【技术实现步骤摘要】
本专利技术涉及机电作动器故障诊断的，特别是一种基于数字孪生虚实信息融合的机电作动器故障诊断方法。
技术介绍
1、先进机电作动系统的高功率密度设计与封闭结构中的传输结构集成在一起，通常用于有限的空间和恶劣的工作环境。在这种工作环境下无法全面的配备传感器进行状态监测。和设备运行健康状态息息相关的温度场重建是状态监测的重要组成部分。通常，准确的温度监测需要大量的温度传感器，这增加了成本，降低了系统的可用性。并且在大多数实际应用中，没有足够的传感器信息可用，这增加了重建整个温度场的难度，也减少了故障诊断时可以利用的信息维度和特征维度。
2、机电作动器的应用对状态监测和故障诊断技术提出了更高的要求。数字孪生(dt)是一个广泛的概念，可以重建虚拟空间中物理实体的状态对不同的设备有不同的实现路径。数字孪生在监测机电作动器状态和故障诊断方面有很大的好处。与传统的数字孪生不同，传统的数字孪生依靠确定性的物理模拟来近似被监测的系统。对于复杂的系统，更建议创建深度数字孪生(deep digital twin，ddt)，它使用深度学习直接从操作数据中开发数字孪生，基于物理信息神经网络的数字孪生属于ddt。机械场、温度场和电磁场的重建一直是数字孪生领域的研究热点。在实际的实验过程中，可测量的数据往往非常有限，可测量数据与场分布之间几乎没有直接的相关性信息，传统的有限元模拟无法集成实际测量数据。pinn可以从部分观测数据中推断出整个计算区域的场分布，这是一个经典的反问题。
3、复杂机电作动器的故障诊断的任务就是要鉴别复杂机电作动设备
技术实现思路
1、为了解决上述的技术问题，本专利技术提出了一种基于数字孪生虚实信息融合的机电作动器故障诊断方法，可应用于具有复杂结构、高能量密度且体积要求严苛的复杂机电一体化设备的维护保障，在融合数字孪生重建的虚拟信息和实际采集的物理信息的基础上提取故障特征，并选取机电作动器健康状态样本进行机电作动器的pca-elm故障诊断模型学习。
2、本专利技术的目的是提供一种基于数字孪生虚实信息融合的机电作动器故障诊断方法，包括构建机电作动器内生热模型，还包括以下步骤：
3、步骤1：构建机电作动器二维热传导模型；
4、步骤2：利用物理信息神经网络进行机电作动系统数字孪生温度场重建；
5、步骤3：将数字孪生在虚拟空间内重构的温度场信息和物理采集信息进行融合形成机电作动器虚实数据融合数据集；
6、步骤4：选取应用于故障诊断的特征提取指标和主成分分析的贡献度指标；
7、步骤5：使用matlab构建pca-elm故障诊断模型，设定包括输出层神经元数量、隐含层神经元数量、输入层与隐含层之间的连接权值与偏置的模型参数，设定模型的激励函数；
8、步骤6：将所述机电作动器虚实数据融合数据集作为训练样本数据，训练所述pca-elm故障诊断模型；
9、步骤7：使用所述pca-elm故障诊断模型对实际机电作动器的实测信号和数字孪生生成信息进行诊断。
10、优选的是，在所述机电作动器热模型中电机的能量损耗是产生最多热量的部分。
11、在上述任一方案中优选的是，所述电机的能量损耗包括铜损耗、铁损耗、机械损耗和永磁体损耗。
12、在上述任一方案中优选的是，流经绕组的电流产生的热量引起的焦耳热生成所述铜损耗wcu，公式为
13、
14、rs(t)为给定的温度t下铜线的电阻，公式为
15、rs(t)＝rs0(1+αcu(twinding-twinding_r))
16、其中，ia、ib、ic为三相电流，t为作用持续时间，αcu为铜线导体电阻的温度系数，twinding为绕组温度，rs0为单绕组电阻的标称值，twinding_r为参考温度。
17、在上述任一方案中优选的是，所述铁损耗包括磁滞损耗ph、涡流损耗pe和附加损耗，公式为
18、
19、bm(t)＝(1-0.0013*(tiron-tm))bm
20、其中，kh为与芯材的体积、数量和使用单位成正比的常数，ke是与芯体的体积、电阻率、叠层厚度和使用单位直接成正比的常数值，f是交变磁通的频率，bm是最大磁通密度，x是间隔为1.5～2.5的常数值，tiron是铁磁性材料的表面温度，bm(t)为温度影响下的最大磁通密度，tm是在给定磁通密度下铁磁性物质的参考温度。
21、在上述任一方案中优选的是，在旋转过程中，由于转子表面与空气之间的摩擦会产生大量热量，造成所述机械能损耗gr，计算公式为
22、
23、其中，k1为转子表面的粗糙度系数，cf为空气摩擦系数，ρair为空气密度，ωm为转子的旋转角速度，rrotor为转子半径，lrotor是指转子的轴向长度为。
24、在上述任一方案中优选的是，由于电机定子齿中存在无法按理想状态分布的齿槽和气隙磁场，磁场的谐波分量在永磁体中产生涡流损耗，即为所述永磁体损耗pm，公式为
25、
26、其中，ρm为磁阻，vm为磁体的总体积，为气隙中的磁通密度，bm为磁体的宽度，ω为1/f，f为频率。
