[發明專利]數模聯合驅動的全壽命滾動軸承數字孿生模型構建方法

有效

• 申請號: 202110382679.5
• 申請日: 2021-04-09
• 公開（公告）號: CN113092115B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 秦毅;吳興國;羅均;蒲華燕
• 申請（專利權）人: 重慶大學
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.一種數模聯合驅動的全壽命滾動軸承數字孿生模型構建方法，其特征在于：包括以下步驟：

S1：通過加速壽命試驗臺在物理空間中采集其全壽命周期振動加速度信號；

S2：通過研究振動信號的幅值與缺陷尺寸之間的關系，利用BP神經網絡對缺陷尺寸進行預測；

當軸承缺陷較小時，將其視為一個點，其產生的位移激勵函數表示為：

其中θ_e是缺陷切向尺寸的一半，H_d表示位移激勵，定義為

其中H表示缺陷的高度，ΔH公式如下：

ΔH＝0.5d-((0.5d)²-(0.5min(L,B))²)^0.5 (3)

其中d是滾動體的直徑，L和B分別表示缺陷的長度和寬度；

當缺陷變大且表面形狀為正方形時，位移激勵用半正弦函數表示，其形式為

其中Δθ表示缺陷的角度，θ₀是第i個滾動元件缺陷的初始角度偏移量；

所述缺陷尺寸是指缺陷表面的面積，定義為

D(t)＝L(t)B(t)＝L²(t)＝B²(t) (5)

其中L(t)和B(t)分別表示演化缺陷的長度和寬度；

采用BP神經網絡建立缺陷尺寸估計值與軸承振動信號均方根值之間的關系，所述BP神經網絡的結構包括一個輸入層，五個隱含層和一個輸出層，所述五個隱含層均采用Relu激活函數，且神經元數量分別為128、64、32、16、8、1；

利用振動信號的均方根值及其模擬的缺陷尺寸對BP神經網絡進行訓練，通過訓練后的BP神經網絡和軸承振動信號在某一點的均方根值，預測出相應的缺陷尺寸；利用軸承壽命周期數據，使訓練后的BP神經網絡得到不同時刻的缺陷尺寸預測值；

最后使用以下缺陷演化模型對訓練后的BP神經網絡進行擬合：

其中C和n是由預測或者測量的缺陷尺寸決定的常數；

S3：利用全壽命周期振動加速度信號，得到一系列預測的演化缺陷；通過全壽命周期滾動軸承的振動信號，以及所述BP神經網絡得到預測的缺陷D(t)；從式(5)得到L(t)andB(t)，再根據式(3)，得到時變的ΔH(t)如下：

ΔH(t)＝0.5d-((0.5d)²-(0.5min(L(t),B(t)))²)^0.5 (7)

將式(7)代入式(1)和(4)中，得到時變的位移激勵H₁(t)和H₂(t)，再通過式(8)計算出第i個滾動體位于任意角度時的總接觸形變量；

μ_i(t)＝xcosα_i+ysinα_i-γ-H′(t) (8)

其中γ是滾動軸承的徑向游隙，在缺陷萌生階段H′(t)為H₁(t)，在缺陷擴展和損傷擴展階段為H₂(t)；

S4：根據演化缺陷，在二自由度動力學模型中引入相應的位移激勵，在虛擬空間中建立滾動軸承全壽命周期動力學模型；將式(8)代入滾動軸承二自由度動力學模型得到全壽命周期的軸承動力學方程：

其中m是內圈和滾動體的質量和；c是阻尼系數；x和y分別表示軸承沿X、Y方向的振動位移；W_x和W_y表示作用在軸上X、Y方向的徑向力；K是用Harris方法計算的總接觸剛度；λ_i表示第i個滾動體的有效接觸面積參數，寫為：

S5：將虛擬空間中的仿真數據映射到物理空間中相應的數據中；通過訓練樣本(x_i∈X)和來建立虛擬空間域X和物理空間域Y之間的映射關系；域X和Y中的數據分布定義為x～p_data(x)和y～p_data(y)，映射函數F：X→Y表示如下：

利用CycleGAN神經網絡在兩個域之間生成映射函數，兩個對抗損失函數L_X-GAN(G_X,D_Y)andL_Y-GAN(G_Y,D_X)分別用于訓練兩個發生器(G_X,G_Y)，其中L_X-GAN(G_X,D_Y)定義為：

所述CycleGAN神經網絡在l₁范數的基礎上引入以下循環一致性損失L_cyc(G_X,G_Y)：

在循環一致性損失和兩個對抗性損失的情況下，CycleGAN的總損失寫為

L_CycGAN＝L_X-GAN(G_X,D_Y)+L_Y-GAN(G_Y,D_X)+λL_cyc(G_X,G_Y) (14)

其中λ是控制參數，通過最小-最大化loss，CycleGAN網絡無監督地學習非平行域X和Y的映射；

基于平滑L1損失函數提出一種平滑循環一致性損失，定義為

其中A＝G_Y(G_X(x))-x，B＝G_X(G_Y(y))-y。