一种基于数字孪生的列车滚动轴承智能诊断方法及装置制造方法及图纸

本发明专利技术涉及轴承故障诊断技术领域，具体涉及一种基于数字孪生的列车滚动轴承智能诊断方法及装置，首先获取轴承健康运行状况下的振动信号，依照轴承相关参数及估算动力学参数建立数字孪生动力学模型，提取并筛选测量轴承信号的时域、频域及时频域特征，对动力学模型生成的信号提取相对应的特征分别组成特征矩阵，其次利用MOPSO优化算法以测量数据与仿真数据的三领域特征矩阵间的距离作为多目标进行优化，优化中对不同参数进行分类，之后使用优化后模型生成多健康状况下的仿真数据集与测量健康数据混合为新数据集，最后利用混合数据集作为迁移学习的源域对轴承进行故障诊断。经实践，本发明专利技术提高了数据缺乏及不平衡情景下的列车轴承故障诊断的准确率。

【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列车滚动轴承智能诊断方法及装置。

技术介绍

1、列车的运行环境复杂，高温、严寒、风沙等都会影响列车关键部件的健康状况。而滚动轴承等旋转部件，作为动车组中的关键传动部件，一旦发生故障，会对列车运行与人员安全造成重要影响。转向架作为列车行走部的关键部件，包含了大量滚动轴承元件。列车转向架中的滚动轴承主要集中在轴箱、齿轮箱、电机等部位，列车中的这些滚动轴承长期在恶劣工况下极易发生点蚀、开裂、磨损和其他故障。其中内圈和外圈裂纹是滚动轴承最常见的故障，占故障的90％，而滚动体或保持架的裂纹故障占10％。

2、深度学习等方法的应用降低了列车的运行和维护成本，提高了轴承故障诊断的效率。但受限于实践中可获取的实测数据较少且故障数据在其中的占比较小，许多智能诊断方法无法在实际应用中获取足够的历史故障数据用于训练故障诊断模型，进而导致诊断效果受限。迁移学习的使用一定程度上解决了数据缺乏的问题，但源域与目标域之间的距离差距仍然限制了利用迁移学习进行故障诊断的效果。动力学模型的构建与发展也为解决数据问题提供了参考与本文档来自技高网...

【技术保护点】

1.一种基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，包括下列步骤：

2.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

3.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

4.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

5.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

6.如权利要求5所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

7.如权利要求5所述的基于数字孪生的列车滚动轴承智能诊断方法，其特...

【技术特征摘要】

1.一种基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，包括下列步骤：

2.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

3.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

4.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

5.如权利要求1所述的基于数字孪生的列车滚动轴承智能诊断方法，其特征在于，

6.如权利要求5所述...

【专利技术属性】
技术研发人员：贺德强，刘畅，钟豪，韦泽贤，吴金鑫，李嘉懿，邓建新，陈彦君，李先旺，李宏伟，付洋，
申请(专利权)人：广西大学，
类型：发明
国别省市：