一种径向滑动轴承润滑状态数字孪生方法及系统
本发明属于滑动轴承状态监测与数字孪生,具体涉及一种径向滑动轴承润滑状态数字孪生方法及系统。
背景技术:
1、径向滑动轴承依靠轴颈与轴瓦之间形成的润滑油膜承受载荷并降低摩擦,其油膜厚度、压力分布、温度分布及摩擦发热状态直接影响轴承的承载能力、运行稳定性和服役寿命。由于轴承内部空间封闭、油膜尺度较小,压力场、温度场及最小油膜厚度等关键润滑参数难以通过常规传感器直接、连续地在线获取,现有监测方式通常只能利用轴瓦温度、振动、转速或供油参数间接判断润滑状态,难以准确反映轴承内部润滑物理场的演化过程。
2、超声油膜厚度测量具有非侵入、响应速度快及适于在线监测等特点,可为轴心位置和油膜状态识别提供数据基础。然而,不同周向测点受探头耦合状态、回波衰减、局部结构差异及环境噪声影响,其超声信号质量和膜厚计算稳定性存在差异。现有方法通常直接采用单测点测量结果,或者对多测点膜厚进行等权几何反算,未充分区分各测点数据的可信程度。当局部测点出现信噪比下降、频带内膜厚结果离散或异常波动时,容易造成轴心位置及轴心运动速度重构失真。
3、现有热弹流模型能够通过reynolds方程、能量方程及平均流量模型计算轴承压力场和温度场,但模型中的黏温关系参数、粗糙度等效参数、供油边界参数、热边界参数及换热参数通常依赖经验设定,且可能随工况及服役状态变化。采用固定参数建立的虚拟模型难以持续匹配物理轴承,容易产生系统性预测偏差。若对全部不确定参数同时校准,又会造成参数维数较高、参数间耦合明显及校准结果不易收敛等问题。
4、此外,热弹流模型需要对压力、温度、黏度和流量等变量进行迭代耦合求解,计算量较大,难以直接满足数字孪生系统的在线交互要求。现有代理模型多针对单一压力场、单一温度场或个别润滑物理量分别训练,缺少物理方程、边界条件以及物理场与物理量之间的一致性约束,可能出现预测压力场与预测承载力不匹配、预测温度场与预测黏度或摩擦力不一致等问题。
5、在润滑状态评估方面,现有方法多依据温度、振动或最小油膜厚度等单一指标设置固定阈值,难以同时表征膜厚不足、压力超限、黏度衰减及摩擦发热等复合风险。同时,现有数字孪生系统通常缺少利用实测量与预测量之间的虚实残差评价模型保真度并修正风险结果的机制。当模型精度随工况变化或轴承状态演化而下降时,可能导致状态误判或预警滞后。
6、因此,现有技术仍难以兼顾多测点超声数据的可靠融合、热弹流模型的实测校准、润滑物理场的快速一致预测以及基于虚实反馈的综合风险评估。
技术实现思路
1、本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种径向滑动轴承润滑状态数字孪生方法及系统,用于解决径向滑动轴承润滑状态监测中,多测点超声油膜厚度数据质量不一致导致轴心状态重构可靠性不足,热弹流模型参数依赖经验设定且难以随工况进行修正,模型耦合求解耗时长而难以满足在线预测要求,单一物理场代理模型缺少场-量一致性,以及传统阈值评估难以结合模型保真度识别复合润滑风险的技术问题,实现轴心状态的可信重构、润滑模型的实测校准、压力场和温度场及关键物理量的快速协同预测,并根据虚实残差完成润滑风险反馈修正、分级评估和异常预警。
2、本发明采用以下技术方案:
3、第一方面,一种径向滑动轴承润滑状态数字孪生方法,包括以下步骤:
4、获取多个周向超声测点的油膜厚度、回波信号质量和膜厚计算稳定性;根据所述回波信号质量和膜厚计算稳定性确定综合可信权重,根据所述油膜厚度和综合可信权重采用带权约束最小二乘方法重构得到由轴心位置和轴心运动速度组成的轴心状态;
5、获取工况参数及多源实测量,将所述轴心位置、轴心运动速度和工况参数输入热弹流模型得到模型预测量;通过扰动灵敏度分析筛选待校准敏感参数,根据所述多源实测量与模型预测量的偏差进行贝叶斯参数校准,并根据后验预测残差建立工况相关补偿模型,得到润滑状态数字孪生模型;
6、在轴心状态和工况参数预设区间内选取工况样本点,将所述工况样本点输入润滑状态数字孪生模型得到压力场、温度场和关键润滑物理量,构建润滑样本数据库,利用所述润滑样本数据库训练场-场-量协同神经算子代理模型;
