一种基于NSGA-Ⅱ动态更新与数字孪生结合的滚动轴承PHM的方法及系统

本发明属于旋转机械设备健康管理领域，具体涉及一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm的方法及系统。

背景技术：

1、滚动轴承作为旋转机械的关键零部件，广泛应用于航空航天装备、交通运输工具及风力发电设备等领域。这就要求其能在高负荷和变工况的情况下能够保证高精度的连续运行，但轴承往往服役于各种复杂恶劣的工作环境下，需要承受住各类冲击，因此往往成为机械系统出现故障的根源，故障导致的计划外停机会影响整个系统的整体运行状态，造成巨大的经济损失以及人员伤亡。开展滚动轴承故障预测与健康管理(phm)，可提前预知滚动轴承的退化状态，从而根据预测结果制定停机维护计划以减少计划外停机带来的损失。

2、传统的phm方法具有一定的时延性且由于故障样本少难以训练出较好的模型来实现精准的预测。目前针对滚动轴承的phm方法，主要分为基于物理模型的方法和数据驱动的方法，但基于物理模型的方法需要借助数学或物理模型对失效机理进行建模分析，建模精度取决于对其失效机理的了解程度，并且建模过程中无法考虑各种影响因素，因此最终得到的也只是近似解；基于数据驱动的方法，不需要精确的物理建模，而是依赖于大量的历史数据训练，但是完整全生命周期数据采集难度大，周期长，在很大程度上限制了该方法的应用。因此如何训练出可靠的模型并及时预测出精确的轴承剩余寿命对轴承系统的phm显得尤为重要。

技术实现思路

1、针对上述问题，本发明提供了一种基于nsga-ⅱ(第二代非支配排序遗传算法)动态更新与数字孪生结合的滚动轴承phm的方法及系统。

2、为达到上述目的，本发明采用的技术方案为：一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm的方法及系统，其中，种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm的方法，具体包括以下步骤：

3、s1、采集实体滚动轴承设备的几何参数，用于构建滚动轴承实体设备的3d立体模型；

4、所述几何参数包括：轴承形状、内外圈尺寸、滚珠数量及尺寸、部件装配关系及耦合关系、材料密度、弹性模量，所述几何参数用于表征滚动轴承的几何尺寸和形状特征，是从几何的角度描述退化过程；

5、s2、对s1构建的滚动轴承3d模型进行动力学建模，得到滚动轴承的动力学模型；所述模型用于表征滚动轴承的运动关系和力学性能，通过4个弹簧-阻尼-质量系统来模拟其在水平和竖直两个方向上的运动构建动力学方程组，具体表达式如下：

6、

7、

8、

9、

10、式中：xi为内圈x方向位移，xo为外圈x方向位移，yo为外圈y方向位移，yi为内圈y方向位移，fr为外加径向载荷，g为重力加速度常数，ki表示内圈等效刚度，ko表示外圈等效刚度，mi表示内圈等效质量，mo表示外圈等效质量，ci表示内圈等效阻尼，co表示外圈等效阻尼，表示轴承内圈在x方向的速度，表示轴承内圈在x方向的加速度，表示轴承外圈在x方向的速度，表示轴承外圈在x方向的加速度，表示轴承内圈在y方向的速度，表示轴承内圈在y方向的加速度，表示轴承外圈在y方向的速度，表示轴承外圈在y方向的加速度，fx表示轴承滚珠与滚道在x方向上的接触变形量，fy表示轴承滚珠与滚道在y方向上的接触变形量；

11、s3、使用智能传感器采集滚动轴承设备运行过程中的不同数据，并将所采集数据实时传输至孪生数据库；

12、所述数据包括：振动信号、实时转速、温度、应力；

13、所述智能传感器具体型号为：采集振动信号所用的加速度传感器skf cmss 2200；采集实时转速所用的霍尔效应转速传感器honeywell sndh-t series；采集温度所用的高精度铂电阻温度计omega engineering rtd-805；采集应力所用的电阻应变片vishaymicro-measurements cea-06-125uw-350；

14、s4、根据模型更新所需优化变量、优化目标，建立以数字孪生模型拟合度最高、复杂度最低、泛化能力最强为目标函数的多目标优化数学模型并设置约束条件，具体步骤如下：

15、s4.1、确定优化目标；其中，模型拟合度最高，可以视为最小化数字孪生模型模拟的动态响应和物理系统测量的瞬时响应之间误差；模型复杂度最低可以视为模型参数最少；模型泛化能力最强可以用对抗性失效率来衡量。

