光伏切割设备传动齿轮混合驱动磨损预测与精度保持方法

本发明涉及光伏硅片切割装备智能运维，尤其涉及一种光伏切割设备传动齿轮混合驱动磨损预测与精度保持方法。

背景技术：

1、金刚线多线切割技术是光伏硅片规模化、薄片化生产的关键工艺，切割设备中的齿轮传动系统承担电机动力传递、线辊驱动及进给机构传动等功能，齿轮啮合传动的平稳性和精度直接影响金刚线张力稳定性、硅片切割厚度均匀性及表面质量，因此传动齿轮的磨损状态监测、寿命预测和精度保持是保障光伏硅片高良率生产的重要基础。

2、光伏金刚线切割设备通常具有超长时间连续作业、交变重载、冲击载荷频繁和温度波动明显等特点，单次切割作业时长可超过72小时，传动齿轮在长期运行中持续承受高频交变切割阻力、冲击载荷和温度交变作用，齿面接触应力分布复杂，磨损演化过程呈现明显非线性，传统齿轮磨损估算方法多依赖固定经验公式或单一阈值监测，难以适应实时载荷波动、温度变化和润滑状态变化，也难以及时识别轻微点蚀、渐进式磨损等早期缺陷。

3、现有基于数据驱动的齿轮状态监测方法虽然能够利用历史数据进行故障识别或趋势预测，但通常缺乏齿轮接触力学、润滑磨损机理等物理规律约束，模型可解释性较弱，且对训练样本质量、设备批次和工况分布高度敏感，当设备发生工艺参数调整、润滑状态变化、设备老化或工况漂移时，预测精度容易下降，另一方面，传统机理模型虽然具有一定物理可解释性，但依赖齿面粗糙度、油膜特性、材料硬度、磨损系数等难以实时准确标定的参数，现场适配性不足。

4、此外，现有齿轮运维方式多停留在状态监测、故障报警或固定周期检修层面，难以将磨损预测结果与伺服控制系统、数字孪生系统及精度补偿策略有效联动，无法在齿轮磨损早期对齿隙变化和传动误差进行主动修正，容易造成硅片线痕、厚薄不均、碎片等质量缺陷，并增加非计划停机和维护成本，因此，亟需一种兼顾物理机理约束、数据驱动修正、工况自适应、早期磨损预测和闭环精度调控的光伏切割设备传动齿轮混合驱动磨损预测与精度保持方法。

技术实现思路

1、为了解决现有技术存在的技术问题，本发明实施例提供了一种光伏切割设备传动齿轮混合驱动磨损预测与精度保持方法。所述技术方案如下：

2、一种光伏切割设备传动齿轮混合驱动磨损预测与精度保持方法，包括以下步骤：

3、s1：在光伏硅片金刚线多线切割设备的传动齿轮箱关键位置部署多源传感网络，在线采集齿轮运行过程中的振动信号、温度信号、扭矩信号、转速信号以及切割工艺负荷参数，并对采集的数据进行预处理，生成标准化多维时序数据集；

4、s2：构建磨损机理基准模型，所述磨损机理基准模型基于齿轮啮合动力学、hertz接触理论、弹流润滑理论和archard磨损模型，根据实时工况参数计算齿轮齿面理论累计磨损深度基准值；

5、s3：构建磨损残差修正模型，所述磨损残差修正模型基于时序卷积网络与双向门控循环单元构建，用于学习所述磨损机理基准模型输出值与实际磨损测量值之间的残差映射关系，并输出磨损残差补偿值；

6、s4：基于所述磨损机理基准模型的输出和所述磨损残差修正模型的输出，采用自适应加权融合策略，获得传动齿轮的混合磨损预测值，并输出齿轮累计磨损深度、磨损速率、啮合精度退化趋势和剩余使用寿命预测结果；

7、s5：将由所述磨损机理基准模型、磨损残差修正模型和自适应加权融合策略构成的混合驱动预测模型嵌入数字孪生系统，根据齿轮磨损预测结果执行齿隙补偿、伺服控制参数调节和运维预警，以实现传动齿轮磨损预测与精度保持。

8、作为本发明的进一步方案，所述多源传感网络包括三轴mems加速度计、红外温度传感器、热电偶、扭矩传感器和增量编码器；所述振动信号包括齿轮箱体振动加速度信号，所述温度信号包括齿面啮合区温度信号，所述扭矩信号包括轮轴扭矩载荷谱，所述转速信号包括齿轮转速信号，所述切割工艺负荷参数包括进刀速度和金刚线张力中的一种或多种。

9、作为本发明的进一步方案，所述预处理包括缺失值插补、小波阈值降噪、z-score标准化和多源数据时序对齐，以去除现场高频噪声干扰并形成统一时间基准下的标准化多维时序数据集。