7、将当前轴心状态和工况参数输入所述代理模型得到压力场、温度场和关键润滑物理量,据此构建基础润滑风险指数;根据所述多源实测量与对应预测量的虚实残差修正基础润滑风险指数,得到综合润滑风险指数并确定润滑状态等级。
8、进一步地,多个所述周向超声测点位于径向滑动轴承的同一轴向平面内,并沿径向滑动轴承周向间隔布置;根据各超声测点的安装角度、轴承半径间隙、油膜厚度及测量零位偏差,建立各超声测点的油膜厚度与轴心位置之间的几何观测关系,并根据所述几何观测关系构建轴心位置观测矩阵。
9、进一步地,所述回波信号质量由超声回波信号的信噪比确定,所述膜厚计算稳定性由同一超声测点在有效频带内不同频率处计算得到的油膜厚度离散程度确定;对所述回波信号质量和膜厚计算稳定性进行融合,得到各超声测点的综合可信权重;根据所述油膜厚度与轴心位置之间的几何观测关系以及所述综合可信权重构建带权观测模型,在轴心位置位于轴承半径间隙限定范围内的约束下求解带权约束最小二乘问题,得到轴心位置,并根据连续采样时刻的轴心位置及采样间隔得到轴心运动速度。
10、进一步地,所述热弹流模型基于reynolds方程、能量方程和平均流量模型建立,所述关键润滑物理量包括最大油膜压力、最高油膜温度、承载力、摩擦力和泄漏流量;所述待校准敏感参数的筛选包括:对候选待校准参数分别施加预设比例扰动,根据模型预测量的相对变化与对应候选待校准参数的相对扰动之比确定参数灵敏度,将参数灵敏度大于预设灵敏度阈值的候选待校准参数确定为待校准敏感参数。
11、进一步地,所述候选待校准参数包括黏温关系参数、平均流量模型参数、粗糙度等效参数、供油边界参数、热边界参数和换热参数中的至少一种;
12、所述多源实测量中用于贝叶斯参数校准的实测量与所述热弹流模型对应的模型预测量一一对应;以所述待校准敏感参数为随机变量,以所述待校准敏感参数的物理取值范围作为先验约束,根据所述用于贝叶斯参数校准的实测量与对应模型预测量之间的偏差构建观测似然函数,得到所述待校准敏感参数的后验分布。
13、进一步地,根据所述后验分布更新所述热弹流模型的待校准敏感参数;所述工况相关补偿模型以轴心位置、轴心运动速度和工况参数组成的工况向量为输入,以更新后的热弹流模型的后验预测残差为输出;将更新后的热弹流模型输出与所述工况相关补偿模型输出叠加,得到所述润滑状态数字孪生模型的输出。
14、进一步地,所述润滑样本数据库的生成包括:在轴心状态和工况参数的预设区间内采用拉丁超立方采样选取多个工况样本点,将各工况样本点输入所述润滑状态数字孪生模型,得到对应的压力场、温度场和关键润滑物理量;所述场-场-量协同神经算子代理模型采用deep operator network(deeponet)神经算子网络架构,包括用于提取轴心状态和工况参数的工况特征的分支网络、用于提取轴承油膜空间坐标的空间特征的主干网络、压力场输出分支、温度场输出分支和关键润滑物理量输出分支。
15、进一步地,所述轴承油膜空间坐标包括周向坐标和轴向坐标,所述周向坐标采用正弦函数和余弦函数进行周期编码,所述轴向坐标采用原始轴向坐标和fourier特征进行编码;
16、训练所述场-场-量协同神经算子代理模型时,将压力非负条件、压力边界条件、温度边界条件和温度物理范围条件作为边界条件硬约束;
17、所述场-场-量协同神经算子代理模型的训练软约束包括:
18、用于约束预测压力场和预测温度场与所述润滑样本数据库中的压力场和温度场相匹配的润滑物理场拟合约束;
19、通过将预测压力场、由预测温度场确定的黏度场、油膜厚度、轴心运动挤压项和工况参数代入reynolds方程计算残差而构建的reynolds方程残差约束;
20、通过将预测温度场、预测压力场、黏度场、平均速度场、热扩散项、剪切耗散项和压力流耗散项代入能量方程计算残差而构建的能量方程残差约束;
21、用于约束关键润滑物理量预测值与所述润滑样本数据库中的关键润滑物理量相匹配的直接物理量拟合约束;以及用于约束所述关键润滑物理量预测值与根据预测压力场和预测温度场导出的关键润滑物理量相一致的场-量一致性约束。
