一种基于数字孪生的产品性能和退化状态分析方法

本发明属于智能化与数字化信息，具体公开了一种基于数字孪生的产品性能和退化状态分析方法。

背景技术：

1、随着信息化的介入以及产品的快速发展，可以根据产品运行状态监测中随着时间的推移收集的数据提供了有关资产当前和历史状态的有价值信息。机器的这种演变可用于预测资产随着时间的推移将如何运行以及它可能如何退化，从而允许基于这些预测来安排维护。

2、现有技术手段往往难以真实完整地反映机电产品复杂运行环境和工况条件，这就会造成相应设计信息的输入与真实情况存在一定偏差，导致数字孪生的仿真运行结果与产品真实监测数据存在不同程度的误差，不能与优化设计模型保持完全一致。

技术实现思路

1、基于上述问题，本技术提供一种可以减小运行结果与产品真实监测数据误差的基于数字孪生的产品性能和退化状态分析方法。其技术方案为，

2、一种基于数字孪生的产品性能和退化状态分析方法，包括物理实体层、整机拆分层、数字孪生层、性能监测层、预测整合模块和应用服务层；物理实体层包括复杂机电产品、数据采集装置；整机拆分层是将产品整机拆成多个关键零件，进行后续数字孪生模块的映射；数字孪生层包括数据处理模块以及孪生模块，数据处理模块包括采集数据的读取、数据的预处理、特征值的提取以及数据分析；数据采集装置采集产品的多元数据类型，通过数据处理层处理后运用到孪生模型层；性能监测模块采用数字孪生修正方法来调整设计参数，评估监测参数对产品的影响与数字孪生预测方法用于预测设计参数以及工况对整机产品性能的影响；预测整合模块对整机的零件进行加权整合，向服务控制模块输出预测结果；服务控制模块包括与客户的对接、需求分析，产品的对外封装与方案设计和详细设计不同阶段的机电产品设计过程，是与数字孪生模块设计调整信息的交互和反馈的过程。

3、优选的，所述整机拆分层是根据元动作理论将整机的功能和使用性能通过分解映射到动作层上，由动作层出发，对元动作及元动作单元进行研究和控制，将整机复杂产品根据动力传动路线拆解成易于建立数字模型的单个零件，具体步骤如下，

4、s101.分析产品动力传动路线；

5、s102.对传动路线进行分级；

6、选择fma分解方法，从整机的功能出发，将产品分为功能层、运动层和动作层三个层次；功能层是用来分析整机的具体功能；运动层用来分析整机部件实现分功能的运动形式；动作层依据运动和动力的传动路径，分解实现运动的元动作形式；最底层的动作层的构成元素为元动作；

7、s103.根据元动作在动作层所起到的作用进行分类。

8、优选的，所述数据处理模块中数据读取是对传感器收集的信号进行汇总分类；所述数据预处理是采用五点三次平滑法对读取的传感器信号减少或消除采集数据中的干扰成分，采用加权滑动平均法对数据平滑处理。

9、优选的，数字孪生层处理步骤如下：

10、s201.根据产品拆分模块拆分的零件，查询各个零件的参数及相应工作条件，并通过传感器实时监控获取多元数据类型；

11、s202.将多元数据类型传输到数据处理层，由数据处理层对采集数据进行预处理去除干扰并对处理后的信号进行时、频域特征值的提取；

12、s203.根据有限元模型构建数字孪生模型，

13、；

14、其中代表数字孪生构架，代表物理实体层、代表数字孪生模型、代表数字孪生数据，包括物理实体运行数据以及数字孪生模型生成数据，代表数字孪生的相关服务，代表、、、之间的连接交互。

15、优选的，对s203建立数字孪生模型进行训练，用实际的振动信号对理论的振动信号进行修正，使得物理实体与数字孪生模型间具有一致性保持；

16、采用卷积神经网络通过真实数据对理论数据进行训练预测，步骤如下：

17、卷积层输入：；

18、卷积层输出：；

19、其中conv2（）为卷积运算的函数，w为卷积核矩阵，其实质为一个过滤器，执行逐元素的乘法和加法；x为输入矩阵，输入的为拆分零件的运行数据，b代表偏置量，为激活函数；

