本发明专利技术公开了一种基于数字孪生框架的齿轮箱轴承智能寿命预测方法，包括：物理实体的装配、数据收集与数据预处理、寿命预测模型的建立、寿命预测模型的训练与评估、数字孪生框架的搭建等步骤，本发明专利技术通过将数字孪生与深度学习技术应用于设备的智能运维，有助于更全面、更精确地理解设备的工作情况和健康状态，及时发现设备的异常行为和潜在风险，提供更为高效的解决方案。
【技术实现步骤摘要】
本专利技术属于机械性能预测，具体而言是涉及一种基于数字孪生框架的齿轮箱轴承智能寿命预测方法。
技术介绍
1、机械设备需要传动装置来传递动力，齿轮箱轴承作为常见传动装置中的关键部件，其性能直接影响整个机械设备的运行状态。在机械设备运行过程中，轴承不仅承受轴向和径向的交变载荷，而且受到不同工况和服役环境的影响，随着受载次数的积累将出现疲劳、磨损等失效，导致设备性能下降甚至故障，加之轴承位于复杂机械内部，不易观测，使得维护工作十分重要却充满挑战。
2、数字孪生作为一种新兴技术，近年来在故障预测与健康管理方面展现出了巨大潜力。数字孪生通过整合传感器采集的设备实时运行数据和数据库中存储的历史运行数据来构建物理实体的数字化寿命预测模型，并基于此进行多尺度的仿真分析，力求从不同角度实时地反映设备运行状态和行为过程，提供智能化的决策支持。此外，随着深度学习技术的发展，基于数据驱动的特征提取和模式识别为数字孪生体的建模提供了强大的工具。目前的维护手段主要集中在传统的反应性维护和预防性维护，前者着眼于故障发生后的即时响应和补救，后者侧重在故障发生前对设备进行定期检修、保养、更换。由于其较低的维护效率，不但造成维护成本和停机时间的上升，而且无法完全消除故障的隐患。
3、随着科技的进步，设备趋向大型化、精密化，传统低效的维护方式无法满足当前需求。同时，现有的数字孪生工业应用深度待发展，大多局限于成熟度较低的离线仿真或动态可视，效能有限，且现有应用深度学习的预测模型存在精度不足，泛化能力较弱等问题，难以达到工业应用的标准。
技术实现思路
1、为解决现有技术中轴承寿命预测方式精度不足，泛化能力较弱且交互效率低等问题，本专利技术提供如下技术方案：
2、一种基于数字孪生框架的齿轮箱轴承智能寿命预测方法，包括如下步骤：
3、s1-物理实体的装配：
4、所述物理实体包含：安装有轴承的齿轮箱以及安装于所述轴承上的传感器；
5、s2-数据收集与数据预处理：
6、收集所述物理实体中传感器获取的轴承的历史运行信号和实时运行信号，并对历史运行信号和实时运行信号进行预处理，形成历史传感数据集以及实时传感数据；
7、所述历史运行信号包含轴承全生命周期的运行信号，所述实时运行信号为轴承当下的运行信号；
8、s3-寿命预测模型的建立：
9、基于深度学习建立寿命预测模型，所述寿命预测模型以卷积神经网络为基础构建；
10、s4-寿命预测模型的训练与评估：
11、通过实验确定最优的学习率和权重衰减系数，对所述历史传感数据集设定迭代次数和批次大小后作为训练集对模型进行训练，并用rmse和r2评估模型性能。
12、s5-数字孪生框架的搭建：
13、所述数字孪生框架包括物理实体、寿命预测模型、孪生数据、服务平台及其之间的数据连接。
14、进一步的，所述传感器为加速度传感器，其数量为两个，分别用于采集轴承运行的水平振动信号和垂直振动信号。
15、进一步的，所述步骤s2-数据收集与数据预处理，包括如下步骤：
16、s2.1-数据收集：
17、收集历史运行信号：进行轴承退化实验，加速度传感器收集退化轴承全生命周期的垂直振动信号和水平振动信号，以退化轴承全生命周期的垂直振动信号和水平振动信号作为历史运行信号，所述历史运行信号用于寿命预测模型训练；
18、收集实时运行信号：加速度传感器收集待测轴承实时运行的垂直振动信号和水平振动信号，并基于实时运行信号构建实时传感数据，用于寿命预测模型输出预测寿命值；
19、s2.2-健康指标的拟合：
20、对历史运行信号进行线性拟合，构建单调递减的健康指标，用于描述轴承的健康状况；
21、所述健康指标越接近1表示设备或系统的运行状态越好，越接近0表示运行状态越差，设定报警阈值以提示操作人员需要停机检修；
22、s2.3-寿命标签的建立：
23、退化轴承全生命周期的历史运行信号通过max-min归一化方法构建寿命标签；
24、s2.4-运行信号的降噪处理：
25、对历史运行信号和实时运行信号使用高斯滤波降噪来抑制连续性噪声和高斯噪声，历史运行信号通过高斯滤波处理后与归一化的寿命标签封装得到历史传感数据集，以供后续寿命预测模型训练及验证；
26、实时运行信号通过高斯滤波处理后得到实时传感数据，用于寿命预测模型输出预测寿命值；
27、s2.5-训练集及验证集的划分：
28、按比例将历史传感数据集进行划分，形成训练集及验证集，用于寿命预测模型的训练。
29、进一步的，所述s3-寿命预测模型的建立包括如下步骤：
30、s3.1-二维卷积层设计：
31、使用conv2d处理二维信号数据,选择卷积核大小并设置步长和填充大小进行特征提取，使用relu激活函数引入非线性，形成二维特征图，所述二维卷积层的作用是用于特征融合；
