数字孪生辅助的机械故障数据轻量级生成方法及系统技术方案

本发明专利技术提供了一种数字孪生辅助的机械故障数据轻量级生成方法机系统，建立待生成故障数据机械装备的仿真模型，并基于数字孪生理念对仿真模型的参数进行修正；对仿真模型进行各种故障类型和程度的仿真模拟，获取对应的故障仿真数据；在机械装备所有零部件健康状态下，采集对应目标工况下机械设备的实测工作数据；采用格拉姆角场

【技术实现步骤摘要】
数字孪生辅助的机械故障数据轻量级生成方法及系统


[0001]本专利技术涉及故障数据生成
，具体涉及一种数字孪生辅助的机械故障数据轻量级生成方法及系统
。

技术介绍

[0002]机械装备支撑着现代工业的快速发展，任何故障都可能导致重大安全事故的发生，故障诊断的准确率势必会影响机械装备的稳定发展
。
在大数据时代下，基于健康监测系统与深度学习的故障诊断方法虽然取得了丰硕的成果，但是故障样本获取难度大和深度学习模型对于故障样本“质好量多”的要求，极大地限制了诊断模型在实际工业应用场景中的准确率
。
[0003]机械装备多处于恶劣复杂的工作环境，监测数据具有非线性和强噪声等特点，数据质量较差，同时机械装备具有高可靠性，禁止其长期在非正常状态下工作和服役，故实际故障数据极少且获取难度大，导致故障数据陷入“质差量少”的窘境
。
此外，诊断模型多依靠数据驱动且需依赖大量高质量的故障数据作训练，现有诊断模型多局限于实验室条件，即使是在实验室条件下，搭建高精度试验台也需要投入大量的时间和资源，并且只能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数字孪生辅助的机械故障数据轻量级生成方法，其特征在于：包括以下步骤：步骤
S1
：建立待生成故障数据机械装备的零部件仿真模型，并基于数字孪生理念对所述仿真模型的参数进行修正；步骤
S2
：对所述零部件仿真模型进行各种故障类型和程度的仿真模拟，获取对应的故障仿真数据；步骤
S3
：在机械装备所有零部件健康状态下，采集对应目标工况下机械装备的实测工作数据；步骤
S4
：采用格拉姆角场
GAF
，将一维的所述故障仿真数据转换为二维图像作为前景信息，将所述实测工作数据转换为二维图像并作为背景信息；用所述前景信息代替原始生成对抗网络
GAN
中输入的随机噪声，将所述背景信息作为真实样本联合输入至生成对抗网络
GAN
，开展鉴别器与生成器之间的对抗训练，直至达到纳什平衡以生成故障数据
。2.
根据权利要求1所述的一种数字孪生辅助的机械故障数据轻量级生成方法，其特征在于：步骤
S1
中对所述零部件仿真模型进行参数修正的步骤包括：步骤
S101
：对所述零部件仿真模型进行故障状态下的故障模拟，提取故障振动信号；步骤
S102
：选取所述故障振动信号的特征指标进行分析，与历史实测数据之间进行对比，计算相关性系数；步骤
S103
：当所述相关性系数小于设定阈值时，调整所述零部件仿真模型的参数直至满足设定阈值
。3.
根据权利要求2所述的一种数字孪生辅助的机械故障数据轻量级生成方法，其特征在于：步骤
S102
中计算相关性系数的方法包括：步骤
S1021
：对所述故障振动信号和历史实测数据进行信号特征归一化数据预处理操作，归一化的表达式为：；式中，
G
norm
表示特征归一化后的特征值，
G
表示原始特征值，
G
max
和
G
min
分别表示特征值中的最大值和最小值；步骤
S1022
：通过以下公式计算经过归一化处理后的故障振动信号和历史实测数据之间的相关性系数
R
XY
：；式中，
X
表示归一化后的故障振动信号特征值，
Y
表示归一化后的历史实测数据特征值，和分别表示归一化后的故障振动信号和历史实测数据特征值的平均值，
n
表示选取的特征指标的数量
。4.
根据权利要求2所述的一种数字孪生辅助的机械故障数据轻量级生成方法，其特征在于：步骤
S103
中调整所述零部件仿真模型的参数的方法包括以下步骤：步骤
S1031
：选取待修正的模型参数；步骤
S1032
：在各个参数初始值
...

【专利技术属性】
技术研发人员：于燕南，刘志平，韩国栋，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：