一种航空发动机转子系统数字孪生模型试验台设计方法

本发明涉及数字孪生，具体而言，尤其涉及一种航空发动机转子系统数字孪生模型试验台设计方法。

背景技术：

1、转子试验台数字孪生全生命周期的测试与试验阶段，由于转子结构复杂、研制周期长和试验风险大，因此转子试验具有极大的限制性。所以，针对以上问题，利用数字孪生系统对转子试验台进行虚实映射成为一种有效的途径，能够真实的反应转子系统的振动特性，降低试验风险，揭示影响机理。

2、数字孪生技术因其能够实现物理系统与数字孪生虚拟空间的信息交互，并能够集成各种数据分析、复杂特征提取等计算智能方法，从而适应于解决转子系统此类复杂工业装备的虚实映射与状态监测分析问题。目前转子系统数字孪生建模方法大多以有限元法(fe)、计算流体动力学(cfd)、多学科机理分析与深度学习组合方法，由于系统仿真与试验测量结果之间存在差异，并随着时间的推移误差逐步增大，最终导致无法真实拟合物理模型。因此，通过对所建立的数字孪生模型进行更新模型设计具有重要的科学与实际意义。

3、相关的专利共计四项：其中发明专利《航空发动机涡轮盘-转子-支承系统数字孪生建模方法》中公开了一种航空发动机涡轮盘-转子-支承系统数字孪生建模方法，建立了由多个子模型结合的多物理场仿真平台，通过建立统一物理模型，仿真计算结果与经降噪特征提取处理后的实测信号进行对比分析，对统一物理模型进行优化，获得实时同步的航空发动机涡轮盘-转子-支承系统数字孪生模型。发明专利《数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法》中公开了一种数字孪生驱动航空发动机涡轮盘剩余寿命预测方法，利用航空发动机涡轮盘的数字孪生对涡轮盘振动信号进行仿真，最终利用更新后的航空发动机涡轮盘损伤模型计算剩余寿命。发明专利《一种轴承试验台数字孪生建模方法》中公开了一种轴承试验台数字孪生建模方法，利用有限元模型与深度学习联合构建数字孪生模型，实现了润滑状态下轴承试验台复杂工况仿真分析，可实时获取具备高可靠性的运行参数。发明专利《一种基于数字孪生的试验台系统》中公开了一种基于数字孪生的试验台系统，其中包括物理试验台系统、虚拟试验台系统与一体化服务系统，利用服务系统间的信息流相互传递，高效、充分的研究了叶片碰撞振动动态过程。

4、虽然上述的转子系统数字孪生建模方法给出了一些建模方案，但仍存在一些问题，具体的技术特点与缺陷分析如下：

5、发明专利《航空发动机涡轮盘-转子-支承系统数字孪生建模方法》中虽然给出了航空发动机涡轮盘-转子-支承系统数字孪生建模方法，但是只考虑结构动力学模型、热力耦合模型、应力分析模型以及损伤演化模型，并没有对所建立的数字孪生模型进行更新修正，导致真实模型与数字孪生模型误差会随着时间逐步变大，严重影响了数字孪生模型与物理实体的映射精度，而该专利未给出解决此问题的具体方案。

6、发明专利《数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法》中建立的数字孪生模型包括转子系统，轴承磨损，油膜温度过高或者转子振动不稳定故障类型，将工况/环境参数实时输入到统一物理模型之中，并利用统一物理模型对航空发动机涡轮盘的实时振动信号进行仿真计算，虽然保证了数字孪生模型的真实性，但未考虑时间步，可在数字孪生模型运行前具有真实性，但在运行过程中无法保证数据精度且该专利未给出解决此问题的具体方案。

7、发明专利《一种轴承试验台数字孪生建模方法》中建立的基于数据驱动与物理模型有效融合的轴承试验台数字孪生建模方法，实时采集轴承试验台的振动、转速和温度等信号，基于代理模型，并利用在线数据对代理模型的准确性进行测试，但该专利的修正只针对代理模型的测试，并未对所实际使用的数字孪生模型进行更新修正。

8、发明专利《一种基于数字孪生的试验台系统》中所构建的数字孪生试验台系统的在线仿真分析，无法做到实时性的要求，也无法在实时性的要求基础下进行模型更新。

9、由上述问题可知，目前的数字孪生体建模方法均未给出保证数字孪生模型的更新具体方案，且孪生模型较为复杂，难以实现数字孪生模型与物理实体的实时交互，严重影响数字孪生体的准确性。

技术实现思路

1、根据上述提出的技术问题，而提供一种航空发动机转子系统数字孪生模型试验台。本发明的目的是建立保证转子试验台振动特性实时映射的数字孪生模型，实现转子试验台实体与数字孪生模型的实时映射，真实的反应转子系统的振动特性，降低试验风险，揭示影响机理。针对转子试验台物理结构，给出基于数值模型、人工智能(ai)模型以及更新模型相结合的数字孪生模型建模方式；采用数值模型与人工智能模型作为数字孪生模型的数据驱动，解决转子试验台实时映射问题；通过更新模型和实时试验数据，使转子试验台数据在运行过程中更新修正，解决真实模型与数字孪生模型误差会随着时间逐步变大的问题。

