本发明属于机器智能化与数字化技术领域，具体涉及一种基于动力学方法的滚动轴承数字孪生建模技术。
背景技术：
滚动轴承由滚动体、保持架、内外圈组成，是旋转类机械设备的关键部件之一。滚动轴承长期处于高速、复杂载荷的工况下，由于结构复杂常发生振动故障，影响机械设备的正常运转，甚至会给企业带来不可估量的损失。因此如何将滚动轴承数字化，同时结合神经网络和机器学习将滚动轴承的运行机理和对应的物理模型联系起来是目前智能制造的一个关键问题。
目前滚动轴承的建模方法大都从单一物理模型出发，通过考虑基于动力学基础的简化模型进行的。哈尔滨工业大学的罗嘉宁针对滚动轴承系统，通过构建四个自由度的振动模型建立基于四个自由度的动力学微分方程对滚动轴承的振动特性进行仿真分析(罗嘉宁.实验与仿真数据驱动的滚动轴承故障严重性评估研究[d].哈尔滨工业大学，2019.)。数字孪生是一门面向多学科、多物理、多尺度、多保真度、多概率的技术。结合神经网络和机器学习实现仿真数据与实测数据之间的深度融合，利用充分挖掘的数据对数字化的虚拟模型进行实时更新，保证虚拟模型和物理设备之间的同步性。
文献调研发现目前很难事先获取滚动轴承处于不同负载和速度条件下的充足的运行数据，现有的轴承建模方法存在如下缺陷：
(1)仿真数据和实际数据差异性较大而且不能够同步获取。
(2)仿真模型对数据的处理能力较弱不具备很强的自我修正和数据优化的能力。
(3)不能够将轴承实时运行情况的机理属性反馈出来。
因此，提出了一种基于动力学滚动轴承的数字孪生建模方法，通过搭建的数字孪生体进行模型构建、数据采集、仿真模拟、误差分析、迭代优化等手段，实现数字孪生体能够同步有效的反映出物理设备的真实运行机理。
技术实现要素：
本发明的目的是为了解决上述问题，本发明公开了一种基于动力学的滚动轴承数字孪生建模方法。
实现上述目的本发明的技术方案为，一种基于动力学的滚动轴承数字孪生建模方法，包括以下步骤：
步骤1：基于三维建模软件通过定义物理实体的物理属性、几何属性、机械结构和材料属性从而在三维虚拟空间对物理模型进行多物理场、多尺度、多概率的仿真重构；
步骤2：物理模型与机理模型的相互融合，将机械设备中具有明确物理意义的参数、属性、行为等反馈到模型系统中实现对物理模型的优化；
步骤3：仿真模块的表示：物理模型的动态运行参数和载荷分布等镜像到以有限元分析为主的仿真模型中，仿真模型通过结构有限元等方法以反馈的方式优化物理模型；
步骤4：数据模块的集成：通过对历史运行数据、设备的隐含数据和实时的负载、速度、振动、温度、声音等动态信息进行挖掘构建数据层从而对物理模型进行修正和更新；
步骤5：降阶模型的建立：使用降阶模型技术对高保真度物理模型进行简化，在保留模型的关键信息和主要影响因素的前提下，大幅度的减少数字孪生体运行的时间和存储要求，结合滚动轴承模型的性质特点采用基于动力学简化模型的方法，以达到降低滚动轴承数字孪生体的复杂度；
步骤6：参数方程的确定：满足降阶模型关键信息的基础上，分析滚动轴承的动力学原理结合hertz接触理论和变形机理从而构建相应的参数方程；
步骤7：构建目标方程：整个轴承的运动系统满足步骤5和步骤6要求的前提下，作为多自由度机械系统动力学模型进行分析，进而构建含有多个自由度的动力学方程组；
步骤8：仿真结果的分析：以步骤7构建的目标方程为载体，步骤4优化后的负载、速度等关键信息作为输入变量进行仿真结果的计算和分析；
步骤9：数据采集系统：通过数据采集系统监测并获取关键部位振动信号、载荷和速度等时变信息；
步骤10：误差分析，步骤8和步骤9获取的结果进行对比并计算两者的偏差；
步骤11：参数修正：分析步骤10计算的偏差，当偏差超过设定的阈值时，需要对关键信息进行分析优化以达到参数修正的目的。
进一步地，所述的步骤4中，数据模块的集成，其特征在于，将滚动轴承的运行状态、实时性能、环境参数、突发扰动等的动态过程数据，通过传感器、内置采集模块等设备进行数据采集。其特征还在于，基于神经网络和机器学习对传感器实时采集的负载数据、速度数据、历史数据等进行深度挖掘，通过反复训练基于降阶条件下的动力学模型实现滚动轴承数字孪生模型的实时状态更新和性能演变。
进一步地，所述的步骤5中，降阶模型的建立，其特征在于，
(1)将现有的简化模型法、投影法和数据拟合法混合使用以提高降阶模型的构造精度和效率。
(2)采集满足关键信息的初始样本点通过自适应更新模型来优化降阶模型。进一步地，所述的步骤6中，参数方程的确定，其特征在于，确定内外圈与滚动体的接触刚度k1、k2
