[发明专利]基于数字孪生的列车牵引电机轴承全生命周期管理方法

权利要求书

1.一种基于数字孪生的列车牵引电机轴承全生命周期管理方法，其特征在于，包括以下步骤：

步骤S1：数据存储与融合模块通过数据获取与传输模块采集物理空间中牵引电机轴承的离线数据，并直接采集获取牵引电机轴承的在线数据后发送到数字空间；

步骤S2：数字空间中的数据分析模块对轴承进行故障诊断以及轴承剩余使用寿命的预测；

步骤S3：数据分析模块将得到的轴承故障诊断结果和剩余使用寿命预测结果传输至数据存储与融合模块，供MR人机交互模块调用；

步骤S4：数字空间中的虚拟数字孪生体用以实现电机轴承运行状态的高逼真度仿真，建立物理空间轴承实时运行状态到数字空间的映射；

步骤S5：MR人机交互模块实现轴承运行状态的可视化和轴承维保操作指导。

2.根据权利要求1所述的一种基于数字孪生的列车牵引电机轴承全生命周期管理方法，其特征在于，所述的步骤S1中，物理空间的在线数据包括轴承载荷、轴承转速、电机转矩以及动态变化的环境参数，在线数据与离线数据中的环境参数包括电机运行环境的湿度和温度。

3.根据权利要求1所述的一种基于数字孪生的列车牵引电机轴承全生命周期管理方法，其特征在于，所述的步骤S1中，数据获取与传输模块包括依次连接的传感器网络、工业通信协议、微控制器、总控制器和数据采集器，所述的传感器网络包括霍尔传感器、红外传感器、磁电式扭矩传感器、光电式速度传感器和麦克风阵列，所述的霍尔传感器用以测量轴承体所受电流，所述的磁电式扭矩传感器用以测量轴承所受转矩，所述的光电式速度传感器用以测量牵引电机转子的转速，所述的微控制器用以接入测量数据，适配总线和工业通信协议，所述的总控制器用以汇聚不同微控制器信号，并转换为统一格式，所述的数据采集器用以接收总控制器的汇聚数据，通过TCP协议将数据传输至数据存储与融合模块。

4.根据权利要求3所述的一种基于数字孪生的列车牵引电机轴承全生命周期管理方法，其特征在于，所述的步骤S1中，数据存储与融合模块包括物联网服务器与Mysql数据库；

所述的物联网服务器用以接收数据采集器传输的轴承实时状态数据，对数据进行数据清洗、分类以及特征的提取与识别；

所述的Mysql数据库用于集成物理空间中轴承的运行数据信息和数字空间的分析结果数据，并对数据进行深度融合，包括物理空间中轴承的各种离线与在线数据、数字空间的分析结果信息和基于历史故障轴承运行数据制定的维保策略。

5.根据权利要求1所述的一种基于数字孪生的列车牵引电机轴承全生命周期管理方法，其特征在于，所述的步骤S2中，数据分析模块对轴承进行故障诊断的过程具体为：

步骤S201，根据轴承几何参数和材料参数建立电机轴承ANSYS分析模型，以轴承的实时运行数据作为输入得出轴承各部件在运行状态中的应力、应变和变形的分析结果；

步骤S202，将轴承分析结果导入到simpack中建立基于刚柔耦合的车辆与轨道simpack系统动力学模型；

步骤S203，以轴承的实时运行数据和历史运行数据为输入，驱动模型进行融合分析，实现轴承具体故障缺陷诊断。

6.根据权利要求2所述的一种基于数字孪生的列车牵引电机轴承全生命周期管理方法，其特征在于，所述的步骤S2中的数据分析模块对轴承剩余使用寿命进行预测过程具体为：

步骤S211：将轴承的历史运行数据划分为训练集与测试集；

步骤S212：基于长短时神经网络建立LSTM预测模型，根据训练集的数据进行模型训练；

步骤S213：根据测试集测试模型的预测性能，并利用随时间反向传播算法调整LSTM网络区块权重，进行多次模型训练，使模型的预测性能达到最优，当测试的误差小于最小重构误差时，完成模型训练；

步骤S214：以实时运行数据作为完成训练模型的输入，获取当前轴承剩余寿命的预测值。