20、根据输入、输出值的偏差计算连接层的总误差，计算公式为：

21、；

22、其中，l代表输出层的层数，d代表期望输出的向量，y代表卷积神经网络输出的向量，代表向量（）的2-范数，具体计算公式为：

23、；

24、表示x中的任意一个数值，将预测的数据进行特征提取，与真实振动信号进行相应特征值之间进行误差计算，若超过误差阈值，则需要根据误差大小对拆分的零件的相关参数进行调整以满足误差结果。

25、优选的，对修正好的数字孪生模型进行全寿命周期的划分，具体操作如下：

26、s301.将修调完毕的零件孪生模型进行仿真运行，并生成理论运行数据，对理论运行数据进行预处理，

27、s302.加入峭度运算，并设置不同阶段的阈值，通过峭度与设定阈值的比较，将零件产品性能划分为正常阶段、轻微损伤阶段，严重损伤阶段；

28、将正常工作阶段与轻微损伤阶段的交界点定为首次监测点fpt；轻微损伤阶段需要注意与下一阶段交界点，即开始监测点fot，这个点的选择必须要求振动信号需要连续m次超过报警阈值，将此时的满足点设为性能退化开始监测点；对于严重损伤阶段需要重点监测，并关注失效点。

29、优选的，设产品的寿命分布为，零件在没失效的前提下，时刻的剩余寿命满足以下公式：

30、；

31、其中，c为检测时已使用的时间，t为零件的总寿命时间，p为零件寿命计算函数，采用双向长短时记忆网络bilstm，将修正好的零件数字孪生模型运行数据输入到搭建好的bilstm网络中，得到寿命预测结果。

32、优选的，根据scoring函数，计算各零件的得分，

33、；

34、；

35、；

36、其中为第i个样本的百分比误差，为零件的实际寿命时间，为零件的预测寿命时间，代表零件 i 的 rul 估计准确度转换函数，代表该零件的最终得分。

37、优选的，预测整合模块中，采用层次分析法、专家评价法以及加权分析法或者三种方法融合对整机的零件进行加权整合，实现产品性能评价；整机机电产品的零件重要程度分为核心零件，基础零件、易损辅助零件；核心零件所占权重为0.4-0.7；易损零件比重在0-0.1；基础零件权重在0.1-0.4，计算时三者权重的最高上限之和不超过1。

38、与现有技术相比，本技术存在以下优点：

39、1.建立全面的产品数字孪生模型主要根据各个不同元动作领域的零件按照他们的特点运用数学公式建模、有限元理论以及计算流体力学等建模知识，选择几何模型、有限元模型、动力模型或者三种模型的混合建模形式，建立完整的产品的耦合方程，从而实现数字孪生模型的多物理场的耦合。

40、2.首先数字孪生模型建模数据均来源于真实的物理实体数据；其次以实际监测数据为参照物进行修正对初步建立完成的数字孪生模型的参数进行修正；最后按照产品实时监测运行数据对前期修正完毕的拆分零件数字孪生模型进行在线的参数调整，保证了数字孪生模型的实时更新性。

41、3.针对服务控制层与产品性能的监测与寿命预测模块以及物理系统及信号采集系统层的信息交互与反馈问题，关于产品监测与寿命预测阶段的信息反馈问题，首先，零件的预测精度进行分开的精度评价，保证了零件预测之间的互不干扰。其次对计算的零件预测精度经过加权评价，得到更为客观、准确的监测结果。将监测结果输入到产品的服务控制层系统，对产品进行客户信息的采集和交互，将交互后的信息反馈到物理实体，实现了产品性能监测的完善。

42、4.本发明基于数字孪生的产品性能和退化状态分析方法建立的机电产品拆分的数字孪生模型可以重用，避免重复的领域知识分析。设计者通过构建一个统一框架或者一个规范模型来减少概念和术语上的差异，保证性能监测和寿命预测设计过程中数据与信息交互的统一性与快捷性。