数字孪生驱动的离心泵机组故障诊断方法研究

数字孪生技术不仅是实现信息物理融合的核心，还是实现数字化故障诊断的关键。为了实现物理空间和信息空间的实时映射、故障实时预测、故障信息及时反馈，提出数字孪生驱动的离心泵机组故障诊断方法。首先，利用数字孪生技术构建离心泵机组数字孪生映射模型。然后，基于数字孪生映射模型，通过数据驱动的故障诊断方法实现故障实时预测，利用模型仿真的故障结果验证方法完成故障结果验证，以验证结果作为数字孪生模型修正和深度学习模型调整的条件。最后，借助Unity3D平台实现故障诊断系统的开发，并通过3种工况验证了系统的可行性。     

基于数字孪生的柔性线状态监测与分析系统

随着智能制造的发展，数字孪生技术在制造业中的应用逐步深化，可以用于复杂设备的运行监测。为实现柔性生产线的三维可视化与加工过程监控，同时指导用户对生产过程进行管理和预测，设计开发了一种基于数字孪生的柔性生产线状态监测系统。该系统的基本架构包括数据保障层、建模计算层、数字孪生功能层、用户空间层，保障了系统的功能性、时效性、可操作性等。同时从几何模型、行为模型、数据模型三个维度构建了数字孪生系统模型，实现了动作特征虚实融合一致性和工艺数据与质量数据采集。以某柔性生产线为例进行实验测试与分析，系统可以与实际柔性生产线正常通讯并对数据做出响应，且延迟均值为131.1 ms，可见虚拟映射与现实状况保持高度一致，验证了该方法的可行性。     

基于数字孪生技术的变电站设备自动控制系统

为避免因设备故障造成变电站运行风险，设计基于数字孪生技术的变电站设备自动控制系统。通过测控保护模块采集变电站运行过程中产生的各类数据，利用站内通信模块将采集的数据传输到数字孪生模块，该模块依据接收到的数据运用数字孪生技术创建数字孪生虚拟变电站模型，根据虚拟变电站模型通过PLC自动控制模块实现变电站设备电压无功、安装质量以及运行状态的自动控制。实验结果表明，该系统对单一设备和规模庞大、结构复杂的变电站均具有较理想的建模效果，能将变电站设备电压、功率因数和安装位置偏差控制在合理区间内，在不同干扰下均能实现对变电站设备精准控制。     

机车牵引齿轮断裂对箱体振动影响分析

为获取机车牵引齿轮断裂状态下箱体的振动特征。首先得到齿轮断裂状态下的时变啮合刚度。然后将变化的齿轮啮合刚度引入斜齿轮动力学模型，建立考虑齿轮传动系统的机车车辆整车动力学模型，考虑轨道不平顺激励和实际运行工况，实现齿轮断裂状态下的箱体动力学性能仿真。仿真结果表明：主动齿轮和从动齿轮发生断裂故障时，箱体的加速度幅值都会明显增加，频域分析表明悬挂频率和啮合频率以及间隔为各自转频的边频为主要发生频率，在运营维护中，可以通过监测箱体的加速度信号来判断断齿故障的发生。     

基于数字孪生的生产车间运行状态在线预测

针对数字孪生车间的在线预测难题,提出一种实时数据驱动的数字孪生车间运行状态在线预测方法。分析了车间数字孪生体的内涵和运行机制,构建了基于车间数字孪生体的仿真预测框架,阐述了基于事件调度法的仿真运行逻辑,建立了数字孪生车间输入特性、样本生成、事件处理逻辑之间的关系,融合实时数据实现了基于持续瞬态仿真的车间在线预测。设计并开发了面向数字孪生车间的运行状态在线仿真系统,通过实例验证了该方法的可行性和有效性。     

电能回送式齿轮故障诊断试验台设计

齿轮是传递运动和动力的重要零部件,对其运行状态监测及故障诊断具有重大的意义。齿轮故障诊断试验台用于对齿轮进行疲劳与寿命试验、故障诊断方法测试。传统的试验台采用开放式,耗能大,不适合大功率加载和疲劳耐久性实验。设计了一种电能回送式齿轮故障诊断试验台。将发电机作为齿轮传动负载,通过发电机的电能反馈给电动机端,重新输入驱动电机端,使电能得到回收利用,负载扭矩也可以方便地调整。     