其中，h1、h2、
(2)滚动体与内外圈接触变形所引起的弹性恢复力
其中，k为滚动体与内外圈的等效接触刚度，δi为滚动体的弹性变形量。
进一步地，所述的步骤7中，构建目标方程，其特征在于，
(1)采用集中质量的动力学方程的建模方式
(2)考虑轴承内圈和外圈的位移量
(3)基于hertz接触理论计算载荷
进一步地，所述的步骤10中，误差分析，其特征在于，优化目标方程的过程的前提需要对仿真信号和实测信号进行对比，误差阈值函数构造如下：
r(p，um)＝fd(v，um)-ft(v，um)
其中，fd和fm分别是数字系统和物理实体系统基于速度v和负载umx所对应的参数方程。
误差r(p，um)被最小化时，最佳拟合输入参数最终实现目标方程的实时更新。
利用本发明的技术方案制作的一种基于动力学的滚动轴承数字孪生建模方法，通过封装的数字孪生体可以建立真实结构与虚拟模型之间的双向映射，基于数据层提供数据运用机器学习和神经网络进行智能分析与决策，能够很好的解决对数据处理能力弱的缺点。多物理场仿真模型通过降阶为低阶模型可以运用理论公式和实验数据建立高置信度仿真模型，同时在短时间内进行同步高效的计算。并且能够将数字孪生应用过程中的各类数据、模型、方程、算法、结果进行以服务为导向的封装，以满足面对不同用户的需求。能够有效的为设备检测与维修人员提供有价值的设备状态信息，帮助减少经济损失，满足故障检测与诊断的实际需要。
附图说明
图1为一种基于动力学的滚动轴承数字孪生建模方法流程图。
图2为构建的滚动轴承系统的结构模型流程图。
图3为构建降阶模型模块流程图。
具体实施方式
下面结合附图对本发明进行具体描述，如图1所示，一种基于动力学的滚动轴承数字孪生建模方法流程图。包括以下步骤：
步骤1：基于三维建模软件通过定义物理实体的物理属性、几何属性、机械结构和材料属性从而在三维虚拟空间对物理模型进行多物理场、多尺度、多概率的仿真重构；
步骤2：物理模型与机理模型的相互融合，将机械设备中具有明确物理意义的参数、属性、行为等反馈到模型系统中实现对物理模型的优化；
步骤3：仿真模块的表示：物理模型的动态运行参数和载荷分布等镜像到以有限元分析为主的仿真模型中，仿真模型通过结构有限元等方法以反馈的方式优化物理模型；
步骤4：数据模块的集成：通过对历史运行数据、设备的隐含数据和实时的负载、速度、振动、温度、声音等动态信息进行挖掘构建数据层从而对物理模型进行修正和更新；
步骤5：降阶模型的建立：使用降阶模型技术对高保真度物理模型进行简化，在保留模型的关键信息和主要影响因素的前提下，大幅度的减少数字孪生体运行的时间和存储要求，结合滚动轴承模型的性质特点采用基于动力学简化模型的方法，以达到降低滚动轴承数字孪生体的复杂度；
步骤6：参数方程的确定：满足降阶模型关键信息的基础上，分析滚动轴承的动力学原理结合hertz接触理论和变形机理从而构建相应的参数方程；
步骤7：构建目标方程：整个轴承的运动系统满足步骤5和步骤6要求的前提下，作为多自由度机械系统动力学模型进行分析，进而构建含有多个自由度的动力学方程组；
步骤8：仿真结果的分析：以步骤7构建的目标方程为载体，步骤4优化后的负载、速度等关键信息作为输入变量进行仿真结果的计算和分析；
步骤9：数据采集系统：通过数据采集系统监测并获取关键部位振动信号、载荷和速度等时变信息；
步骤10：误差分析，步骤8和步骤9获取的结果进行对比并计算两者的偏差；
步骤11：参数修正：分析步骤10计算的偏差，当偏差超过设定的阈值时，需要对关键信息进行分析优化以达到参数修正的目的。
其特征在于，在整个系统内将数据模块、物理模块、仿真模块和机理模块进行封装成为一个子系统，然后对子系统进行降维处理后求解出降阶模型。降阶模型和基于动力学的参数方程进行耦合构建出滚动轴承系统的目标方程，随后将仿真结果与物理实体得出的实测结果进行基于误差分析，用于对参数的修正。最终的到置信度较高的数字孪生系统。
图2为，构建的滚动轴承系统的结构模型流程图。滚动轴承系统的结构模型有模型条件、系统仿真、模型实现三部分组成，包括以下步骤：
(1)建立的模型条件包括相匹配的理论公式，实验数据，图纸语言，工况条件，材料属性等。(2)系统仿真的过程是基于降阶模型和多自由的机械动力学的属性建立对应的数学方程组模型进而求解。(3)将建立的基于降阶模型和动力学相对应得方程组通过计算机语言、建模语言等集成模型语言实现模型的仿真。
图3为，构建降阶模型模块流程图。降阶模型模块有数据层、降维处理和低阶模型三个部分组成，包括以下步骤：