16、s4.2、确定优化变量；包括：数字孪生模型的等效刚度、等效阻尼、等效质量、外加径向载荷。

17、s4.3、根据s4.1、s4.2构造多目标优化数学模型，具体表达式如下所示：

18、

19、式中：x1表示等效刚度，x2表示等效阻尼，x3表示等效质量，x4表示外加径向载荷，n表示模型参数数量，adr表示对抗性失效率，fe表示数字孪生模型模拟的动态响应，fp表示物理系统测量的瞬时响应，f1(*)表示拟合度，f2(*)表示复杂度，f3(*)表示泛化能力。

20、s4.4、确定约束条件；变量约束范围由实际参数允许范围确定，具体表达式如下所示：

21、106n/m＜x1＜108n/m

22、102n·s/m＜x2＜104n·s/m

23、0.1kg＜x3＜10kg

24、103n＜x4＜105n

25、式中：x1表示等效刚度，x2表示等效阻尼，x3表示等效质量，x4表示外加径向载荷；

26、s5、采用nsga-ⅱ算法对s4中目标函数进行寻优，通过寻优来确定出最佳的模型更新策略并对多目标优化数学模型验证，通过所述多目标优化数学模型来更新数字孪生模型，具体步骤如下：

27、s5.1、设置初始化参数，包括种群规模、最大进化迭代数、交叉概率和变异概率；

28、s5.2、初始化种群并设置进化代数为gen＝2，这表示算法从第二代开始计算；

29、s5.3、将父代种群与子代种群合并为新种群；

30、s5.4、判断是否已生成新的父代种群，若没有则计算新种群中个体的目标函数，并执行快速非支配排序、计算拥挤度、精英策略操作生成新的父代种群；否则，进入步骤s5.5；

31、s5.5、对生成的父代种群执行选择、交叉、变异操作生成子代种群；

32、s5.6、最大迭代次数设置为100，判断gen是否等于最大的进化代数，若没有，则进化代数gen＝gen+1并返回步骤s5.3；否则，寻优结束得到最终的最优参数并用以进行模型验证；

33、s6、基于s3得到的孪生数据库以及s5得到的数字孪生模型，预测出不同工况下的滚动轴承退化趋势；

34、所述不同况具体包括：高速工况，转速为5000rpm及以上，额定载荷，环境温度常温(20℃-30℃)；低速工况，转速为500rpm及以下，额定载荷，环境温度常温(20℃-30℃)；高载荷工况，转速为额定转速，载荷超过额定载荷的150％，环境温度常温(20℃-30℃)；低载荷工况，转速为额定转速，载荷低于额定载荷的50％，环境温度常温(20℃-30℃)；

35、步骤s6具体步骤如下所示：

36、s6.1、将s3中利用智能传感器采集滚动轴承设备运行过程中的不同数据包括振动信号导入到时域上；

37、s6.2、在时域上提取峭度、标差，用来构建健康评估指标，具体表达式如下所示：

38、

39、

40、

41、式中：xkur表示峭度，xj表示第j个振动信号数据点，n表示样本数量，即振动信号中的数据点总数，表示振动信号的均值，xσ表示振动信号的标准差，hi表示健康评估指标；

42、s6.3、使用时间序列预测算法来预测滚动轴承的性能退化趋势。

43、s7、结合实体设备的结构特性、运行条件、环境参数及其历史运维情况，对实体设备的运行状态进行实时优化调整，最大程度的延长设备的使用寿命。

44、一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm的系统，包括：物理系统模块、数字孪生模块、数据采集模块、更新策略模块、在线预测模块、参数优化模块；

45、所述物理系统模块运行并提供几何信息和运行数据，通过数据采集模块收集信息并传送给数字孪生模块，数字孪生模块利用所收集的信息建立并更新3d模型和动力学模型，所述更新策略模块通过nsga-ⅱ算法不断优化数字孪生模型，使其更精准地反映物理系统的运行状态，在线预测模块利用优化后的数字孪生模型进行退化趋势预测，参数优化模块根据预测结果调整运行参数，确保系统在最佳状态下运行；

46、物理系统模块：用于实际滚动轴承的运行和性能数据的收集；

47、数据采集模块：用于从物理系统模块获取几何信息和运行数据；

48、数字孪生模块：基于收集的几何信息和运行数据，建立与物理系统对应的3d模型和动力学模型；

49、更新策略模块：使用nsga-ⅱ算法对数字孪生模型进行动态更新；

50、在线预测模块：利用更新后的数字孪生模型进行轴承退化趋势预测；

51、参数优化模块：根据预测结果对轴承的运行参数进行实时优化控制。

52、通过上述模块间的紧密连接和流程关系，系统能够实现高效的在线寿命预测与健康管理，保证滚动轴承的可靠运行。

53、本发明的有益效果

54、1、故障预测准确性提升，通过精确的数字孪生模型和优化算法，能够提前预测轴承的故障时间，确保维护措施的及时性和有效性；系统可靠性和安全性提高，实时监控和预测结合优化控制，大大减少了故障的发生频率，提升了系统的可靠性和安全性；延长轴承寿命，通过优化控制运行参数，有效减少了轴承的磨损，延长了其使用寿命；降低运营和维护成本，减少了不必要的维护和停机时间，提高了设备的运行效率，降低了整体运营和维护成本；提升经济效益，通过提高设备的可靠性、延长使用寿命和降低维护成本，显著提升了设备的经济效益和投资回报率。综上所述，本发明在滚动轴承的健康管理领域，具有显著的技术优势和经济效益，能够有效提升设备的运行效率和可靠性，具有广阔的应用前景。