基于数字孪生技术的工业机器人故障预测方法

为了提高工业机器人的运行效率，采用数字孪生技术和卷积神经网络算法设计了工业机器人故障的预测方法。首先设计了工业机器人故障预测的基本架构，然后利用数字孪生技术构建了虚实映射的工业机器人的物理模型，并提取工业机器人的运动姿态特征，最后利用卷积神经网络算法构建了工业机器人电机故障的预测模型，通过对故障特征信号特征提取和分类，实现了故障的实时预测。仿真结果表明：通过孪生虚拟模型获取的工业机器人运行状态与实际运行状态高度重合，采用提出的故障预测方法对100组数据处理，得到的正确率、精确率、召回率和F1值4个性能指标分别为0.961 7、0.903 5、0.925 4和0.923 1，均明显高于其他两种对比方法，为工业机器人进行故障诊断和预测提供有力的技术支持。     

变压器故障判断技术的应用研究

针对目前变压器运行监测稳定性差、无法及时进行故障报警的现状,提出了一种新的变压器故障判断技术.以红外热成像监测为基础,建立了变压器不同工况下的温度场分布.根据实际分析结果,当变压器在正常工况下运行时其温度分布均匀,当出现故障时故障区域的温度会迅速升高,形成一个显著的温度差,采用红外热成像监测的方案能够快速、精确地实现变压器的故障预警.     

工作模态分析在减速器监测和诊断中的应用

针对当前机械传动系统的故障多发现象,开展了关于运行传动系统中减速器故障提取和定位方法的研究.根据运行减速器故障的特征信息,对其进行工作模态分析,并构造出故障频率处的广义振型,实现了设备故障的提取和定位.此方法突破了传统的测试与诊断方法,为在工况下对设备状态进行监测和故障诊断提供了一条新途径.     

基于云计算的刀具状态监测数字孪生系统研究

数字孪生连接物理世界与信息世界,可实时仿真物理系统,并提供预测结果,为优化决策提供参考.对基于云计算的刀具状态监测数字孪生系统进行研究,提出了基于核主成分分析和极限学习机的刀具磨损状态智能监测算法.对基于云计算的刀具状态监测数字孪生系统架构进行了介绍,对刀具磨损状态智能监测算法进行了分析,并通过试验确认基于云计算的刀具状态监测数字孪生系统可以实现数字模型对物理模型的反向控制,相较其它算法具有更高的精度.     

基于数字孪生技术的飞行区运行架构EI北大核心

针对智慧飞行区运行建设研究中,数字孪生的服务应用模块仍然存在数字模型与物理空间缺少交互、功能缺乏应用的问题,依托数字孪生技术对飞行区运行多要素进行物理映射和仿真,构建4层数字孪生基本体系架构;通过数据实时传输,实现物理空间与数字孪生模型、物理对象与虚拟目标之间的虚实映射和状态更新;结合孪生域的数据仿真迭代实现物理域的实时决策,为运行服务对象提供航空器实时状态反馈、指令风险评估等服务。在此架构内分析了五大关键技术的可行性和必要性,采用多种工具对飞行区运行三维空间结构进行建模,在结合航空器运行指令的场面风险评估仿真和可视化对目前的飞行区运行数字孪生技术成熟度进行评价的同时,验证了构建数字孪生运行飞行区的可行性。     

知识驱动的加工产品数字孪生拟态建模方法

对加工过程的实时观察、分析和控制是优化零部件加工策略的重要组成部分。通过融合几何状态、物理状态和设备状态变化等多维、实时的加工过程数据,可以实现对加工过程的建模和监控。数字孪生模型是数字孪生系统的核心与基础。但是,目前还缺乏一种系统且能自适应开发高保真、多尺度、多维加工数字孪生建模方法,以辅助系统进行分析与决策。提出了一种知识驱动的加工产品数字孪生拟态建模方法,可以在加工过程中自适应地构建产品数字孪生模型。该模型可根据加工过程自适应的变化,实时表达加工过程中的产品,为数字孪生决策系统提供数据支持。最后在一个航天零件的加工过程中测试了该方法,验证数字孪生拟态模型在加工中应用的可行性。     

齿轮故障的仿真分析与研究

在变速器智能化故障诊断过程中,传统的故障特征提取方法需要通过大量实验并结合理论分析完成,其存在周期长、成本高的问题。鉴于此,提出一种借助虚拟样机技术,通过仿真以快速提取故障特征信号的方法,即基于Solid Works构建的齿轮传动模型,利用ADAMS对其进行动力学仿真,模拟正常,轻微、中度磨损和断齿四种工况下的齿轮啮合过程,通过对比故障与正常工况下的特性曲线,得到相应故障特征。仿真结果符合齿轮振动机理,并且与实验数据相符,正确反映了故障齿轮实际啮合过程中的特征,从而验证了该方法的有效性。     

基于SSAE的输入级弧齿锥齿轮自动特征提取及故障诊断

航空用输入级弧齿锥齿轮常处于高速重载工况,获取的振动信号具有强非线性、非平稳特点,造成故障特征难提取.对此,运用堆栈稀疏自动编码器故障自动特征提取方法结合分类器对输入级弧齿锥齿轮故障诊断进行了研究.搭建输入级弧齿锥齿轮故障诊断模拟试验台,分别进行正常齿轮和故障齿轮运行的测试试验.将多个SAE层层堆叠形成SSAE,对弧齿...     

