【技术实现步骤摘要】
本专利技术涉及数字孪生，特别涉及一种基于数字孪生的复杂装备零部件疲劳寿命监测系统与方法。
技术介绍
1、数字孪生(digital twin，dt)是一种数字化技术，可以将物理世界中的实体对象和流程进行数字化复制，以便在复杂装备设计、生产、运行保障等全寿命周期过程中，实现信息在数字空间与物理空间之间的双向共享交换与全面协同。数字孪生技术逐渐在众多领域得到一些初步应用，将数字孪生技术应用于复杂装备的关键零部件寿命监测，提供关键零部件的寿命预测和健康状态监测，对复杂装备的全寿命周期管理具有广阔的前景和重大意义。例如，悬臂零件在运行过程中受力复杂，受到的载荷大部分是交变载荷，即载荷大小和方向在某个周期内随时间变化而变化，如立式磨机的压力臂、水泥泵车长臂架等。这类复杂设备在设计的时候进行仿真分析，但并不能真实反映工作过程中交变载荷作用下的受力状态，只能在服役很长一段时间后，受到真实的交变载荷作用下，发生疲劳破坏才能被识别，需要亟需进行疲劳寿命监测。
2、cn114282709a公开了一种基于数字孪生的结构件疲劳裂纹扩展预测方法，步骤a、建立基于局部样本密化的应力强度因子—高斯过程代理模型步骤a1、针对复杂装备的物理结构和环境信息，建立数字孪生模型；步骤a2、针对可能出现的裂纹形状，采用代理模型的方法实现裂纹尖端处应力强度因子的计算，以裂纹出现拐点作为特征点来建立样本空间格式，采用局部样本密化的方法来生成样本数据空间；步骤a3、基于高斯过程过程理论，依据应力强度因子样本数据库建立起应力强度因子—高斯过程代理模型；步骤b建立向裂纹
3、cn116817176a公开了一种基于数字孪生的储氢瓶健康状态在线监测方法及系统，包括步骤：s1：获取储氢瓶复合材料层疲劳特性材料参数；s2：氢热力耦合条件下进行储氢瓶复合材料层疲劳失效试验；s3：根据s1获取的疲劳特性材料参数，建立氢热力耦合条件下的储氢瓶复合材料层疲劳失效有限元模型，预测储氢瓶复合材料层疲劳失效特性，并与s2中的试验结果进行对比，若疲劳寿命预测精度≥90％，应变预测精度≥85％，则模型有效，进行下一步；s4：基于储氢瓶复合材料层疲劳失效有限元模型，进行仿真分析，建立储氢瓶复合材料层损伤数据集；s5：获取储氢瓶塑料内胆渗透特性参数；s6：进行氢热力耦合条件下储氢瓶塑料内胆失效试验；s7：根据s5获取的储氢瓶塑料内胆渗透特性参数，建立储氢瓶塑料内胆失效有限元模型，预测储氢瓶塑料内胆失效行为，并与s6中试验结果进行对比，若应变预测精度≥85％，则模型有效，进行下一步；s8：基于储氢瓶塑料内胆失效有限元模型，进行仿真分析，建立储氢瓶塑料内胆失效数据集；s9：运行工况下储氢瓶复合材料层与塑料内胆在线状态监测，获取由应变信息、位移信息、压力信息和形变信息构成的实体装备信息；s10：在线状态监测得到的实体装备信息与虚拟空间信息进行交互；s11：根据s10，进行基于数据融合的储氢瓶健康状态识别。
4、在现有技术中，复杂装备中核心零部件的可靠运行是保证设备正常运行的关键，其往往处于工作状况最为复杂的环境下，由于传统的疲劳寿命计算通过仿真计算出应力值，结果形成csv文件，输入理论计算公式计算出疲劳寿命，过程不连续，计算周期长，结果滞后，且用于计算的数据单一，难以确定各种影响因系数，计算结果偏差大，难以满足对此类零部件的实时监测。
技术实现思路
1、经过长期实践发现，现有的复杂装备中核心零部件工作工况最为复杂，特别难以针对零部件因受力载荷变化，以及因受力载荷变化造成的零部件微观损伤，且不能针对真实载荷变化对零部件的健康状态或疲劳寿命进行实时监测等技术问题。
2、有鉴于此，本专利技术提供了一种基于数字孪生的复杂装备零部件疲劳寿命监测系统，所述基于数字孪生的复杂装备零部件疲劳寿命监测系统包括，
3、模型初始化单元，用于通过几何参数建立零部件的虚拟模型，设置所述虚拟模型的初始载荷p0和材料特性初始参数m0，其中，初始载荷p0至少包括预紧作用力、零部件间的相互作用力、重力作用下的载荷分布和载荷数值；材料特性参数m0至少包括材料形变强化系数、材料强度、许用应力；
4、数据采集单元，包括多类型传感器，用于实时采集零部件在实际运行工况下物理量的数值变化；所述传感器至少包括力传感器、振动传感器、形变传感器，所述力传感器用于采集零部件受力数值变化；所述振动传感器用于采集零部件振动信号；所述形变传感器用于采集零部件变形量；
5、数据传输单元，用于将数据采集单元采集的信号经过a/d转化为第一数据，传输至数据服务器的数据库中；
6、数值计算单元，用于将所述第一数据经过数据预处理得到用于虚拟模型工作载荷pt和材料特性参数m0的输入格式，所述虚拟模型根据工作载荷pt和材料特性参数m0采用有限元计算得到第二数据；其中，所述第二数据至少包括零部件应力值，由零部件应力值计算得到第一疲劳寿命数值n0；