55、2、本发明方法的预测值与真实值的误差较小，表明预测准确性较高。同时相较于传统方法的静态模型，无法及时反映实际工况变化，本发明方法能够实时更新模型和参数，确保预测结果及时可靠。除此之外统方法缺乏实时优化能力，难以有效预防故障，本发明根据预测结果进行实时优化控制，保持轴承在最佳运行状态，避免了突发性故障。

技术特征：

1.一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm方法，其特征在于：所述步骤s1中，几何参数包括：轴承形状、内外圈尺寸、滚珠数量及尺寸、部件装配关系及耦合关系、材料密度、弹性模量。

3.根据权利要求1所述的一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm方法，其特征在于：步骤s2中，所述滚动轴承的动力学模型通过4个弹簧-阻尼-质量系统来模拟其在水平和竖直两个方向上的运动构建动力学方程组，所述动力学方程组具体表达式如下：

4.根据权利要求1所述的一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm方法，其特征在于：步骤s3中，利用智能传感器和数据采集软件实时采集滚动轴承设备运行时的振动信号、实时转速、温度、应力，并将其储存在数据库中，智能传感器具体型号为：采集振动信号所用的加速度传感器skf cmss2200；采集实时转速所用的霍尔效应转速传感器honeywell sndh-t series；采集温度所用的高精度铂电阻温度计omega engineeringrtd-805；采集应力所用的电阻应变片vishay micro-measurements cea-06-125uw-350。

5.根据权利要求1所述的一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm方法，其特征在于：步骤s4中，所述数字孪生模型的建立过程具体步骤如下所示：

6.根据权利要求1所述的一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm方法，其特征在于：所述步骤s5中，对nsga-ⅱ目标函数进行寻优，具体步骤为：

7.根据权利要求1所述的一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm方法，其特征在于：步骤s6中所述不同工况具体包括：高速工况，转速为5000rpm及以上，额定载荷，环境温度常温(20℃-30℃)；低速工况，转速为500rpm及以下，额定载荷，环境温度常温(20℃-30℃)；高载荷工况，转速为额定转速，载荷超过额定载荷的150％，环境温度常温(20℃-30℃)；低载荷工况，转速为额定转速，载荷低于额定载荷的50％，环境温度常温(20℃-30℃)；具体步骤如下所示：

8.一种基于nsga-ⅱ动态更新与数字孪生结合的滚动轴承phm系统，其特征在于：包括：物理系统模块、数据采集模块、数字孪生模块、更新策略模块、在线预测模块、参数优化模块，所述物理系统模块运行并提供几何信息和运行数据，通过数据采集模块收集信息并传送给数字孪生模块，数字孪生模块利用所收集的信息建立并更新3d模型和动力学模型，所述更新策略模块通过nsga-ⅱ算法不断优化数字孪生模型，使其更精准地反映物理系统的运行状态，在线预测模块利用优化后的数字孪生模型进行退化趋势预测，参数优化模块根据预测结果调整运行参数，确保系统在最佳状态下运行。

技术总结
本发明公开一种基于NSGA‑Ⅱ动态更新与数字孪生结合的滚动轴承PHM的方法及系统，属于旋转机械设备健康管理领域，包括：对物理系统进行几何信息采集，建立3D模型；对该模型进行动力学建模，并结合几何模型建立数字孪生模型；建立多目标优化数学模型；使用NSGA‑Ⅱ算法寻找最优参数，以动态更新数字孪生模型；使用更新后的数字孪生模型结合实际采集的数据进行轴承退化趋势预测，并根据预测结果对运行参数进行实时优化控制，实现轴承系统的在线寿命预测与健康管理。该系统通过高精度的数字孪生模型和动态优化算法，提高了滚动轴承寿命预测的准确性和效率，能够实时监控轴承状态，预测故障发生时间，延长轴承寿命，减少维护成本，提升设备可靠性和稳定性。

技术研发人员：马军,姜明凡,李祥
受保护的技术使用者：昆明理工大学
技术研发日：
技术公布日：2024/12/5