基于二代数字孪生技术的广电发射台站的智能监控平台

技术领域

本发明涉及一种基于二代数字孪生技术的广电发射台站的智能监控平台，能够实现对广电发射台站的发电机、功率放大器或无线发射机的智能监控，属于电子信息工程-广播电视工程技术领域。

背景技术

随着信息技术的发展以及数字化时代的到来，广播电视的要求也逐步提高。为使广播电视安全播出，保障收听质量，需要积极创新广播电视技术，更好地促进广播电视事业发展。在广播电视无线发射台的管理中，自备电源是其中的一个关键环节，柴油发电机作为自备电源应用较为广泛，其在供电不稳定的情况下，为广播电视发射台正常播出奠定了良好的基础。

目前，广播电视无线发射台站通常建立在远离市中心相对高的地势，对发射台站的用电安全造成了一定威胁，值班人员工作环境较复杂，容易出现设备自然故障或电力供电等故障造成开路发射中断。为了远程实时掌握发电机设备组的实际工作状态和真实运行环境状况，数字孪生技术的应用价值得到了充分发挥，该技术结合了可视化交互分析、仿真模拟和人工智能方法，实现建模加强、分析以及预测等功能，使发电机设备组的物理世界以3D数字世界进行显示，基于数字孪生技术模型和实时数据的分析，运用深度学习算法，结合发电机设备组数字孪生模型的提供的实时运行环境数据以及自身工作参数数据的历史情况，预判即将发生的故障，并根据数据给出可解决故障的决策方法并提供详细的故障诊断报告。数字孪生技术作为“新基建”浪潮中的重要技术手段，能够有效促进广播电视节目技术规格升级，推进节目内容形态创新，建立、优化一套更为完整的全链条节目制作、播出、分发的发电机智能监控平台。

发明内容

本发明的目的是：对广电发射台站的目标设备进行网络化、智能化的监测。

为了达到上述目的，本发明的技术方案是提供了一种基于二代数字孪生技术的广电发射台站的智能监控平台，用于实现对广电发射台站的目标设备的智能监控，其特征在于，包括：

地图展示模块，用于获取广播电视无线发射台站的各设备地理位置信息，并向用户进行展示；

传感器模块，用于获取目标设备的参数数据；

网络传输模块，用于将传感器模块采集的参数数据通过Internet网络传输至计算机中心；

计算机中心，用于：采用Three.js技术根据传感器模块上传的目标设备的工作参数数据渲染目标设备工作的3D实时场景；根据传感器模块上传的目标设备的工作参数数据，利用目标设备的数字孪生模型判断其运行状态，并基于目标设备的数字孪生模型的实时数据与历史数据采用长短期记忆网络进行数字孪生模型的二次训练，构建目标设备的二代数字孪生智能运维模型，利用目标设备的二代数字孪生智能运维模型，在提供目标设备3D数字世界的基础上，对目标设备进行诊断，预判即将发生的故障，并根据历史数据给出可解决故障的决策方法，其中：

利用目标设备的数字孪生模型判断其运行状态包括以下步骤：

步骤1、根据数字孪生模型中的湿度监测数据以及温度监测数据，判断湿度监测数据是否大于湿度阈值或者温度监测数据是否大于温度阈值，若是，则判断所述目标设备处于异常运行状态，若否，则进入步骤2；

步骤2：根据数字孪生模型中目标设备的近一周内的非正常重启次数是否大于重启次数阈值，若是，则判断目标设备处于异常运行状态，若否，则进入步骤3；

步骤3：根据数字孪生模型中目标设备包括电压、电流、功率在内的监测数据是否大于对应的阈值，若是，则判断目标设备处于异常运行状态；

构建目标设备的二代数字孪生智能运维模型包括以下步骤：

根据数字孪生模型中目标设备近一周内包括电压、电流、功率在内的监测数据、近一周内的目标设备的非正常重启次数、近一周内的目标设备的累计非正常停机时间，采用基于LSTM进行训练目标设备的故障预判决策模型，构建目标设备的自身基础可靠性；基于目标设备的数字孪生模型的运行环境的湿度监测数据、温度监测数据、烟雾监测数据，采用基于LSTM进行训练目标设备的环境可靠度评价模型，构建目标设备的环境可靠性；目标设备的故障预判决策模型与环境可靠度评价模型的交互训练构建了目标设备的二代数字孪生智能运维模型；

