【技术实现步骤摘要】
本专利技术涉及轴承故障诊断，具体涉及一种基于数字孪生的水润滑轴承故障诊断方法。
技术介绍
1、水润滑轴承作为船舶推进轴系的重要部件，相比于油润滑轴承，水润滑轴承采用的润滑介质为水，不会像油润滑轴承因为在长期使用过程中造成油脂的泄露从而浪费资源和污染环境，且水润滑轴承机构简单、成本较低，因此水润滑轴承被广泛的应用于船舶等航行器的推进系统。在实际使用时，水润滑轴承不仅会受到船舶等航行器在水中航行时水域的温度、含沙量等情况的影响，而且水润滑轴承受力复杂，除了轴系及桨叶的重力影响，还会受到螺旋桨不平衡的扭转力、来自船体变形的附加应力以及在行驶过程中特殊工况下的冲击载荷。因此，水润滑轴承往往会出现各种故障，从而导致安全事故，所以针对水润滑轴承复杂的特性和承载机理，水润滑轴承的状态研究和故障诊断对工程具有重要的意义。
2、数字孪生是将多维度、多学科以及多物理量的物理实体在虚拟空间中进行数字化的映射，实现虚实交互融合的技术。将数字孪生技术也即神经网络技术运用至水润滑轴承试验台，一方面不仅能对水润滑轴承状态进行计算与预测，同时能够将水润滑轴承结构实现可视化，而且通过计算结果可视化反映水润滑轴承的运行状态，能够对故障进行诊断和预测，并且能快速分析故障类型，提高效率。但现有技术中，在对水润滑轴承故障进行诊断时使用的神经网络模型常为单输入模型，诊断模型精度较差。
技术实现思路
1、有鉴于此，有必要提供一种基于数字孪生的水润滑轴承故障诊断方法，用以解决现有技术中存在的诊断模型精度较差的技术问题
2、为了解决上述问题，一方面，本专利技术提供了一种基于数字孪生的水润滑轴承故障诊断方法，包括：
3、获取目标轴承的目标实验运动数据；
4、将所述目标实验运动数据输入训练完备的故障诊断模型，得到所述目标轴承的预测故障类型；
5、基于预设的运动仿真数据库和所述预测故障类型，获取预测故障类型轴承的目标仿真运动数据，其中，所述运动仿真数据库存储有若干种故障类型轴承的仿真运动数据；
6、对所述目标仿真运动数据与所述目标实验运动数据进行一致性判定；
7、当所述目标仿真运动数据与所述目标实验运动数据判定一致时，输出所述目标轴承的预测故障类型。
8、在一些可能的实现方式中，所述运动仿真数据库基于如下步骤获取：
9、构建对应若干种故障类型轴承的若干水润滑轴承实验台三维模型；
10、对所述若干水润滑轴承实验台三维模型进行运动仿真，得到仿真运动数据；
11、将所述仿真运动数据按照轴承的故障类型进行分类存储，得到运动仿真数据库。
12、在一些可能的实现方式中，对所述目标仿真运动数据与所述目标实验运动数据进行一致性判定，包括：
13、确定所述目标仿真运动数据与所述目标实验运动数据的绝对误差值，判断所述绝对误差值是否小于第一阈值；
14、当所述目标仿真运动数据与所述目标实验运动数据判定一致时，输出所述目标轴承的预测故障类型，包括：
15、当所述绝对误差值小于第一阈值时，输出所述目标轴承的预测故障类型。
16、在一些可能的实现方式中，所述目标实验运动数据包括目标实验振动数据，所述目标仿真运动数据包括目标仿真振动数据，所述绝对误差值为所述目标实验振动数据与所述目标仿真振动数据的绝对误差值。
17、在一些可能的实现方式中，所述方法还包括：
18、当所述绝对误差值不小于第一阈值时，进一步判断所述绝对误差值是否小于第二阈值，所述第二阈值大于所述第一阈值；
19、若所述绝对误差值小于第二阈值，则认为所述目标轴承的故障类型属于已知类型，增加所述故障诊断模型的训练样本量或对所述故障诊断模型的相关参数进行修正，重新对所述目标轴承的故障类型进行预测；
20、若所述绝对误差值不小于第二阈值，则认为所述目标轴承的故障类型属于未知类型，增加所述故障诊断模型的训练样本集的轴承故障类型，重新对所述目标轴承的故障类型进行预测。
21、在一些可能的实现方式中，所述故障诊断模型采用bp神经网络结构。
22、在一些可能的实现方式中，所述轴承的实验运动数据包括载荷、振动、温度、噪声、转速和摩擦系数数据。
