一种基于数字孪生的齿轮箱在线故障诊断方法技术

本发明专利技术公开了一种基于数字孪生的齿轮箱在线故障诊断方法，首先，基于加速度、位移、压电传感器等，对齿轮箱参数进行采集，获取齿轮箱的完整数据信息，包括静态数据和动态数据；其次，根据静态数据和动态数据构建齿轮箱的数字孪生模型，利用所构建的齿轮箱数字孪生模型与实体设备振动信号的余弦相似度值作为模型更新的衡量标准，最优化齿轮箱特征参数，动态修正模型，获得实时同步的齿轮箱数字孪生模型，实现齿轮箱的“虚

【技术实现步骤摘要】
一种基于数字孪生的齿轮箱在线故障诊断方法


[0001]本专利技术属于机械故障诊断智能化与数字化
，具体涉及一种基于数字孪生的齿轮箱在线故障诊断方法。

技术介绍

[0002]齿轮箱是一种集成变速机构，具有结构紧凑，传动比大，承载高的优点，经常被用作很多重要机械设备的传动枢纽部分，例如直升机、轮船、装甲车、风力发电机等。齿轮箱的健康状况关乎整个机器的正常运转，影响经济效益和人员安全。而齿轮箱一般用于大载荷和恶劣环境中，故障发生率较高，如在一个典型的风力涡轮机中，有20％的停机时间是由于齿轮箱故障造成的，一旦发生故障，将造成严重后果。若能运用有效的故障诊断方法，快速准确的识别齿轮箱故障，可节约大量的时间和维修成本，提高工作效率。因此，对齿轮箱的运行状态进行实时有效的监测及故障诊断具有重要意义。
[0003]目前针对齿轮箱故障诊断的方法主要分为两类，第一类是基于模型的故障诊断。Fan等建立了行星架有裂纹的直升机行星传动轮系扭振动态模型，在仿真行星架裂纹对行星桩角度偏移及轮系动态参数的影响上考虑了时变啮合刚度、齿轮间隙、黏滞阻尼等非线性因素。Cheng等建立了正常和太阳轮轮齿故障的直升机行星传动轮系扭振动态模型，基于模型提出的特征参数定量检测出太阳轮轮齿故障程度。上述基于模型的故障诊断方法能增进对齿轮箱传动轮系故障模式下多种物理响应的理解和丰富故障诊断方法与数据来源，但由于模型存在许多假设和简约化，无法覆盖到各种不确定因素影响，仿真数据与真实情况仍存在一定差距，故障诊断精度有待提高。第二类是基于信号处理的故障诊断。孟玲霞等提出了基于Gabor重排对数时频脊流形的方法，可以抑制交叉项，有效提取变工况齿轮箱早期故障特征。王志乐等汲取了包络分析、加窗同步平均、计算阶比跟踪等信号处理的优点，提出包络角域加窗同步平均技术，对太阳轮微弱故障特征信号进行有效解调，成功提取了太阳轮故障特征。
[0004]上述基于信号处理的故障诊断方法，由于信息检测手段和故障分析方法都是针对特定信号进行特定故障分析和诊断，无法系统的去看待和解决问题，难以对同时发生地多种故障进行辨识。同时，使用原始振动信号作为输入，识别准确率容易受到恶劣工况和环境不确定性因素的影响，对专家经验具有一定的依赖性，缺乏普适应，难以满足实际工业环境应用需求。
[0005]因此，针对上述问题，本专利技术提供了一种基于数字孪生的齿轮箱在线故障诊断方法，通过建立与实际运行状态高度映射的齿轮箱数字孪生模型，实现齿轮箱设备的“虚
‑
实联动”，对齿轮箱的运行状态实时在线监测，实现齿轮箱在线故障诊断，最大限度地保持高效、低成本、稳定的系统运行。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提出了一种基于数字孪生的齿轮箱在线故障诊断
方法，通过建立与实际运行状态高度映射的齿轮箱数字孪生模型，实现齿轮箱设备的“虚
‑
实联动”，对齿轮箱的运行状态实时在线监测，实现齿轮箱在线故障诊断，最大限度地保持高效、低成本、稳定的系统运行。
[0007]为了达到上述技术目的，本专利技术是通过以下技术方案实现的：一种基于数字孪生的齿轮箱在线故障诊断方法，包括以下步骤：
[0008]S1：采集齿轮箱运行过程中的不同数据，构建齿轮箱的数字孪生模型；
[0009]S2：动态更新齿轮箱数字孪生模型，引入信赖域算法迭代优化模型参数，利用余弦相似度作为数字孪生模型仿真信号与实测振动信号相似性度量标准，当余弦相似度大于预设阈值时，停止迭代并获得未定参数值，根据相关参数修正数字孪生模型，得到齿轮箱虚实联动的高保真模型；
[0010]S3：通过预定义故障类型，在齿轮箱数字孪生模型中嵌入故障模块，得到齿轮箱故障状态的仿真信号，利用故障诊断算法获取故障特征信息，并上传至云端数据库；
[0011]S4：采集实体设备的振动信号，与孪生数据库中的仿真数据进行匹配对比，最终得到实体设备的运行状态，实现实体设备的在线监测及故障诊断；
[0012]S5：若检测出齿轮箱为故障状态，则调用设备维护规则对故障信息进行边缘计算，对实体设备进行相关运行参数调整，实现齿轮箱稳定高效的运行，延长设备使用寿命。
