[发明专利]一种基于数字孪生技术的地铁轴箱轴承故障诊断系统

权利要求书

1.一种基于数字孪生技术的地铁轴箱轴承故障诊断系统，用于实现列车轴箱轴承的在线故障诊断，其特征在于，该系统包括：

物理空间模块：用以采集地铁轴承的离线数据和在线数据；

数据传输及存储模块：用以对物理空间模块采集到的数据进行存储及预处理；

虚拟空间及计算机分析模块：接收预处理后的数据并在虚拟空间中建立数字孪生模型，进行仿真得到不同工况不同健康状态下的有标签数据，即数字孪生数据，并结合迁移学习进行网络训练；

状态评估模块：将预处理后的地铁轴承实时运行数据输入到训练好的孪生神经网络中并进行轴箱轴承的故障诊断；

人机交互模块：接收并显示地铁轴箱轴承故障诊断结果；

在虚拟空间中建立的数字孪生模型具体包括轴承的应力分布模型以及车辆-轨道耦合动力学模型，轴承的应力分布模型根据轴承几何参数、离线和在线的环境参数、位置信息进行建模，车辆-轨道耦合动力学模型根据历史运行数据、轴承几何参数、离线环境参数和离线位置信息数据建模，并通过数字孪生模型生成不同工况下轴箱轴承不同健康状态下的数字孪生数据用以训练孪生神经网络；

所述的孪生神经网络包括第一网络、第二网络和用以比较提取得到的特征之间距离的Loss层，所述的第一网络具体为有效通道-卷积神经网络，用以提取数字孪生数据的特征，所述的第二网络为有效通道-一维多尺度卷积神经网络，用以提取地铁轴承实时运行数据的特征，所述的有效通道-卷积神经网络由四个卷积层、两个卷积层、两个ECA模块、两个池化层和一个全局均值池化层构成，所述的有效通道-一维多尺度卷积神经网络由两个卷积层、两个ECA模块、两个池化层、两个一维多尺度卷积层和一个全局均值池化层构成；

所述的孪生神经网络的训练过程具体为：

选择一种工况下的仿真数据作为源领域数据，其余工况下的仿真数据作为目标领域数据，通过源领域数据对有效通道-卷积神经网络进行训练得到训练后的有效通道-卷积神经网络，用以实现提取源领域数据特征，通过调节有效通道-卷积神经网络最后一层神经网络参数和全局均值池化层参数完成特征迁移和参数迁移，得到用以提取目标领域数据特征的有效通道-一维多尺度卷积神经网络；

在状态评估模块中，进行轴箱轴承的故障诊断具体为：

将预处理后的地铁轴承实时运行数据输入到有效通道-一维多尺度卷积神经网络中提取实时运行数据特征，计算该实时运行数据特征与通过各工况对应的有效通道-卷积神经网络提取到的数字孪生数据特征之间的欧氏距离，并将欧氏距离最小对应的工况下的健康状态作为故障诊断结果输出。

2.根据权利要求1所述的一种基于数字孪生技术的地铁轴箱轴承故障诊断系统，其特征在于，所述的数据传输及存储模块与虚拟空间及计算机分析模块共同构成物联网平台，所述的离线数据包括轴箱轴承材料属性、环境参数、位置参数和几何参数，所述的在线数据包括轴承的实时位置、环境参数以及实时运行数据。

3.根据权利要求1所述的一种基于数字孪生技术的地铁轴箱轴承故障诊断系统，其特征在于，所述的健康状态包括正常轴承、内圈故障、外圈故障和滚子故障状态。

4.根据权利要求1所述的一种基于数字孪生技术的地铁轴箱轴承故障诊断系统，其特征在于，所述的数据传输及存储模块包括依次连接的传感器、微控制器、总控制器、数据采集器和数据存储及融合子模块，所述的传感器和微控制器通过工业通信协议通信，所述的传感器包括位移传感器、温度传感器和光电式速度传感器，所述的微控制器用于接收测量数据，并适配总线和工业通信协议，所述的总控制器用于汇总各微控制器信号，并转换为统一格式，所述的数据采集器用于接收总控制器转换后的汇总数据，并通过工业以太网将数据传输至数据存储及融合子模块。

5.根据权利要求4所述的一种基于数字孪生技术的地铁轴箱轴承故障诊断系统，其特征在于，所述的数据存储及融合子模块包括物联网服务器、存储装置和数据库，所述的物联网服务器用以接收总控制器传输的数据，并进行预处理，所述的存储装置和数据库用以集成来自物理空间模块、虚拟空间及计算机分析模块的全部数据，并对数据进行融合。

6.根据权利要求5所述的一种基于数字孪生技术的地铁轴箱轴承故障诊断系统，其特征在于，所述的全部数据包括轴箱轴承材料属性、环境参数、位置参数、几何参数、轴承实时的位置、环境参数、实时运行数据以及数字孪生数据。