10、作为本发明的进一步方案，所述磨损机理基准模型根据实时扭矩载荷谱换算齿面法向啮合力，并基于齿面法向啮合力计算齿面接触应力、相对滑动速度和啮合滑动距离，进而基于archard磨损模型求解齿面理论累计磨损深度基准值。

11、作为本发明的进一步方案，所述磨损机理基准模型进一步引入基于arrhenius公式的温度修正因子，对齿面温升和油膜黏度衰减引起的磨损系数变化进行实时补偿，以获得适配当前工况的齿面理论累计磨损深度基准值。

12、作为本发明的进一步方案，所述磨损残差修正模型包括依次连接的tcn膨胀卷积层、空间注意力模块、双向gru时序捕捉层和全连接回归层；其中，所述tcn膨胀卷积层用于提取多尺度磨损时序特征，所述空间注意力模块用于强化敏感磨损信号权重，所述双向gru时序捕捉层用于捕捉齿轮磨损演化过程中的长期依赖关系，所述全连接回归层用于输出磨损残差补偿值。

13、作为本发明的进一步方案，所述磨损残差修正模型采用即时学习微调策略，在模型推理过程中检索与当前工况相似的历史样本，对模型参数进行本地化微调，以适应不同设备批次、润滑状态变化、设备老化和工艺参数变化导致的工况漂移。

14、作为本发明的进一步方案，所述自适应加权融合策略基于预设时间窗内磨损机理基准模型和磨损残差修正模型的预测误差动态计算加权系数，并按照如下公式获得混合磨损预测值：

15、

16、其中dphys为磨损机理模型的理论输出，ê为残差修正模型的输出，加权系数ω根据两模型实时精度动态自适应调节。

17、作为本发明的进一步方案，所述数字孪生系统基于所述混合磨损预测值生成齿轮磨损状态可视化结果、齿面磨损形貌热力图和关键参数磨损贡献度分析结果；当预测得到的齿轮啮合齿隙增量超过预设精度阈值时，自动计算齿隙补偿量，并调节伺服电机进给参数和位置环增益；当预测得到的剩余使用寿命低于预设寿命阈值时，触发设备运维预警，并生成预测性维护计划。

18、本发明提供一种光伏切割设备传动齿轮混合驱动磨损预测与精度保持系统，包括：

19、多源传感网络：部署于传动齿轮箱关键位置，用于在线采集振动、温度、扭矩、转速及工艺负荷数据；

20、数据预处理模块：用于对传感数据进行插补、滤波、标准化和时间对齐处理；

21、磨损机理模型模块：基于hertz接触理论和archard模型，输出齿面理论磨损深度；

22、磨损残差修正模块：基于时序卷积网络和双向门控循环单元构建，输出磨损残差补偿值；

23、自适应融合模块：用于动态加权融合机理模型与机器学习模型的输出，得出磨损深度与剩余寿命预测值；

24、数字孪生优化模块：用于根据磨损预测结果执行精度补偿与维修预警。

25、本发明实施例提供的技术方案带来的有益效果至少包括：

26、1、 本发明通过“磨损机理基准模型+磨损残差修正模型”的混合驱动预测架构，将hertz接触理论、齿轮啮合动力学、弹流润滑理论、archard磨损模型及arrhenius温度修正因子与tcn-bigru深度学习残差修正模型相结合，既能够保证齿轮磨损预测结果符合机械传动、齿面接触、润滑和磨损演化的客观规律，又能够利用多源传感时序数据对机理模型难以覆盖的工况扰动、设备批次差异、润滑状态变化及设备老化等非线性残差进行动态补偿，因此，相较于单一物理机理模型或纯数据驱动模型，本发明能够有效弥补机理模型工况适配不足和纯数据模型泛化能力较弱的问题，提高复杂工况下齿轮磨损预测的精度、稳定性和可解释性，同时，通过即时学习微调策略，可针对光伏硅片金刚线切割设备长时间连续运行、变载荷、多干扰及多批次量产场景中的工况漂移进行本地化适配，使模型在不同设备批次和不同运行状态下均保持较高预测可靠性。

27、2、 本发明进一步将混合驱动磨损预测结果嵌入数字孪生系统，形成“数据采集—磨损预测—精度评估—补偿调控—运维预警—数据反馈”的闭环控制体系，当预测得到的齿轮啮合齿隙增量超过预设精度阈值时，系统能够自动计算齿隙补偿量，并通过调节伺服电机进给参数和位置环增益对传动误差进行主动补偿，从而延缓齿轮磨损导致的传动精度衰减，延长设备高精度运行周期，稳定金刚线切割精度，降低硅片线痕、厚薄不均等质量缺陷风险，当预测得到的剩余使用寿命低于预设寿命阈值时，系统能够及时触发运维预警，并基于齿轮真实磨损状态和长期磨损演化规律生成预测性维护计划，从而避免传统定期检修和固定周期更换方式造成的过度运维或滞后运维问题，减少非计划停机时间，降低备件更换、人工检修和生产损耗成本，提升设备综合稼动率和硅片切割良品率。