基于数字孪生辅助的轴承智能故障诊断方法技术

一种基于数字孪生辅助的轴承智能故障诊断方法，属于轴承故障诊断领域，所述方法包括以下步骤：第一步，构建基于数字孪生的轴承故障诊断五维模型框架；第二步，物理实体层PEL与虚拟构建层VCL虚实相映；第三步，在检测对象DO中建立轴承动态仿真模型；第四步，在数据交互层DIL中进行数据增强；第五步，在数据交互层DIL中的DTA‑SSCLMB模型进行数据预处理；第六步，在数据交互层DIL中的FDM使用DTA‑SSCLMB模型进行自监督时频对比学习；第七步，对数据交互层DIL中的DTA‑SSCLMB进行模型的微调，以完成故障诊断。本发明专利技术提升在样本稀缺条件下的故障诊断能力。

【技术实现步骤摘要】

本专利技术属于轴承智能故障诊断领域，具体基于数字孪生辅助的轴承智能故障诊断方法。

技术介绍

1、随着智能制造的发展，轴承作为机电设备中不可或缺的核心部件，在数控机床、旋转机械、工业机器人等得到广泛的应用。机电设备由于通常在恶劣环境、超负荷运行，大约三分之一的机电设备故障都是因为轴承引起的。轴承在长期使用过程中极易受到载荷冲击、疲劳磨损与不良环境等多因素的影响，进而引发故障，影响整个机电设备的运行甚至造成安全事故。

2、为了确保机电设备的安全运行，对轴承进行故障诊断变得极为关键。现有的轴承智能故障诊断方法大多数是基于深度学习，深度学习允许故障诊断模型从具有大量故障标签的样本中，提取振动信号中的故障特征并进行准确的分类。例如： deng等人利用informer 模型来评估轴承故障诊断模型。su等人将元学习与轴承故障诊断结合在一起，利用监督学习实现了旋转机械的故障诊断方法。但是这些方法都需要准备大量的故障数据来训练模型，而在机电设备中采集到的轴承数据由于在不同工况下是存在差异，这使得获取数据变得更加复杂与困难。

3、数字孪生技术通过物理与本文档来自技高网...

【技术保护点】

1.一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述第一步的过程如下：

3.如权利要求1或2所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述第三步的过程如下：

4.如权利要求1或2所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述第四步的过程如下：

5.如权利要求4所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述步骤（4.2）的过程为：

6.如权利要求1或2所述的一...

【技术特征摘要】

1.一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述第一步的过程如下：

3.如权利要求1或2所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述第三步的过程如下：

4.如权利要求1或2所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述第四步的过程如下：

5.如权利要求4所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在于，所述步骤（4.2）的过程为：

6.如权利要求1或2所述的一种基于数字孪生辅助的轴承智能故障诊断方法，其特征在...

【专利技术属性】
技术研发人员：陆佳炜，陆超，王琪冰，夏彬淳，李琛，陈坚伟，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：