2、本发明采用的技术手段如下：

3、一种航空发动机转子系统数字孪生模型试验台设计方法，包括：

4、构建数值模型，计算转子动力学特性，获取转子动力学数据；

5、构建人工智能模型，将所述数值模型获取的转子动力学数据输入至人工智能模型，对人工智能模型进行训练预测；

6、构建更新模型，通过更新模型和实时试验数据，使转子试验台数据在运行过程中更新修正。

7、进一步地，所述数值模型采用timoshenko梁单元对转轴进行建模，将盘筒化为集中质量单元，转子系统共包括26个timoshenko梁单元和4个盘单元，转子系统在旋转时，将考虑旋转引起的陀螺效应，因此，转子系统的动力学方程为：

8、

9、其中，m，g，c，k，q，u分别代表转子质量矩阵，陀螺矩阵，阻尼矩阵，刚度矩阵，力以及位移值；因此，可以确定转子系统中每个点的位移值，速度值和加速度值，同时，临界转速成为动态特性的重要参数，可以从特征问题中获得：

10、[k-λ2(m-jωg)]φ＝0

11、其中，λ是转子系统临界转速对应的固有频率，φ是振型；

12、由于运行过程中会出现不平衡现象，从而产生额外的离心力：

13、f＝meω2

14、其中，f代表离心力，m代表离心质量，e代表偏心距离，ω代表旋转角速度；因此，转子系统在不平衡的条件下，动力学方程如下所示：

15、

16、进一步地，所述人工智能模型采用高斯过程回归模型对转子系统的动态特性进行实时预测。

17、进一步地，所述高斯过程回归模型针对于回归问题的一般模型表示为：

18、

19、其中，回归模型中的x和y的关系由任意假设的函数f(x)表示，y＝[y1,y2,···,yn]t是受噪声污染的n×1维的观测适量，ε是相互独立服从高斯分布的观测噪声向量，为噪声方差，in是单位阵；x＝[xi,1,···,xi,d]t(i＝1,2,···,n)，x∈rd是n×1维的服从高斯分布的随机变量。

20、进一步地，所述高斯过程回归模型经过对观测数据的学习，能精确地描绘出函数f(x)，所述高斯过程回归模型是由均值函数m(x)和协方差函数k(x,x)唯一确定的，因此，所述高斯过程回归模型进一步被定义为：

21、f(x)gp(m(x),k(x,x))

22、其中，

23、进一步地，所述函数f(x)是由多维高斯分布组成的，根据多维高斯分布的性质，由所述高斯过程回归模型的一般模型定义公式和所述高斯过程回归模型的进一步定义公式得到观测值y的先验分布为：

24、

25、通常作数据预处理时减去均值，使m(x)＝0，由高斯分布的性质进一步得到观测值y与输出样本y*预测值的联合先验分布：

26、

27、其中，k(x,x)是输出样本x的协方差矩阵，且为n×n的对称正定矩阵，各个元素k(xi,xj)表示xi与xj的相关性；k(x,x*)＝k(x*,x)t是输入样本x与待预测输入值x*之间的n×1的协方差矩阵；k(x*,x*)为待预测输入值x*自身的方差；

28、由x和y组成的观测数据集d＝{(xi,yi)|i＝1,2,···,n}，d称为训练样本集或学习样本集，在已获得的训练集d条件下，y*的后验分布为：

29、p(y*|d,x*)n(m(y*),k(y*,y*))

30、其中，y*的均值和方差分别为：

31、

32、式中，m(y*)为待预测值x*的对应的输出值y*的均值；k(y*,y*)是输出预测值的后验方差，可以用来衡量预测结果的不确定性。

33、进一步地，对于所述数值模型计算所得到的转子动力学数据，需要建立m个所述高斯过程回归模型来预测结构的动力学性能。

34、进一步地，所述更新模型根据实时的观测数据，实时修正模型参数θk＝(αk,βk)的概率分布，所述更新模型采用贝叶斯学习融合先验信息和似然信息实现对后验信息的推理，根据贝叶斯定理，模型参数的后验分布可表示为：

35、

36、其中，p(θk)表示k时间步模型参数的先验分布，可用k-1时间步的后验分布近似；l(yk|θk)表示似然概率，采用高斯似然：

37、

38、其中，为k-1时刻的后验评估值；v为测量系统的不确定性；f为状态方程，其表达式为：

39、进一步地，所述航空发动机转子系统数字孪生模型试验台设计方法还包括构建3d设计模块，用于获取转子试验台装备装配体拓扑结构以及零件几何描述信息。

40、进一步地，所述航空发动机转子系统数字孪生模型试验台设计方法还包括构建虚拟系统模块，用于基于获取的转子试验台装备装配体拓扑结构以及零件几何描述信息，展现动力学特性，在虚拟系统测试和评估产品或服务过程的特定特征。

41、较现有技术相比，本发明具有以下优点：

42、1、本发明提供的航空发动机转子系统数字孪生模型试验台设计方法，针对转子试验台物理结构，给出基于数值模型、人工智能(ai)模型以及更新模型相结合的数字孪生模型建模方式；能够实现数字孪生模型与物理实体实时映射流程的全过程，实现转子试验台实体与数字孪生模型的实时映射，真实的反应转子系统的振动特性，降低试验风险，揭示影响机理；

43、2、本发明提供的航空发动机转子系统数字孪生模型试验台设计方法，采用数值模型与人工智能模型作为数字孪生模型的数据驱动，解决转子试验台实时映射问题；

44、3、本发明提供的航空发动机转子系统数字孪生模型试验台设计方法，通过更新模型和实时试验数据，使转子试验台数据在运行过程中更新修正，解决真实模型与数字孪生模型误差会随着时间逐步变大的问题。

45、基于上述理由本发明可在数字孪生等领域广泛推广。