用户端，以VUE为核心技术的B/S架构系统，用户利用用户端使用web浏览器登录后即能够进行实时监测工作。

优选地，所述目标设备为发电机、功率放大器或无线发射机。

优选地，对于发电机，所述传感器模块采集的参数数据包括三相电压、电流、蓄电池电压、水温、油压、转速、油机频率、转速、功率；对于功率放大器，所述传感器模块采集的参数数据包括电压、电流、激励信号、进出风量、器件温度、湿度、灰尘量、输出功率、反射功率；对于无线发射机，所述传感器模块采集的参数数据包括激励、功放、电压、载波比、电流、温度、湿度。

优选地，所述地图展示模块利用gis卫星地图获取广播电视无线发射台站的各设备地理位置信息。

优选地，所述计算机中心采用以下步骤渲染目标设备工作的3D实时场景：

步骤1、在Three.js中使用Scene类创建一个目标设备的3D场景，将该3D场景添加到画布中；

步骤2、使用PerspectiveCamera类创建相机，设置相机参数，并将相机指向3D场景；

步骤3、使用WebGLRenderer创建渲染器，使用setClearColor设置画布颜色，使用setSize设置画布大小；

步骤4、使用AxesHelper创建一个坐标系，使用SpotLight创建光源，使用castShadow创建投影，使用THREE.Mesh创建相应的对象；

步骤5、通过scene.add将步骤4创建的对象添加到场景中，进行渲染。

优选地，所述用户端利用Echarts可视化图表展示发电机设备组的工作参数和运行环境等信息，并使用Element UI对界面的显示进行美化。

本发明提供一种基于二代数字孪生技术的广电发射台站的智能监控平台，为解决因值班人员工作环境复杂，包括发电机、功率放大器以及无线发射机在内的广电发射台站的目标设备运行环境复杂，而容易出现目标设备自然故障的问题，并同时利用数字孪生技术实现了将广电发射台站的目标设备的物理世界以3D数字场景进行展示，同时训练得到的二代数字孪生智能运维模型能及时预判目标设备的故障，并给出可靠的决策，可以远程实时掌握目标设备的实际工作状态和真实运行环境状况，数字孪生技术的应用有益于创新广播电视技术，保障广播电视的安全播出，可以更好地促进广播电视事业发展。

附图说明

图1为广播电视无线发射台站的3D数字场景图；

图2为实施例1中的发电机设备组的二代数字孪生智能运维模型训练的具体步骤的流程图；

图3为实施例2中的功率放大器的3D数字场景图；

图4为实施例2中的功率放大器的二代数字孪生智能运维模型训练的具体步骤的流程图；

图5为实施例3中的调频发射机的3D数字场景图；

图6为实施例3中的地面数字电视发射机3D数字场景图；

图7为实施例3中的无线发射机的二代数字孪生智能运维模型训练的具体步骤的流程图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本发明所附权利要求书所限定的范围。

实施例1

本实施例公开了一种基于二代数字孪生技术的广电发射台站的发电机智能监控平台，其技术方案是：

本实施例利用gis卫星地图获取广播电视无线发射台站的各设备地理位置信息，并作为地图展示模块显示位置信息，通过传感器对发电机设备组的三相电压、电流、蓄电池电压、水温、油压、转速、油机频率、转速、功率等参数进行数据采集，并通过Internet网络传输，采用Three.JS渲染3D模型进一步具象化无线发射台站内各设备的重要数据，使无线发射台站的物理工作状态以3D场景进行实时显示。用户端是以VUE为核心技术的BS架构系统，用户使用web浏览器登录后即可进行实时监测工作，利用Echarts可视化图表展示发电机设备组的工作参数和运行环境等信息，并使用Element UI对界面的显示进行美化。

本实施例基于发电机的数字孪生模型的实时数据与历史数据，采用长短期记忆网络(Long Short-Term Memory,LSTM)进行数字孪生模型的二次训练，在提供发电机设备组3D数字世界的基础上，还能对发电机进行诊断，预判即将发生的故障，并根据历史数据给出可解决故障的决策方法。

本实施例的技术实现步骤如下：

步骤1：获取无线发射台站的各设备地理位置信息。根据地理坐标系对无线发射台站的各个设备获取它的经度、纬度和高程，将该信息作为该设备的标识。

步骤2：获取发电机设备组的工作状态参数以及发电机设备组的运行环境参数。利用传感器对发电机设备组的三相电压、电流、蓄电池电压、水温、油压、转速、油机频率、转速、功率等参数以及环境的温度、湿度、气象等数据进行采集，并通过网络传输到计算机中心。