27、在上述任一方案中优选的是，将所述机电作动器二维热传导模型的参数设置为恒定导热系数，传热方程细化为
28、
29、其中，t是具有空间点(x,y)的温度值，α为与材料的热扩散率有关的热导率，t为时间。
30、在上述任一方案中优选的是，在所述机电作动器二维热传导模型中添加内部发热部分，公式为
31、
32、其中，g为内部发热量，k为热源的导热系数。
33、在上述任一方案中优选的是，将所述传热方程的初始条件和边界条件视为确定性，公式为
34、t(x,y,t＝0)＝t0
35、
36、其中，t0为初始温度，t′和q为边界配置参数，t∞为环境温度，h为传热系数，n为空间面积的法向量，t(x,y,t＝0)为x,y空间坐标点下的初始温度，t|x,y为x,y空间坐标点下的，k为导热系数。
37、在上述任一方案中优选的是，对于所述机电作动系统数字孪生温度场重建，给定的观测数据大小设置为m，优化任务为
38、
39、所述优化任务转化为优化问题，
本文档来自技高网...【技术保护点】
1.一种基于数字孪生虚实信息融合的机电作动器故障诊断方法，包括构建机电作动器内生热模型，其特征在于，还包括以下步骤：
2.如权利要求1所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，在所述机电作动器热模型中电机的能量损耗是产生最多热量的部分，所述电机的能量损耗包括铜损耗、铁损耗、机械损耗和永磁体损耗。
3.如权利要求2所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，流经绕组的电流产生的热量引起的焦耳热生成所述铜损耗Wcu，公式为
4.如权利要求3所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，将所述机电作动器二维热传导模型的参数设置为恒定导热系数，传热方程细化为
5.如权利要求4所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，在所述机电作动器二维热传导模型中添加内部发热部分，公式为
6.如权利要求5所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，将所述传热方程的初始条件和边界条件视为确定性，公式为
7.如权利要
8.如权利要求7所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，所述步骤4包括选取8个数字孪生虚拟信息生成点进行故障特征提取，每一维虚拟温度信息包含时域共5个特征量，还包括10组物理传感器信号，将数据维度增加到50维；
9.如权利要求8所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，所述PCA-ELM模型的网络参数设置输入层神经元数量为7，设置输出层神经元数量为6，隐含层神经元数量设置为36，输入层与隐含层之间的连接权值ω与偏置b都在训练开始前已经随机生成，激活函数选择Sigmoidal函数：g(x)＝1/(1+exp(-x))。
10.如权利要求9所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，随机赋值输入层与隐含层的连接权值为
...【技术特征摘要】
1.一种基于数字孪生虚实信息融合的机电作动器故障诊断方法，包括构建机电作动器内生热模型，其特征在于，还包括以下步骤：
2.如权利要求1所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，在所述机电作动器热模型中电机的能量损耗是产生最多热量的部分，所述电机的能量损耗包括铜损耗、铁损耗、机械损耗和永磁体损耗。
3.如权利要求2所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，流经绕组的电流产生的热量引起的焦耳热生成所述铜损耗wcu，公式为
4.如权利要求3所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，将所述机电作动器二维热传导模型的参数设置为恒定导热系数，传热方程细化为
5.如权利要求4所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，在所述机电作动器二维热传导模型中添加内部发热部分，公式为
6.如权利要求5所述的基于数字孪生虚实信息融合的机电作动器故障诊断方法，其特征在于，将所述传热方程的初始条件...
【专利技术属性】
技术研发人员：徐东，黄金娥，王岩磊，张扬，程红伟，刘隆波，王大翊，王新鹏，付芸，江杰，伍恒，葛威，张冉冉，张衍，秦宝岭，马力，熊玲，贺喆，
申请(专利权)人：中国人民解放军九二九四二部队，
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。