Introdução: Qualidade militar, navegação inteligente

No campo da indústria militar, a confiabilidade dos equipamentos de energia está diretamente relacionada à segurança nacional e ao sucesso das missões. Diante dos riscos potenciais da montagem externa de fontes de alimentação, surgiu o sistema de gerenciamento de saúde de fontes de alimentação dedicadas. Com base na percepção da Internet das Coisas e na tecnologia de gêmeos digitais, este sistema realiza o gerenciamento de saúde do ciclo de vida completo dos equipamentos de energia, com monitoramento preciso, alerta inteligente e manutenção eficiente como núcleo, fornecendo uma garantia sólida para a operação estável das fontes de alimentação militares.

Introdução da solução

Visão geral da solução

Este projeto tem como núcleo os dispositivos de percepção da Internet das Coisas, dedicando-se à coleta de dados dos equipamentos de energia. Ao vincular os dados coletados ao modelo gêmeo do equipamento para exibição interativa, realiza-se o monitoramento preciso da saúde da fonte de alimentação. Suas principais funções incluem:

• Monitoramento em tempo real: monitoramento em tempo real de vários parâmetros durante a operação (incluindo vibração, temperatura do enrolamento do gerador, temperatura da carcaça, velocidade do motor, tensão, corrente, ripple, surtos, temperatura da água, corrente, potência, pressão do óleo, fluxo de óleo de entrada e saída, fluxo do líquido de arrefecimento, pressão do ar do intercooler, etc.).
• Diagnóstico inteligente: utilizando algoritmos inteligentes, estabelece modelos matemáticos para previsão de falhas e gerenciamento de saúde dos componentes críticos da fonte de alimentação dedicada (motor, ECU, gerador, controlador).
• Visualização 3D: utilizando tecnologia de visualização multidimensional, exibe os componentes críticos em níveis, localiza falhas e orienta a instalação e manutenção.

Cenários aplicáveis

• Teste de fábrica de fontes de alimentação militares: simulação de condições extremas para garantir a confiabilidade do equipamento
• Gerenciamento de operação e manutenção do equipamento: monitoramento em tempo real do estado operacional para prevenir falhas repentinas
• Previsão de vida útil e planejamento de manutenção: com base em análise de big data, prolonga a vida útil do equipamento e reduz custos de manutenção

Funções principais

• Coleta de 100% dos dados em 7 categorias e 41 itens
  41 dados disponíveis do equipamento, incluindo vibração, velocidade, fluxo, temperatura, potência, tensão e corrente em sete categorias, entre eles vibração, ruído e tensão são dados de alta frequência, temperatura infravermelha é dado de imagem, os demais são dados de baixa frequência.
• Análise multidimensional de 24 indicadores característicos em 4 grandes mapas de dados de alta frequência
  Suporta análise de forma de onda original, análise de espectro de aceleração, análise de espectro de velocidade e análise de tendência em quatro grandes tipos de mapas.
  Estatísticas incluem 24 indicadores característicos como valor eficaz, valor pico a pico, margem, curtose, pico de frequência chave, etc.
• Implantação de mais de 60 regras de alerta em 9 grandes categorias de modelos
  Baseado em alertas de limite em múltiplas etapas, cobre três tipos principais: alerta instantâneo, alerta estatístico de curto prazo e alerta de tendência de longo prazo, suportando integração de modelos de big data de aprendizado de máquina e aprendizado profundo.
• Plano de modelo de saúde em 5 grandes dimensões — em degraus
  Mais de 60 alertas cobrem cinco grandes dimensões: motor, gerador, controlador, dispositivo de resfriamento e outros acessórios, avaliando a pontuação de cada dimensão conforme a gravidade do alerta, realizando gerenciamento de saúde do equipamento em degraus.

Vantagens técnicas

• Integração com gêmeos digitais: dados do equipamento sincronizados em tempo real com o modelo gêmeo, realizando monitoramento preciso "virtual e real combinado".
• Computação de borda + colaboração em nuvem: computador de borda local processa dados de alta frequência em tempo real, armazenamento e análise em nuvem suportam decisões de longo prazo.
• Ecossistema de hardware altamente compatível: integra 7 categorias e 41 dados, cobrindo todas as áreas do motor, gerador e controlador.

Casos de aplicação

Caso 1: Sistema de gerenciamento de saúde de fonte de alimentação dedicada de uma unidade militar

Pontos problemáticos: Durante o teste da fonte de alimentação dedicada, a estabilidade do equipamento era insuficiente, falhas frequentes, e mesmo após várias tentativas, não foi possível controlar efetivamente.
Solução: Percepção multidimensional por sensores + modelo de algoritmo inteligente + plataforma de visualização, realizando o gerenciamento de saúde do ciclo de vida completo do equipamento de energia.
Resultados: Precisão do monitoramento do estado da fonte de alimentação dedicada acima de 90%, precisão do diagnóstico de falhas acima de 80%, precisão da previsão da fase de vida restante acima de 60%.