步骤3：采用Three.js技术渲染发电机设备组工作的3D实时场景。首先，在Three.js中使用Scene类创建了一个无线发射台站的3D场景，将该3D场景添加到画布中；其次，使用PerspectiveCamera类创建了相机，相机相当于人眼位置，设置视角、宽高比、近截面和远截面等参数，并将相机指向场景；接着，WebGLRenderer创建渲染器，使用setClearColor设置画布颜色，使用setSize设置画布大小；然后，使用AxesHelper创建一个坐标系，使用SpotLight创建光源，使用castShadow创建投影，使用THREE.Mesh创建发电机设备组、计算机、机房、地面、摄像头、树木、电线等对象；最后，通过scene.add将上述对象添加到场景中，进行渲染。

步骤4：用户端监测发电机设备组的工作参数和运行环境等信息。利用VUE框架构建B/S架构系统，用户登web浏览器后可以实时监测发电机设备组的工作状态和无线发射台站的3D工作场景，利用Echarts可视化图表展示发电机设备组的工作参数和运行环境等信息。

步骤5：根据数字孪生模型中的湿度监测数据以及温度监测数据，并判断所述湿度监测数据是否大于湿度阈值或者所述温度监测数据是否大于温度阈值，若是，则判断所述发电机设备组处于异常运行状态，若否，则进入步骤6。

步骤6：根据数字孪生模型中发电机设备组的近一周内的非正常重启次数是否大于重启次数阈值，若是，则判断所述发电机设备组处于异常运行状态，若否，则进入步骤7。

步骤7：根据数字孪生模型中发电机设备组的电压、电流、功率等监测数据是否大于对应的阈值，若是，则判断所述发电机设备组处于异常运行状态，若否，则进入步骤8。

步骤8：根据数字孪生模型中发电机设备组近一周内的电压电流功率等监测数据、近一周内的无线发射机的非正常重启次数、近一周内的累计非正常停机时间，采用基于LSTM进行训练发电机设备组故障预判决策模型，构建所述发电机设备组的自身基础可靠性；基于所述发电机设备组的数字孪生模型的运行环境的湿度监测数据、温度监测数据、烟雾监测数据，采用基于LSTM进行训练发电机设备组的环境可靠度评价模型，构建所述发电机设备组的环境可靠性；发电机设备组的故障预判决策模型与环境可靠度评价模型的交互训练构建了发电机设备组的二代数字孪生智能运维模型。

如图1所示，用户登录到web浏览器后，可看到广播电视无线发射台站的3D数字工作场景，以及监控平台所集成的功能，包括：电力监控、环境监控、频点信息、实时告警信息、系统参数配置等。发电机设备组监控平台是利用VUE框架构建B/S架构系统，实现了用户远程登录web浏览器后可实时监测的功能。

在无线发射台站的3D场景图中，点击发电机设备组后，即转换到发电机设备组的3D数字工作场景，可视化图表实时显示发电机设备组的工作参数，包括三相电压、电流、蓄电池电压、水温、油压、转速、油机频率、转速、功率等参数信息。这些参数信息通过传感器进行采集，然后通过网络传输到计算机中心，并利用Echarts可视化图表展示，使用ElementUI对界面的显示进行美化。

上述的无线发射台站的3D数字工作场景、发电机设备组的3D数字工作场景采用的是Three.js技术根据发电机设备组实际工作环境进行渲染的3D实时场景。首先，在Three.js中使用Scene类创建了一个无线发射台站的3D场景，将该3D场景添加到画布中；其次，使用PerspectiveCamera类创建了相机，相机相当于人眼位置，设置视角、宽高比、近截面和远截面等参数，并将相机指向场景；接着，WebGLRenderer创建渲染器，使用setClearColor设置画布颜色，使用setSize设置画布大小；然后，使用AxesHelper创建一个坐标系，使用SpotLight创建光源，使用castShadow创建投影，使用THREE.Mesh创建发电机设备组、计算机、机房、地面、摄像头、树木、电线等对象；最后，通过scene.add将上述对象添加到场景中，进行渲染。

如图2所示，发电机设备组的二代数字孪生智能运维模型训练具体包括以下步骤：

步骤1：根据发电机设备组数字孪生模型近一周内的电压电流功率等监测数据、近一周内的发电机设备组的非正常重启次数、近一周内的累计非正常停机时间，构建输入数据集

步骤2：初始化LSTM网络参数，配置收敛因子、最大迭代次数等参数，输入至预测模型中进行训练，得到预测结果，预测结果也可以构建补偿项，对模型的系数进行修正，进行人工标注，寻找最优系数。

