Keywords
Abstract
В статье рассматривается задача разработки математической модели цифрового двойника кабельной машины общего типа, предназначенной для повышения эффективности управления технологическими процессами кабельного производства. Актуальность исследования обусловлена необходимостью перехода от традиционных систем управления к интеллектуальным киберфизическим системам, обеспечивающим мониторинг, диагностику и прогнозирование состояния оборудования в режиме реального времени.
Предложенный подход основан на построении комплексной математической модели, объединяющей электромеханические и технологические подсистемы кабельной машины. Разработаны модели электропривода, учитывающие электрические и механические процессы асинхронного двигателя с частотным регулированием, а также модель механической части, описывающая динамику движения кабеля, изменение натяжения и влияние переменного радиуса намотки.
Особое внимание уделено формированию структуры цифрового двойника, включающей физический объект, систему датчиков, подсистему сбора и обработки данных, математическую модель, блок идентификации параметров, аналитический модуль и модуль прогнозирования. Показано, что реализация замкнутого информационного контура позволяет обеспечить адаптацию модели к изменяющимся условиям эксплуатации и учитывать влияние износа оборудования и внешних возмущений.
Разработан алгоритм функционирования цифрового двойника, включающий этапы сбора данных, предварительной обработки, расчета состояния системы, сравнения модельных и измеренных параметров, идентификации, диагностики и оптимизации режимов работы. Установлено, что применение цифрового двойника позволяет повысить точность оценки технологических параметров, снизить энергопотребление, уменьшить вероятность перегрузочных режимов и повысить стабильность работы кабельной машины.
Полученные результаты формируют научно-методическую основу для внедрения цифровых двойников в кабельную промышленность и создания интеллектуальных систем управления электромеханическими комплексами.
References
1. Александров Л.В., Шепелев Н.П. Моделирование — этап создания эффективных технических решений. — М.: НПО «Поиск», 1992. — 312 с.
2. Красильников Л.А., Лысенко А.Г. Волочильщик проволоки. — М.: Металлургия, 1987. — 256 с.
3. Эйгенсон Л.С. Моделирование. — М.: Советская наука, 1952. — 198 с.
4. Патент РУз на полезную модель № FAR 00659 от 22.07.2010. «Волочильная машина».
5. Ключев В.И. Теория электропривода. — М.: Энергоатомиздат, 2001. — 704 с.
6. Копылов И.П. Математическое моделирование электрических машин. — М.: Высшая школа, 2004. — 736 с.
7. Вольдек А.И., Попов В.В. Электрические машины. — СПб.: Питер, 2010. — 368 с.
8. Бутырин Г.М., Фролов Ю.М. Системы управления электроприводов. — М.: Изд-во МЭИ, 2015. — 412 с.
9. Skogestad S., Postlethwaite I. Multivariable Feedback Control: Analysis and Design. — Wiley, 2005. — 599 p.
10. Lee J., Lapira E., Bagheri B., Kao H.A. Recent advances and trends in predictive manufacturing systems in big data environment. — Manufacturing Letters, 2013.
11. Tao F., Qi Q., Liu A., Kusiak A. Digital twin-driven product design, manufacturing and service. — Advanced Engineering Informatics, 2018.
12. Grieves M., Vickers J. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems. — Springer, 2017.
13. Qin S.J. Control performance monitoring: review and assessment. — Computers & Chemical Engineering, 1998.
14. Gladwin D.T. Industrial Control Systems: Modeling and Design. — Elsevier, 2020.
15. ISO 23247:2021. Automation systems and integration — Digital twin framework for manufacturing. — ISO, 2021.
16. Zhang D., et al. Industrial cyber-physical systems and digital twin: A review. — IEEE Access, 2020.