23、在一些可能的实现方式中，所述轴承的故障类型包括正常轴承、轴承内衬裂纹、轴系弯曲、轴承内衬疲劳断裂和轴承内衬磨损。
24、另一方面，本专利技术还提供了一种基于数字孪生的水润滑轴承故障诊断装置，包括：
25、数据获取单元，用于获取目标轴承在工作状态时的目标实验运动数据；
26、故障诊断单元，用于根据所述目标实验运动数据，预测所述目标轴承的预测故障类型；
27、运动仿真单元，用于存储若干种故障类型轴承的仿真运动数据，并根据所述预测故障类型，获取预测故障类型轴承的目标仿真运动数据；
28、检验输出单元，用于对所述目标仿真运动数据与所述目标实验运动数据进行一致性判定，当所述目标仿真运动数据与所述目标实验运动数据判定一致时，输出所述目标轴承的预测故障类型。
29、另一方面，本专利技术还提供了一种电子设备，包括存储器和处理器；
30、所述存储器，用于存储程序；
31、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述任意一项所述的基于数字孪生的水润滑轴承故障诊断方法的步骤
32、采用上述实施例的有益效果是：本专利技术提供的基于数字孪生的水润滑轴承故障诊断方法，首先获取目标轴承的目标实验运动数据，然后将目标实验运动数据输入训练完备的故障诊断模型，得到目标轴承的预测故障类型，接着获取预测故障类型轴承的目标仿真运动数据，最后对目标仿真运动数据与目标实验运动数据进行一致性判定，通过一致性判定则输出预测故障类型；实现在获得预测故障类型后，通过一致性判定对预测结果进行进一步检验，有效提高了故障诊断模型的预测精度。
本文档来自技高网...【技术保护点】
1.一种基于数字孪生的水润滑轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，所述运动仿真数据库基于如下步骤获取：
3.根据权利要求1所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，对所述目标仿真运动数据与所述目标实验运动数据进行一致性判定，包括：
4.根据权利要求3所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，所述目标实验运动数据包括目标实验振动数据，所述目标仿真运动数据包括目标仿真振动数据，所述绝对误差值为所述目标实验振动数据与所述目标仿真振动数据的绝对误差值。
5.根据权利要求3所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，所述故障诊断模型采用BP神经网络结构。
7.根据权利要求1所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，所述轴承的实验运动数据包括载荷、振动、温度、噪声、转速和摩擦系数数据。
8.根
9.一种基于数字孪生的水润滑轴承故障诊断装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括存储器和处理器；
...【技术特征摘要】
1.一种基于数字孪生的水润滑轴承故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，所述运动仿真数据库基于如下步骤获取：
3.根据权利要求1所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，对所述目标仿真运动数据与所述目标实验运动数据进行一致性判定，包括：
4.根据权利要求3所述的基于数字孪生的水润滑轴承故障诊断方法，其特征在于，所述目标实验运动数据包括目标实验振动数据，所述目标仿真运动数据包括目标仿真振动数据，所述绝对误差值为所述目标实验振动数据与所述目标仿真振动数据的绝对误差值。
5.根据权利要求3所述的基于数字孪生的水润滑轴承...
【专利技术属性】
技术研发人员：金勇，阮俊鹏，欧阳武，王瑞鹏，熊齐鹏，郭伟强，姚诚武，陈浩东，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。