步骤3：设置预测模型的系数修改为最优系数，构建为二代数字孪生智能运维模型，对发电机设备组可能出现的故障进行预判，并给出决策。

实施例2

本实施例公开了一种基于二代数字孪生技术的广电发射台站的功率放大器智能监控平台，其技术方案是：

本实施例利用gis卫星地图获取广播电视无线发射台站的各设备地理位置信息，并作为地图展示模块显示位置信息，通过传感器对功率放大器的电压、电流、激励信号、进出风量、器件温度、湿度、灰尘量、输出功率、反射功率等参数进行数据采集，并通过Internet网络传输，采用Three.JS渲染3D模型进一步具象化无线发射台站内各设备的重要数据，使无线发射台站的物理工作状态以3D场景进行实时显示。用户端是以VUE为核心技术的BS架构系统，用户使用web浏览器登录后即可进行实时监测工作，利用Echarts可视化图表展示功率放大器的工作参数和运行环境等信息，并使用Element UI对界面的显示进行美化。

本实施例基于功率放大器的数字孪生模型的实时数据与历史数据，采用长短期记忆网络(Long Short-Term Memory,LSTM)进行数字孪生模型的二次训练，在提供功率放大器3D数字世界的基础上，还能对功率放大器进行诊断，预判即将发生的故障，并根据历史数据给出可解决故障的决策方法。

本实施例的技术实现步骤如下：

步骤1：获取无线发射台站的各设备地理位置信息。根据地理坐标系对无线发射台站的各个设备获取它的经度、纬度和高程，将该信息作为该设备的标识。

步骤2：获取功率放大器的工作状态参数以及功率放大器的运行环境参数。利用传感器对功率放大器的电压、电流、激励信号、进出风量、器件温度、湿度、灰尘量、输出功率、反射功率等参数以及环境的温度、湿度、气象等数据进行采集，并通过网络传输到计算机中心。

步骤3：采用Three.js技术渲染功率放大器工作的3D实时场景。首先，在Three.js中使用Scene类创建了一个无线发射台站的3D场景，将该3D场景添加到画布中；其次，使用PerspectiveCamera类创建了相机，相机相当于人眼位置，设置视角、宽高比、近截面和远截面等参数，并将相机指向场景；接着，WebGLRenderer创建渲染器，使用setClearColor设置画布颜色，使用setSize设置画布大小；然后，使用AxesHelper创建一个坐标系，使用SpotLight创建光源，使用castShadow创建投影，使用THREE.Mesh创建功率放大器、计算机、机房、地面、摄像头、树木、电线等对象；最后，通过scene.add将上述对象添加到场景中，进行渲染。

步骤4：用户端监测功率放大器的工作参数和运行环境等信息。利用VUE框架构建B/S架构系统，用户登web浏览器后可以实时监测功率放大器的工作状态和无线发射台站的3D工作场景，利用Echarts可视化图表展示功率放大器的工作参数和运行环境等信息。

步骤5：根据数字孪生模型中的湿度监测数据以及温度监测数据，并判断所述湿度监测数据是否大于湿度阈值或者所述温度监测数据是否大于温度阈值，若是，则判断所述功率放大器处于异常运行状态，若否，则进入步骤6。

步骤6：根据数字孪生模型中功率放大器的近一周内的非正常重启次数是否大于重启次数阈值，若是，则判断所述功率放大器处于异常运行状态，若否，则进入步骤7。

步骤7：根据数字孪生模型中功率放大器的电压、电流、功率等监测数据是否大于对应的阈值，若是，则判断所述功率放大器处于异常运行状态，若否，则进入步骤8。

步骤8：根据数字孪生模型中功率放大器近一周内的电压电流功率等监测数据、近一周内的功率放大器的非正常重启次数、近一周内的累计非正常停机时间，采用基于LSTM进行训练功率放大器故障预判决策模型，构建所述功率放大器的自身基础可靠性；基于所述功率放大器的数字孪生模型的运行环境的湿度监测数据、温度监测数据、烟雾监测数据，采用基于LSTM进行训练功率放大器的环境可靠度评价模型，构建所述功率放大器的环境可靠性；功率放大器的故障预判决策模型与环境可靠度评价模型的交互训练构建了功率放大器的二代数字孪生智能运维模型。

