twin[J]. Machinery, 2022, 49(1): 67–72 (in Chinese).

    [14] 周少伟, 吴炜, 张涛, 等. 舰船动力系统数字孪生技术体系研究[J]. 中国舰船研究, 2021, 16(2): 151–156. doi: 10.19693/j.issn.1673-3185.01858

    ZHOU S W, WU W, ZHANG T, et al. Digital twin technical system for marine power systems[J]. Chinese Journal of Ship Research, 2021, 16(2): 151–156 (in Chinese). doi: 10.19693/j.issn.1673-3185.01858

    [15] 朱大滨, 安源胜, 乔建江. 压力容器安全基础[M]. 上海: 华东理工大学出版社, 2014: 9-16.

    ZHU D B, AN Y S, QIAO J J. Safety foundation of pressure container[M]. Shanghai: East China University of Science and Technology Press, 2014: 9−16 (in Chinese).

    [16] 轩福贞, 宫建国, 高阳, 等. 一种基于数字孪生的压力容器安全评价与风险预警方法: CN 202111399511.1[P]. 2022-02-18.

    XUAN F Z, GONG J G, GAO Y, et al. A digital twin based safety assessment and risk early warning method for pressure containers: CN 202111399511.1[P]. 2022-02-18 (in Chinese).

    [17] 李华峰, 刘炎, 陈建如, 等. 基于碳钢腐蚀的混合数字孪生的设计与实现[J]. 中国舰船研究, 2021, 16(5): 230–237. doi: 10.19693/j.issn.1673-3185.02008

    LI H F, LIU Y, CHEN J R, et al. Design and realization of hybrid digital twin based on carbon steel corrosion[J]. Chinese Journal of Ship Research, 2021, 16(5): 230–237 (in Chinese). doi: 10.19693/j.issn.1673-3185.02008

    [18] 黄瑞泉. 基于Spring Boot框架的地图监管系统[J]. 计算机系统应用, 2021, 30(8): 89–95.

    HUANG R Q. Map supervision system based on Spring Boot[J]. Computer Systems Application, 2021, 30(8): 89–95 (in Chinese).

    [19] 洪意意. 网络管理系统中的自适应采集策略的研究与实现[D]. 北京: 北京邮电大学, 2021.

    HONG Y Y. Research and implementation of adaptive acquisition strategy in network management system[D]. Beijing: Beijing University of Posts and Telecommunications, 2021 (in Chinese).

    [20] 庄增辉. 基于Web的自然图像轻量级识别与追踪[D]. 北京: 北京邮电大学, 2020.

    ZHUANG Z H. Lightweight recognition and tracking of natural images based on Web[D]. Beijing: Beijing Universi-ty of Posts and Telecommunications, 2020 (in Chinese).

图(13)  /  表(1)
计量
  • 文章访问数:  1033
  • HTML全文浏览量:  104
  • PDF下载量:  109
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-02-12
  • 修回日期:  2023-04-03
  • 网络出版日期:  2023-04-05
  • 刊出日期:  2023-10-30

目录

/

返回文章
返回