7、模型单元，用于将所述第二数据和所述第一数据中的形变数据、振动数据，对机器学习模型进行训练，得到第一机器学习模型；再将所述第一数据输入所述第一机器学习模型得到第一材料系数a、第二材料系数b及第三材料系数c，
8、
9、其中，σm为平均应力，s为基准性能，δ为粘塑性指数，k尺寸效应系数；计算得到第二疲劳寿命数值n1。
10、优选地，所述数值计算单元包括数据预处理模块，用于将所述第一数据中的应力值进行计算得到工作载荷pt数据，再分别将工作载荷pt、形变数据和振动数据归一化处理。
11、优选地，数值计算单元包括有限元计算模块，用于根据工作载荷pt和材料特性参数m0得到虚拟模型中每个单元体的应力值并可视化输出。
12、优选地，所述基于数字孪生的复杂装备零部件疲劳寿命监测系统还包括优化设计单元，用于根据所述第二疲劳寿命数值n1，平均应力σm，应力幅值s，优化零部件几何模型。
13、本专利技术还公开了一种执行上述的基于数字孪生的复杂装备零部件疲劳寿命监测系统的方法，所述方法包括，
14、步骤s1，通过几何参数本文档来自技高网...
【技术保护点】
1.一种基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，所述基于数字孪生的复杂装备零部件疲劳寿命监测系统包括，
2.根据权利要求1所述的基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，所述数值计算单元包括数据预处理模块，用于将所述第一数据中的应力值进行计算得到工作载荷Pt数据，再分别将工作载荷Pt、形变数据和振动数据归一化处理。
3.根据权利要求1所述的基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，数值计算单元包括有限元计算模块，用于根据工作载荷Pt和材料特性参数M0得到虚拟模型中每个单元体的应力值并可视化输出。
4.根据权利要求1-3任意一项所述的基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，所述基于数字孪生的复杂装备零部件疲劳寿命监测系统还包括优化设计单元，用于根据所述第二疲劳寿命数值N1，平均应力σm，应力幅值S，优化零部件几何模型。
5.一种执行如权利要求1-4中任意一项所述的基于数字孪生的复杂装备零部件疲劳寿命监测系统的方法，其特征在于，所述方法包括，
6.根据权利要
7.根据权利要求5所述的方法，其特征在于，在步骤S4中，根据工作载荷Pt和材料特性参数M0得到虚拟模型中每个单元体的应力值并可视化输出。
8.根据权利要求6-7任意一项所述的方法，其特征在于，所述方法还包括，步骤S6，根据所述第二疲劳寿命数值N1，平均应力σm，应力幅值S，优化零部件几何模型。
9.一种电子设备，其特征在于，至少一个处理器；以及
10.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令用于使得机器执行本申请如权利要求5-8中任意一项所述的方法。
...【技术特征摘要】
1.一种基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，所述基于数字孪生的复杂装备零部件疲劳寿命监测系统包括，
2.根据权利要求1所述的基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，所述数值计算单元包括数据预处理模块，用于将所述第一数据中的应力值进行计算得到工作载荷pt数据，再分别将工作载荷pt、形变数据和振动数据归一化处理。
3.根据权利要求1所述的基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，数值计算单元包括有限元计算模块，用于根据工作载荷pt和材料特性参数m0得到虚拟模型中每个单元体的应力值并可视化输出。
4.根据权利要求1-3任意一项所述的基于数字孪生的复杂装备零部件疲劳寿命监测系统，其特征在于，所述基于数字孪生的复杂装备零部件疲劳寿命监测系统还包括优化设计单元，用于根据所述第二疲劳寿命数值n1，平均应力σm，应力幅值s，优化零部件几何模型。
<...【专利技术属性】
技术研发人员：李客，裘旭东，莫根林，袁稳沉，张树有，纪杨建，舒永东，谢贵重，胡国辉，
申请(专利权)人：杭州职业技术学院，
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。