如图1所示，用户登录到web浏览器后，可看到广播电视无线发射台站的3D数字工作场景，以及监控平台所集成的功能，包括：电力监控、环境监控、频点信息、实时告警信息、系统参数配置等。功率放大器监控平台是利用VUE框架构建B/S架构系统，实现了用户远程登录web浏览器后可实时监测的功能。

如图3所示，在无线发射台站的3D场景图中，点击功率放大器后，即转换到功率放大器的3D数字工作场景，可视化图表实时显示功率放大器的工作参数，包括电压、电流、激励信号、进出风量、器件温度、湿度、灰尘量、输出功率、反射功率等参数信息。这些参数信息通过传感器进行采集，然后通过网络传输到计算机中心，并利用Echarts可视化图表展示，使用Element UI对界面的显示进行美化。

上述的无线发射台站的3D数字工作场景、功率放大器的3D数字工作场景采用的是Three.js技术根据功率放大器实际工作环境进行渲染的3D实时场景。首先，在Three.js中使用Scene类创建了一个无线发射台站的3D场景，将该3D场景添加到画布中；其次，使用PerspectiveCamera类创建了相机，相机相当于人眼位置，设置视角、宽高比、近截面和远截面等参数，并将相机指向场景；接着，WebGLRenderer创建渲染器，使用setClearColor设置画布颜色，使用setSize设置画布大小；然后，使用AxesHelper创建一个坐标系，使用SpotLight创建光源，使用castShadow创建投影，使用THREE.Mesh创建功率放大器、计算机、机房、地面、摄像头、树木、电线等对象；最后，通过scene.add将上述对象添加到场景中，进行渲染。

如图4所示，功率放大器的二代数字孪生智能运维模型训练具体包括以下步骤：

步骤1：根据功率放大器数字孪生模型近一周内的电压电流功率等监测数据、近一周内的功率放大器的非正常重启次数、近一周内的累计非正常停机时间，构建输入数据集

步骤2：初始化LSTM网络参数，配置收敛因子、最大迭代次数等参数，输入至预测模型中进行训练，得到预测结果，预测结果也可以构建补偿项，对模型的系数进行修正，进行人工标注，寻找最优系数。

步骤3：设置预测模型的系数修改为最优系数，构建为二代数字孪生智能运维模型，对功率放大器可能出现的故障进行预判，并给出决策。

实施例3

本实施例公开了一种基于二代数字孪生技术的无线发射机智能监控平台，其技术方案是：

本实施例利用gis卫星地图获取发射机机房的各设备地理位置信息，并作为地图展示模块显示位置信息，通过传感器对发射机的激励、功放、电压、载波比、电流、温度、湿度等参数进行数据采集，并通过Internet网络传输，采用Three.JS渲染3D模型进一步具象化发射机机房内各设备的重要数据，使发射机机房的物理工作状态以3D场景进行实时显示。用户端是以VUE为核心技术的BS架构系统，用户使用web浏览器登录后即可进行实时监测工作，利用Echarts可视化图表展示发射机的工作参数和运行环境等信息，并使用Element UI对界面的显示进行美化。

本实施例基于无线发射机的数字孪生模型的实时数据与历史数据，采用长短期记忆网络(Long Short-Term Memory,LSTM)进行数字孪生模型的二次训练，在提供无线发射机3D数字世界的基础上，还能对无线发射机进行诊断，预判即将发生的故障，并根据历史数据给出可解决故障的决策方法。

本实施例的技术实现步骤如下：

步骤1：获取发射机机房的各设备地理位置信息。根据地理坐标系对发射机房的各个设备获取它的经度、纬度和高程，将该信息作为该设备的标识。

步骤2：获取发射机的工作状态参数以及发射机的运行环境参数。利用传感器对发射机的电源电压、门电压、电流、驻波比、激励器、信号源输入码流、功放以及环境的温度、湿度、气象等数据进行采集，并通过网络传输到计算机中心。

步骤3：采用Three.js技术渲染发射机工作的3D实时场景。首先，在Three.js中使用Scene类创建了一个发射机机房的3D场景，将该3D场景添加到画布中；其次，使用PerspectiveCamera类创建了相机，相机相当于人眼位置，设置视角、宽高比、近截面和远截面等参数，并将相机指向场景；接着，WebGLRenderer创建渲染器，使用setClearColor设置画布颜色，使用setSize设置画布大小；然后，使用AxesHelper创建一个坐标系，使用SpotLight创建光源，使用castShadow创建投影，使用THREE.Mesh创建发射机、计算机、机房、地面、摄像头、树木、电线等对象；最后，通过scene.add将上述对象添加到场景中，进行渲染。