(1)数据层是滚动轴承系统运行时可以直接观测到的数据及系统本身的材料属性、工况参数、运行机理等隐含数据，以及系统运行数据的集成。(2)降维处理的方法有简化模型法、投影法、数据拟合等方式，三种降阶方法混合使用运用到滚动轴承的降阶模型中能够有效的提高降阶模型的构造精度和效率。(3)具有高保真度和高置信度的低阶模型可用于复杂系统的预测、优化和不确定性量化等问题的求解。
上述技术方案仅体现了本发明技术方案的优选技术方案，本技术领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理，属于本发明的保护范围。
1.一种基于动力学的滚动轴承数字孪生建模方法，其特征在于，包括以下步骤：
步骤1：基于三维建模软件定义物理实体的物理属性、几何属性、机械结构和材料属性从而在三维虚拟空间对物理模型进行多物理场、多尺度、多概率的仿真重构；
步骤2：物理模型与机理模型的相互融合，将机械设备中具有明确物理意义的参数、属性、行为等反馈到模型系统中实现对物理模型的优化；
步骤3：仿真模块的表示：物理模型的动态运行参数和载荷分布等镜像到以有限元分析为主的仿真模型中，仿真模型通过结构有限元等方法以反馈的方式优化物理模型；
步骤4：数据模块的集成：通过对历史运行数据、设备的隐含数据和实时的负载、速度、振动、温度、声音等动态信息进行挖掘构建数据层从而对物理模型进行修正和更新；
步骤5：降阶模型的建立：使用降阶模型技术对高保真度物理模型进行简化，在保留模型的关键信息和主要影响因素的前提下，大幅度的减少数字孪生体运行的时间和存储要求，结合滚动轴承模型的性质特点采用基于动力学简化模型的方法，以达到降低滚动轴承数字孪生体的复杂度；
步骤6：参数方程的确定：满足降阶模型关键信息的基础上，分析滚动轴承的动力学原理结合hertz接触理论和变形机理从而构建相应的参数方程；
步骤7：构建目标方程：整个轴承的运动系统满足步骤5和步骤6要求的前提下，作为多自由度机械系统动力学模型进行分析，进而构建含有多个自由度的动力学方程组；
步骤8：仿真结果的分析：以步骤7构建的目标方程为载体，步骤4所采集的负载、速度等关键数据信息作为输入变量进行仿真结果的计算和分析；
步骤9：数据采集系统：通过数据采集系统监测并获取关键部位振动信号、载荷和速度等时变信息；
步骤10：误差分析，步骤8和步骤9获取的结果进行对比并计算两者的偏差；
步骤11：参数修正：分析步骤10计算的偏差，当偏差超过设定的阈值时，需要对关键信息进行分析优化以达到参数修正的目的。
2.根据权利要求1所述的一种基于动力学的滚动轴承数字孪生建模方法，所述的步骤4中，数据模块的集成，其特征在于，将滚动轴承的运行状态、实时性能、环境参数、突发扰动等的动态过程数据，通过传感器、内置采集模块等设备进行数据采集。其特征还在于，基于神经网络和机器学习对传感器实时采集的负载数据、速度数据、历史数据等进行深度挖掘，通过反复训练基于降阶条件下的动力学模型实现滚动轴承数字孪生模型的实时状态更新和性能演变。
3.根据权利要求1所述的一种基于动力学的滚动轴承数字孪生建模方法，所述的步骤5中，降阶模型的建立，其特征在于，
(1)将现有的简化模型法、投影法和数据拟合法混合使用以提高降阶模型的构造精度和效率。
(2)采集满足关键信息的初始样本点通过自适应更新模型来优化降阶模型。
4.根据权利要求1所述的一种基于动力学方法的滚动轴承数字孪生建模技术，所述的步骤6中，参数方程的确定，其特征在于，
(1)确定内外圈与滚动体的接触刚度k1、k2
其中，h1、h2、
(2)滚动体与内外圈接触变形所引起的弹性恢复力
其中，k为滚动体与内外圈的等效接触刚度，δi为滚动体的弹性变形量。
5.根据权利要求1所述的一种基于动力学方法的滚动轴承数字孪生建模技术，所述的步骤7中，构建目标方程，其特征在于，
(1)采用集中质量的动力学方程的建模方式
(2)考虑轴承内圈和外圈的位移量
(3)基于hertz接触理论计算载荷。
6.根据权利要求1所述的一种基于动力学方法的滚动轴承数字孪生建模技术，所述的步骤10中，误差分析，其特征在于，优化目标方程的过程的前提需要对仿真信号和实测信号进行对比，误差阈值函数构造如下：
r(p，um)＝fd(v，um)-ft(v，um)
其中，fd和fm分别是数字系统和物理实体系统基于速度v和负载umx所对应的参数方程。
误差r(p，um)被最小化时，最佳拟合输入参数最终实现目标方程的实时更新。
技术总结