EMPbridge团队在数字孪生模型构建方面取得进展

2022/07/13

EMPbridge团队提出了一种基于本征正交分解（Proper Orthogonal Decomposition, POD）的模型降阶技术建立旋转电机行为模型的方法，该项技术可以有效地构建多种精度的数字孪生模型，实现对设备的高效或实时仿真，可大幅提高设备设计优化的效率，并进一步拓展至设备的状态预测与控制之中。相关算法理论是实现以“数字孪生”为特征的下一代工业软件的基础，对于工业智能制造与设备智慧运维有着重要意义。

详细内容...

EMPbridge团队在数字孪生模型构建方面取得进展

在数字化与物联网技术的驱动下，实时监测、诊断和控制逐渐成为电气设备全生命周期管理的基本需求。基于物理第一性原理的行为建模方法能够对电气设备实现精确和实时的物理仿真，近些年来越来越受到关注。在多参数空间中构建行为模型需要大量基于物理模型的仿真数据，使得行为模型构建工作非常耗时，为了有效地提高计算与建模效率，必须引入并发展模型降阶（Model Order Reduction或MOR）技术。

EMPbridge团队提出了一种基于本征正交分解（Proper Orthogonal Decomposition, POD）的模型降阶技术建立旋转电机行为模型的方法，其基本流程如图1所示。首先，在参数空间中基于少量参数抽样建立电机电磁场的全阶模型（Full Order Model或FOM）。进而，利用全阶模型求得的数据构造电机的POD降阶模型（Reduced Order Model或ROM）。此降阶模型被用在参数空间中对大量采样点进行仿真，生成数据所需的计算时间大为减少。最后，对这些参数空间中的数据进行拟合或插值而构造出电机的行为模型。

图1 行为模型的构建流程

将所获得的电机电磁行为模型与机械运动方程关联起来即可得到电机孪生模型，该模型可以实时准确地反映其物理状态。

为了验证所提出的方法，采用感应电机和永磁同步电机（PMSM）作为分析对象，并对比有限元全模型和孪生模型计算仿真。结果表明，孪生模型可以提供精确的电机时域响应（包括速度、扭矩、功角、等），而仿真时间相对地几乎可以忽略不计，计算效率相对全模型仿真可提升几千倍。

图2是所采用的感应电机算例，图3展示了感应电机算例采用孪生模型和全模型的计算结果，可看出两种模型的精度相近其中全模型和孪生模型的计算时间分别为10.19秒和0.01秒（采用2GHz Intel Core i7-8550U CPU 处理器计算）。

图2 感应电机算例（TEAM问题30）：(a)几何结构示意图, (b) 角速度200rad/s时的磁矢势分布图

图3 感应电机采用孪生模型和全模型的计算结果比较:(a)角速度, (b)转矩

图4是所采用的永磁同步电机算例，图5给出了电机不同齿槽角α及功率角β下的转矩分布图，图6展示了永磁同步电机算例采用孪生模型和全模型的计算结果，可看出孪生模型能精准体现永磁同步电机的工作特性，其中全模型和孪生模型的计算时间分别为1860秒和0.2秒（采用2GHz Intel Core i7-8550U CPU 处理器计算 ）。

图4 永磁同步电机算例：(a) 几何结构示意图; (b) 指定位置的磁场分布

图5 不同齿槽角α及功率角β下的转矩

图6 永磁同步电机采用孪生模型和全模型的计算结果比较: (a)初始转速, (b)稳态转速 (c)初始转矩(d)稳态转矩 (e)功角

上述计算完全基于多物理耦合仿真软件平台EMPbridge（http：//www.empbridge.com）实现。该软件平台由EMPbridge团队自主研制，团队拥有平台核心算法的全部知识产权。

该项技术可以有效地构建多种精度的数字孪生模型，实现对设备的高效或实时仿真，可大幅提高设备设计优化的效率，并进一步拓展至设备的状态预测与控制之中。相关算法理论是实现以“数字孪生”为特征的下一代工业软件的基础，对于工业智能制造与设备智慧运维有着重要意义。

相关成果以“Twin-Model Based on Model Order Reduction for Rotating Motors”为题，在国际知名学术期刊IEEE Transactions on Magnetics发表，DOI：10.1109/TMAG.2022.3187620。