32、s3.2-一维残差块设计：
33、使用squeeze操作调整数据维度，将二维卷积层提取的二维特征图转换为一维特征序列，以适应一维卷积层；随后选择卷积核大小并设置步长和填充大小进行特征提取，以多个一维卷积层作为一个一维残差块，在一维残差块之间使用跳跃连接来保持模型的鲁棒性，并使用relu激活函数引入非线性，形成一维特征序列；
34、s3.3-全连接层设计：
35、所述全连接层包括两个，第一个全连接层接收所述一维残差块输出的一维特征序列的卷积输出，输出特征数量与输入相同，进行一步线性特征变换，使网络更好理解数据结构和规律，并通过relu激活和随机失活正则化连接到第二个全连接层，通过第二个全连接层最终输出一维的预测寿命值，完成回归任务。
36、进一步的，所述步骤s3.2一维残差块设计中，在进行跳跃连接时，先判断输入输出尺寸是否一致，当尺寸不匹配时通过下采样和平均池化操作，达到输入输出尺寸的一致，使这两者可以相加。
37、进一步的，所述步骤s4-寿命预测模型的训练与评估，包括如下步骤：
38、s4.1-评估参数的设置：
39、以均方根误差rmse和决定系数r2两项指标作为寿命预测模型性能的评估参数；
40、s4.2-优化器设计：
41、选用adam优化器，并通过实验选择rmse最小、r2最接近1的一组学习率和权重衰减系数取值应用于模型训练；
42、s4.3-训练集及验证集的输入：
43、将训练集设置为乱序，验证集为顺序，以训练集中的垂直振动信号和水平振动信号作为寿命预测模型的输入，寿命预测模型输出预测寿命值，设定相应的迭代次数、批次大小，对寿命预测模型进行训练；
44、s4.4-寿命预测模型的评估：
45、设定收敛本文档来自技高网
...
【技术保护点】
1.一种基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述传感器为加速度传感器，其数量为两个，分别用于采集轴承运行的水平振动信号和垂直振动信号。
3.根据权利要求2所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述步骤S2-数据收集与数据预处理，包括如下步骤：
4.根据权利要求1所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述S3-寿命预测模型的建立包括如下步骤：
5.根据权利要求4所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述步骤S3.2一维残差块设计中，在进行跳跃连接时，先判断输入输出尺寸是否一致，当尺寸不匹配时通过下采样和平均池化操作，达到输入输出尺寸的一致，使这两者可以相加。
6.根据权利要求3所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述步骤S4-寿命预测模型的训练与评估，包括如下步骤：
7.根据权利要求6所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述步骤S4.2-优化器设计中，为了选出适当的学习率和权重衰减系数，使用历史传感数据集在原始卷积神经网络上进行实验，对学习率和权重衰减系数进行多次取值，交叉组合进行多次实验，记录RMSE和R2并进行对比，以RMSE最小且R2最接近1的一组学习率和权重衰减系数为优化器的超参数。
8.根据权利要求7所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述步骤S5-数字孪生框架的搭建，包括如下步骤：
9.根据权利要求10所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述S5.3-服务平台的搭建，包括如下步骤：
...
【技术特征摘要】
1.一种基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述传感器为加速度传感器，其数量为两个，分别用于采集轴承运行的水平振动信号和垂直振动信号。
3.根据权利要求2所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述步骤s2-数据收集与数据预处理，包括如下步骤：
4.根据权利要求1所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述s3-寿命预测模型的建立包括如下步骤：
5.根据权利要求4所述的基于数字孪生框架的齿轮箱轴承智能寿命预测方法，其特征在于，所述步骤s3.2一维残差块设计中，在进行跳跃连接时，先判断输入输出尺寸是否一致，当尺寸不匹配时通过下采样和平均池化操作，达到输入输出尺寸的一致，使这两者可以相加。...
【专利技术属性】
技术研发人员：朱明亮，陆文卿，刘瑀珂，王怡婷，轩福贞，沈彪，王乐，缪海洋，
申请(专利权)人：华东理工大学，
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。