[发明专利]机理-数据异构信息融合的旋转机械数字孪生建模方法

权利要求书

1.机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，包括以下步骤：

步骤1，基于旋转机械机构的物理实体，建立旋转机械机构的几何模型，根据旋转机械机构的实际服役行为，构造适宜裂纹奇异性建模与求解的小波有限元模型，并据此建立旋转机械机构的损伤耦合机理下的动力学白箱模型；

步骤2，物理空间实时采集旋转机械机构在不同服役时间与剩余寿命、典型损伤下的多源动态数据，提取多源动态数据的特征数据；考虑关联性将物理空间采集的离散数据投影到历史演化时间维度，建立基于大数据统计与网络系统的黑箱模型；

步骤3，采用高维正交法将白箱模型和黑箱模型进行异构融合，得到机理与数据驱动的复合异构混合模型，建立从物理空间到信息空间的关联映射特征，形成完备的数字孪生灰箱模型。

2.根据权利要求1所述的机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，所述旋转机械机构为液力变矩器、齿轮箱或轴承。

3.根据权利要求1所述的机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，所述建立旋转机械机构的几何模型，具体为：利用光电非接触式三坐标测量仪与硅橡胶法采集旋转机械机构的表面离散点云数据，再通过逆向特征求解并拟合空间曲面，建立与旋转机械机构的物理实体具有镜像关系的数字化逆向几何模型。

4.根据权利要求1所述的机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，所述建立旋转机械机构的损伤耦合机理与动力学白箱模型，具体步骤为：

(1.1)根据旋转机械机构的工况特性，选取对应的流-固-热耦合理论，再基于流场、结构场与温度场的三维模型，构建流-固-热耦合动力学模型；

(1.2)采用多点激励法在LMS Test.Lab Desktop中对旋转机械机构的零件拆解结构进行试验模态研究，根据每个旋转件的各阶固有频率与典型振型，建立振动-耦合动力学模型；

(1.3)根据不同的工况环境，建立对应工况下旋转件的工作性能；

其中，不同工况的变量因素为温度、转速和载荷；所述工作性能为旋转件的损伤变形和压力差；

(1.4)考虑旋转机械机构服役过程中宏观行为的微演变和性能恶化的非线性因素，在ANSYS软件中构造适宜裂纹奇异性建模与求解的小波有限元模型；将含损伤的刚度性能表征延伸至旋转机械机构的旋转件曲面结构，模拟在不同损伤条件下的动态响应，描述旋转机械机构多种工况和典型损伤下的耦合机理与作业机制，构建结构参数与服役寿命之间的多维数字孪生理论白箱模型；

其中，所述动态响应包含系统输出的固有频率、振动模态、典型振型、静载荷、动载荷、振动和噪声；所述结构参数包含旋转件的角度、数量、厚度，循环圆、转速、扭矩和温度。

5.根据权利要求2所述的机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，当旋转机械机构为液力变矩器时，其动力学模型是输入轴与输出轴上的动力学参数之间的关系，所述动力学参数为动态转矩、转速以及转速比。

6.根据权利要求1所述的机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，所述多源动态信号为压力信号、流量信号、转速信号、温度信号、扭矩信号和振动信号。

7.根据权利要求6所述的机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，所述提取多源动态数据的特征数据，具体为：对所述多源动态数据进行预处理，采用优化最小算法对预处理后的数据进行稀疏降噪滤波，得到旋转机械机构的振动特征数据；

其中，所述预处理为对采集的多源动态数据依次进行规范化、剥离趋势项、插补缺失值处理。

8.根据权利要求1所述的机理-数据异构信息融合的旋转机械数字孪生建模方法，其特征在于，所述异构融合采用高斯混合模型对白箱模型与黑箱模型进行异构融合。