[0013]优选的，所述S1中采集的数据包括静态数据与动态数据；静态数据包括齿轮箱历史运行数据、装备特性、几何形态数据、材料初始属性等已获取的确定信息；动态数据包括与齿轮箱运行状态相关的瞬态时变信息。
[0014]优选的，所述S1中构建齿轮箱的数字孪生模型的步骤为：
[0015]S1.1：融合齿轮箱机理信息和静态数据完成初始数值模型构建，该过程可表述为：
[0016]MO＝{I
历史数据
，I
机理
，I
形态
，P
装备
}
ꢀꢀ
(1)
[0017]式中，P
装备
表示装备的特性，I
历史数据
，I
机理
和I
形态
分别表示历史数据、机理和形态信息，MO表示历史数据、机理与形态信息共同驱动构建的初始数值模型。
[0018]其中，的定义如下：
[0019]P
装备
＝{P
多学科
，P
多物理
，P
多尺度
，
…
，P
多参量
，P
多源数据
，P
概率性
} (2)
[0020]式中，P
装备
表示齿轮箱的特征参量，包括多学科、多物理、多尺度、多参量、多源数据、概率性等特征参量；
[0021]S1.2：利用所测动态数据，结合齿轮箱当前时刻的机理信息，对齿轮箱初始数值模型中的几何形态进行实时更新，构建齿轮箱数字孪生模型，该过程可表述为：
[0022][0023]式中，表示装备当前拥有的特征，I
在线线数
表示当前现场监测数据，MO表示式(1)中构建的模型，MOcurr表示齿轮箱数字孪生模型。
[0024]优选的，所述S2中齿轮箱数字孪生模型迭代优化的具体步骤为：
[0025]S2.1：根据齿轮箱数字孪生模型生成仿真振动信号；
[0026]S2.2：采集实体设备同种工况及同一时刻下的实测振动信号；
[0027]S2.3：利用余弦相似度作为度量标准进行匹配分析，以此判断齿轮箱数字孪生模型与物理实体之间是否具有高度一致性。其中，余弦相似度表达式如下：
[0028][0029]式中，Vp与Vs分别为实体设备测试与数字孪生模型仿真得到的长度为N的振动响应；
[0030]S2.4：若二者相似度小于预设阈值，引入信赖域算法，对齿轮箱数字孪生模型的关键特征参量进行参数寻优，迭代求解最优参数，修正孪生模型，直至满足余弦相似度的判断要求。
[0031]优选的，所述S2.4中，信赖域算法寻优的具体步骤为：
[0032]S2.4.1：初本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于数字孪生的齿轮箱在线故障诊断方法，其特征在于，包括以下步骤：S1：采集齿轮箱运行过程中的不同数据，构建齿轮箱的数字孪生模型；S2：动态更新齿轮箱数字孪生模型，引入信赖域算法迭代优化模型参数，利用余弦相似度作为数字孪生模型仿真信号与实测振动信号相似性度量标准，当余弦相似度大于预设阈值时，停止迭代并获得未定参数值，根据相关参数修正数字孪生模型，得到齿轮箱虚实联动的高保真模型；S3：通过预定义故障类型，在齿轮箱数字孪生模型中嵌入故障模块，得到齿轮箱故障状态的仿真信号，利用故障诊断算法获取故障特征信息，并上传至云端数据库；S4：采集实体设备的振动信号，与孪生数据库中的仿真数据进行匹配对比，最终得到实体设备的运行状态，实现实体设备的在线监测及故障诊断；S5：若检测出齿轮箱为故障状态，则调用设备维护规则对故障信息进行边缘计算，对实体设备进行相关运行参数调整，实现齿轮箱稳定高效的运行，延长设备使用寿命。2.根据权利要求1所述基于数字孪生的齿轮箱在线故障诊断方法，其特征在于，所述S1中采集的数据包括静态数据与动态数据；静态数据包括齿轮箱历史运行数据、装备特性、几何形态数据、材料初始属性等已获取的确定信息；动态数据包括与齿轮箱运行状态相关的瞬态时变信息。3.根据权利要求2所述基于数字孪生的齿轮箱在线故障诊断方法，其特征在于，所述S1中构建齿轮箱的数字孪生模型的步骤为：S1.1：融合齿轮箱机理信息和静态数据完成初始数值模型构建，该过程可表述为：MO＝{I
历史数据
，I
机理
，I
形态
，P
装备
}
ꢀꢀꢀꢀ
(1)式中，P
装备
表示装备的特性，I
历史数据
，I
机理
和I
形态
分别表示历史数据、机理和形态信息，MO表示历史数据、机理与形态信息共同驱动构建的初始数值模型。其中，的定义如下：P
装备
＝{P
多学科
，P
多物理
，P
多尺度
，
…
，P
多参量
，P
多源数据
，P
概率性
}
ꢀꢀꢀꢀ
(2)式中，P
...

【专利技术属性】
技术研发人员：马军，李蓉，李祥，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：