[发明专利]一种基于数字孪生技术的智能装备健康管理方法

权利要求书

1.一种基于数字孪生技术的智能装备健康管理方法，其特征在于，包括以下步骤：

S1、获取智能装备的运行数据；

S2、根据智能装备的运行数据，通过深度神经网络得到智能装备的数字孪生体运行参数；

S3、根据智能装备的数字孪生体运行参数，对智能装备的数字孪生体进行仿真运行，得到仿真运行结果；

S4、根据仿真运行结果生成智能装备的健康管理模型；

S5、通过智能装备的健康管理模型对智能装备进行健康管理；

所述S2包括以下分步骤：

S21、将智能装备的运行数据进行concat特征融合，得到融合特征X；

S22、将融合特征X作为训练样本输入深度神经网络，对深度神经网络进行迭代权重更新，直至深度神经网络收敛，得到训练好的深度神经网络；

S23、将融合特征X输入训练好的深度神经网络，输出得到智能装备的数字孪生体运行参数。

2.根据权利要求1所述的智能装备健康管理方法，其特征在于，所述S1中智能装备的运行数据包括智能装备的运行时长、温度、振幅和产能。

3.根据权利要求2所述的智能装备健康管理方法，其特征在于，所述振幅的获取方法为：

A1、获取智能装备运行时的振动信号；

A2、对振动信号进行频域转换，得到频域振动信号；

A3、对频域振动信号进行傅里叶反变换，得到时域信号；

A4、将时域信号对应的振动幅值作为智能装备的振幅。

4.根据权利要求1所述的智能装备健康管理方法，其特征在于，所述S22中对深度神经网络进行迭代权重更新的公式为：

其中W_i^l表示深度神经网络第l层第i次迭代更新时的权重，表示学习率，Loss表示深度神经网络的损失函数，其计算公式为：

其中x_j表示融合特征X中的第j个数据，表示融合特征X中数据均值，n表示融合特征X中的数据量。

5.根据权利要求1所述的智能装备健康管理方法，其特征在于，所述S23中输出得到智能装备的数字孪生体运行参数的公式为：

其中Y表示智能装备的数字孪生体运行参数，W^l表示深度神经网络第l层的权重，N表示深度神经网络的网络层数，P(·)表示激活函数，其计算公式为：

其中x表示激活函数的自变量，a表示控制参数。

6.根据权利要求1所述的智能装备健康管理方法，其特征在于，所述S3中的仿真运行结果具体为：

假设事件A：智能装备的数字孪生体运行时长大于预设时长阈值；事件B：智能装备的数字孪生体温度大于预设温度阈值；事件C：智能装备的数字孪生体振幅大于预设振幅阈值；事件D：智能装备的数字孪生体产能小于预设产能阈值；

若事件A、B、C、D均未发生，则智能装备的数字孪生体处于健康状态；若事件A、B、C、D部分发生，则智能装备的数字孪生体处于亚健康状态；若事件A、B、C、D均发生，则智能装备的数字孪生体处于不健康状态。

7.根据权利要求1所述的智能装备健康管理方法，其特征在于，所述S4中智能装备的健康管理模型具体为：

其中HM表示智能装备的健康管理模型，PC_a表示第a个感知控制模块，A表示感知控制模块总数，DP_b表示第b个数据处理模块，B表示数据处理模块总数，MC_k表示第k个模型构建模块，K表示模型构建模块总数，EM_h表示第h个装备维修模块，H表示装备维修模块总数。