[发明专利]一种数字孪生装备故障诊断方法、装置及系统

说明书

本发明公开了一种数字孪生装备故障诊断方法、装置及系统，属于数字孪生和故障诊断领域；首先构建初始整机数字孪生模型，然后得到整机的仿真动态响应，之后根据仿真动态响应和实际动态响应调整初始轴承数字孪生模型得到目标轴承数字孪生模型，并根据目标轴承数字孪生模型得到目标整机数字孪生模型；最后将待检测轴承所属装备的整机信号输入到目标整机数字孪生模型中判断待检测轴承是否故障。由于目标整机数字孪生模型中的目标轴承数字孪生模型是根据整机的数据进行调整的，因此在实际判断轴承是否故障时，只需要根据整机信号即可，这样无需获取轴承的信号。而整机信号便于获取，避免了可供训练的数据较少的问题，大大提供了故障判断的准确性。

技术领域

本发明涉及数字孪生和故障诊断领域，特别地，涉及一种数字孪生装备故障诊断方法、装置及系统。

背景技术

根据相关数据统计物流装备故障中以轴承故障居多，其故障类型又以内、外圈和保持架断裂为主，这主要是因为物流装备车间中繁重的工作量，轴承在长时间工作后不可避免地会遭受损坏。如果不及时发现轴承故障，轻者会耽误生产转运进度，重者则会导致灾难性的生产事故。相反如果能在轴承故障的初期就能诊断出来，通过及时的更换就可以避免事故的发生，这对装备的健康和维护具有重要的意义和价值。

对于轴承的故障诊断，目前主流使用的方法主要分为两类，一类是基于信号处理的轴承故障诊断方法，通过安装相应的振动传感器，采集被监测轴承的振动信号，应用主流信号处理技术如小波变换、集成经验模态分解等，对轴承故障特征进行提取。应用信号处理算法进行诊断预测时，受到算法基本特点约束以及强噪声干扰，在处理低信噪比信号时效果有限，滤波效果有时并不明显。而且对于需要长时间移动的装备来说，安装传感器时的布线也是非常困难，虽然随着技术的进步无线传感器得到发展，但对于较早年代时期的装备来说，并没有预留安放位置，高端轴承虽然可以通过内置MEMS传感器来监测轴承状态，但对于常规制造业来说也增加了使用成本。

另一类是基于机器学习的轴承故障诊断方法，首先构建轴承故障诊断模型，然后对采集到的数据集进行划分，并打标签处理，通过划分训练集对诊断模型进行训练，提高模型精度，使诊断准确率达到最高。

应用机器学习算法进行诊断预测时，对诊断模型进行训练时不仅要求训练数据量要大，而且要求训练数据涵盖全面的诊断信息，训练和测试数据具有相同的特征分布。然而在实际制造中，只有正常情况下的数据才容易获得，很难收集全面和广泛的故障数据来完全训练诊断模型。

对于当前的物流行业来说，装备的智能化程度并不高，很难直接在轴承或者轴承座上安装传感器进行数据采集，只能在装备外壳上安装传感器，采集到的信号除包含大量噪声干扰外，还含有许多其他零部件的耦合信息，造成可用诊断训练的故障数据较少，而故障样本的缺失将导致故障检测的失败。

发明内容

为了克服现有技术的不足，本发明提供一种数字孪生装备故障诊断方法、装置及系统，以解决现有技术中可用诊断训练的故障数据较少，而故障样本的缺失将导致故障检测的失败的问题。

本发明解决其技术问题所采用的技术方案是：

第一方面，提供了一种数字孪生装备故障诊断方法，包括：

构建待检测轴承所属装备的初始整机数字孪生模型，所述初始整机数字孪生模型中包括所述轴承的初始轴承数字孪生模型；

根据所述初始轴承数字孪生模型得到所述轴承的仿真计算动态响应，并将所述仿真计算动态响应输入到初始整机数字孪生模型中，得到所述装备的仿真动态响应；

根据所述仿真动态响应和所述装备的实际动态响应调整所述初始轴承数字孪生模型，得到目标轴承数字孪生模型；根据所述目标轴承数字孪生模型得到目标整机数字孪生模型；

将待检测轴承所属装备的整机信号输入到所述目标整机数字孪生模型中判断所述待检测轴承是否故障。