步骤4：用户端监测发射机的工作参数和运行环境等信息。利用VUE框架构建B/S架构系统，用户登web浏览器后可以实时监测发射机的工作状态和发射机机房的3D工作场景，利用Echarts可视化图表展示发射机的工作参数和运行环境等信息。

步骤5：根据数字孪生模型中的湿度监测数据以及温度监测数据，并判断所述湿度监测数据是否大于湿度阈值或者所述温度监测数据是否大于温度阈值，若是，则判断所述无线发射机处于异常运行状态，若否，则进入步骤6。

步骤6：根据数字孪生模型中无线发射机的近一周内的非正常重启次数是否大于重启次数阈值，若是，则判断所述无线发射机处于异常运行状态，若否，则进入步骤7。

步骤7：根据数字孪生模型中无线发射机的电压、电流、功率等监测数据是否大于对应的阈值，若是，则判断所述无线发射机处于异常运行状态，若否，则进入步骤8。

步骤8：根据数字孪生模型中无线发射机近一周内的电压电流功率等监测数据、近一周内的无线发射机的非正常重启次数、近一周内的累计非正常停机时间，采用基于LSTM进行训练无线发射机故障预判决策模型，构建所述无线发射机的自身基础可靠性；基于所述无线发射机的数字孪生模型的运行环境的湿度监测数据、温度监测数据、烟雾监测数据，采用基于LSTM进行训练无线发射机的环境可靠度评价模型，构建所述无线发射机的环境可靠性；无线发射机的故障预判决策模型与环境可靠度评价模型的交互训练构建了无线发射机的二代数字孪生智能运维模型。

如图1所示，用户登录到web浏览器后，可看到广播无线发射机机房的3D数字工作场景，以及监控平台所集成的功能，包括：站内监控、频点信息、实时告警信息、系统参数配置等。无线发射机监控平台是利用VUE框架构建B/S架构系统，实现了用户远程登录web浏览器后可实时监测的功能。

如图5所示，在机房的3D场景图中，点击调频发射机后，即转换到调频发射机的3D数字工作场景，输入95.7MHz，可视化图表实时显示调频发射机的工作参数，包括电源电压、门电压、电流、功率、温度、湿度等参数信息。这些参数信息通过传感器进行采集，然后通过网络传输到计算机中心，并利用Echarts可视化图表展示，使用Element UI对界面的显示进行美化。

如图6所示，在机房的3D场景图中，点击地面数字电视发射机后，即转换到地面数字电视发射机的3D数字工作场景，输入9CH，可视化图表实时显示地面数字电视发射机的工作参数，包括输入功率、反射功率、电压电流、输入码流、驻波比、功放、激励器等参数信息。

上述的无线发射机机房的3D数字工作场景、调频/地面数字电视发射机的3D数字工作场景采用的是Three.js技术根据发射机实际工作环境进行渲染的3D实时场景。首先，在Three.js中使用Scene类创建了一个发射机机房的3D场景，将该3D场景添加到画布中；其次，使用PerspectiveCamera类创建了相机，相机相当于人眼位置，设置视角、宽高比、近截面和远截面等参数，并将相机指向场景；接着，WebGLRenderer创建渲染器，使用setClearColor设置画布颜色，使用setSize设置画布大小；然后，使用AxesHelper创建一个坐标系，使用SpotLight创建光源，使用castShadow创建投影，使用THREE.Mesh创建发射机、计算机、机房、地面、摄像头、树木、电线等对象；最后，通过scene.add将上述对象添加到场景中，进行渲染。

如图7所示：为无线发射机的二代数字孪生智能运维模型训练的具体步骤的流程图

步骤1：根据无线发射机数字孪生模型近一周内的电压电流功率等监测数据、近一周内的无线发射机的非正常重启次数、近一周内的累计非正常停机时间，构建输入数据集

步骤2：初始化LSTM网络参数，配置收敛因子、最大迭代次数等参数，输入至预测模型中进行训练，得到预测结果，预测结果也可以构建补偿项，对模型的系数进行修正，进行人工标注，寻找最优系数。

步骤3：设置预测模型的系数修改为最优系数，构建为二代数字孪生智能运维模型，

对无线发射机可能出现的故障进行预判，并给出决策。