基于数字孪生的船舶预测性维护

发布时间：2021-05-10 10:41

　　造船技术和需求的发展使得船舶维护面临着成本不断上升的问题,因此文章提出针对高端复杂船舶采用数字孪生技术进行预测性维护的方法。在研究了数字孪生预测性维护模型模型基础上,将其分为创建数字孪生体、数据获取、数据预处理、模型训练、故障预测与诊断和设备维护六个阶段,并分别介绍了各阶段的主要任务和技术。最后分析总结了进行数字孪生船舶预测性维护难点及发展路径。 

【文章来源】：船舶工程. 2020,42(S1)北大核心CSCD

【文章页数】：5 页

【参考文献】：
期刊论文
[1]深度学习在设备故障预测与健康管理中的应用[J]. 陈志强,陈旭东,José Valente de Olivira,李川.  仪器仪表学报. 2019(09)
[2]建立在智能工厂基础上的企业数字孪生体[J]. 任川,陈磊.  中国石油和化工标准与质量. 2018(21)
[3]数字孪生及其应用探索[J]. 陶飞,刘蔚然,刘检华,刘晓军,刘强,屈挺,胡天亮,张执南,向峰,徐文君,王军强,张映锋,刘振宇,李浩,程江峰,戚庆林,张萌,张贺,隋芳媛,何立荣,易旺民,程辉.  计算机集成制造系统. 2018(01)
[4]产品数字孪生体的内涵、体系结构及其发展趋势[J]. 庄存波,刘检华,熊辉,丁晓宇,刘少丽,瓮刚.  计算机集成制造系统. 2017(04)



本文编号：3179225