基于多元状态估计的电厂设备状态评估和故障预警研究

针对电厂生产环境复杂，设备故障频发且不易及时发现的特点，为了提高机组运行效率和设备健康度，提出了一种基于多元状态估计的电厂设备状态评估和故障预警方法。首先，分析设备状态监测所需的监测参数，根据参数采集历史运行数据，筛选健康运行状态数据，筛选典型运行状态数据构建记忆矩阵；然后，搭建状态评估和故障预警模型，利用健康运行状态数据对模型进行训练得到成熟模型，利用成熟模型即可对设备实时运行状态进行健康度评估和故障预警。本文以某燃气发电厂燃气轮机为对象开展研究论证，结果表明，该方法能准确地评估设备运行状态，提早发现设备故障，有效实现设备故障早期预警。     

数字孪生驱动的连铸辊健康监测与组装优化框架

连铸辊在服役周期内存在难以追溯、故障诊断困难、剩余寿命难预测及运维成本高等问题。为了提高连铸辊运维水平，充分利用连铸辊的服役寿命，提出了一种数字孪生驱动的连铸辊健康监测与组装优化方法。构建了基于数字孪生的连铸辊健康监测与组装优化系统架构，基于三维孪生模型的连铸辊可视化监控与追溯，实现了连铸辊在线运行三维可视化监控与服役周期内的跟踪追溯；利用孪生数据，建立了复杂工况下的连铸辊剩余寿命预测模型；基于等寿命思想与启发智能算法进行连铸辊组装优化。最后，设计开发了连铸辊健康监测与组装优化原型系统，验证了框架的有效性与可行性。     

基于ATF与ASAD的变转速齿轮故障诊断

针对变工况、强噪声状态下齿轮的故障特征难以提取的问题,提出了一种基于自适应时变滤波(Adaptive time-varying filtering,ATF)与角域同步平均降噪(Angle domain synchronous average denoising,ASAD)的齿轮故障诊断方法.将ASAD与ATF相结合,对降噪后的信号进行阶次谱分析,并通过阶次谱中的调制边频带即可诊断齿轮局部故障.通过分析模拟数据及变转速齿轮箱试验台的数据表明,该方法对变转速状态下的齿轮振动信号有很好的信号分析自适应性,不仅能很好地滤除噪声干扰,提升通带内的噪声抑制效果,且能有效凸显变转速下的齿轮故障特征.     

数据驱动的拖挂房车底盘结构安全监测

为了解决拖挂房车驾驶过程中预判失误引起的底盘结构失效问题,提出一种面向数字孪生和神经网络的底盘结构安全监测方法。首先应用数字孪生技术构建拖挂房车的五维数字孪生模型,以整车质量、重心位置和加速度为变量,以底盘的应力分布和失效状态为预测目标,针对紧急制动、紧急转向和紧急制动转向工况建立结构仿真数据集。通过BP神经网络回归训练与置信度校验,对底盘结构性能进行实时监测和行驶安全状态评估。数值实验表明,该监测方法具有实时性以及较高的准确率与召回率,能够为拖挂房车的安全使用与优化设计提供支持。     

基于DWAE和GRUNN组合模型的变工况齿轮箱故障诊断分析

为了更好地识别噪声与时变转速条件对变工况齿轮箱的故障,开发了一种通过深度小波自动编码器(DWAE)与门控循环单元神经网络(GRUNN)相结合的变工况齿轮箱故障识别方法,其能够从含噪样本自主提取得到鲁棒故障特征;通过Adam与Dropout方法进行训练,通过Softmax分类器对待诊样本的变工况齿轮箱运行状态进行了准确识别。研究结果表明,采用该模型识别齿轮故障时,能够达到有效分离齿轮的6种故障状态,从而满足齿轮状态聚类的优化功能;该模型能够提取出DWAE的鲁棒特征参数,也可以发挥GRUNN以实现消除梯度的效果。当训练样本数增加,待诊样本的准确率也发生了明显提升。样本数超过200后,测试待诊样本可获得稳定准确率,通过DWAEGRUNN方法识别得到的准确率最高。针对变转速工况,该模型可以保持很好的准确率。     

基于ADAMS的采煤机截割减速器故障仿真

借助虚拟样机软件ADAMS建立了某采煤机截割减速器的虚拟样机模型,并分别对正常工况和人为构造的断齿故障工况进行了动态特性仿真.通过分析比较不同工况下的仿真结果,找出了齿轮断齿故障的故障特征.