22、进一步地,根据当前轴心位置和轴承半径间隙确定最小油膜厚度,并根据所述最小油膜厚度与综合表面粗糙度之间的膜厚比确定膜厚裕度风险;根据所述场-场-量协同神经算子代理模型预测的最大油膜压力与轴瓦材料许用压力之间的关系确定最大压力裕度风险,根据所述场-场-量协同神经算子代理模型预测的最高油膜温度对应的润滑油黏度衰减程度确定温度黏度裕度风险,根据所述场-场-量协同神经算子代理模型预测的摩擦力对应的摩擦功率与润滑系统散热能力之间的关系确定摩擦发热风险;对所述膜厚裕度风险、最大压力裕度风险、温度黏度裕度风险和摩擦发热风险进行归一化和加权融合,得到基础润滑风险指数;
23、所述多源实测量中用于虚实残差计算的实测量包括温度测点实测值、压力测点实测值和摩擦力实测值中的至少一种,将所述实测量分别与所述场-场-量协同神经算子代理模型对应的温度预测值、压力预测值和摩擦力预测值进行比较,得到对应的虚实残差;
24、对所述虚实残差进行归一化和加权融合得到综合虚实残差,根据所述综合虚实残差确定模型保真度评价指标,并利用所述模型保真度评价指标对所述基础润滑风险指数进行修正,得到综合润滑风险指数;根据所述综合润滑风险指数的大小、变化趋势、持续时间和所述模型保真度评价指标确定润滑状态等级。
25、第二方面,本发明实施例提供了一种径向滑动轴承润滑状态数字孪生系统,包括:
26、超声膜厚感知模块,用于采集径向滑动轴承周向多个超声测点处的超声信号,并获得各超声测点处的油膜厚度、回波信号质量和膜厚计算稳定性;
27、多源工况采集模块,包括温度采集单元、载荷采集单元、转速采集单元、供油压力采集单元、摩擦力采集单元和流量采集单元,用于采集径向滑动轴承运行过程中的温度、载荷、主轴转速、供油压力、摩擦力和流量数据;
28、数据处理模块,用于根据所述超声膜厚感知模块和多源工况采集模块获得的数据,基于所述回波信号质量和膜厚计算稳定性确定各超声测点的综合可信权重,并采用带权约束最小二乘方法重构轴心位置和轴心运动速度;
29、润滑状态数字孪生模型建模模块,用于建立输出压力场、温度场及关键润滑物理量的热弹流模型,通过扰动灵敏度分析筛选所述热弹流模型的待校准敏感参数,基于多源实测量与模型预测量之间的偏差进行贝叶斯参数校准,并根据后验预测残差进行工况相关补偿,得到润滑状态数字孪生模型;
30、代理模型加速模块,用于利用所述润滑状态数字孪生模型生成润滑样本数据库,训练场-场-量协同神经算子代理模型,并根据当前轴心位置、轴心运动速度和工况参数预测压力场、温度场及关键润滑物理量;
31、润滑状态评估与预警模块,用于根据预测的压力场、温度场及关键润滑物理量构建基础润滑风险指数,根据实测量与对应预测量之间的虚实残差修正所述基础润滑风险指数,得到综合润滑风险指数,并根据所述综合润滑风险指数确定润滑状态等级,输出润滑状态分级评估结果和预警信息。
32、与现有技术相比,本发明至少具有以下有益效果:
33、一种径向滑动轴承润滑状态数字孪生方法,建立了由超声感知、轴心状态重构、数字孪生模型校准、代理模型预测及虚实反馈评估组成的完整技术链。利用多测点超声油膜厚度数据获得轴心位置和轴心运动速度,使数字孪生模型能够以实际轴心状态作为输入;通过贝叶斯参数校准和工况相关补偿减小理论模型与物理轴承之间的偏差;利用场-场-量协同神经算子降低热弹流模型在线求解负担;再根据虚实残差修正润滑风险指数。由此兼顾润滑状态感知可靠性、模型保真度、在线预测时效性和预警结果可信度。
34、进一步的,将多个超声测点布置在同一轴向平面,并根据测点安装角度、轴承半径间隙、油膜厚度及零位偏差建立几何观测关系。该设置的目的在于将不同周向位置的局部油膜厚度统一映射至同一二维坐标系,使轴心位置求解具有明确的几何基础。相比采用单个测点判断轴心偏移,多测点观测能够提供相互补充的空间信息,并为后续带权融合和异常测点抑制提供数据冗余。
35、进一步的,同时依据超声回波信号的信噪比和有效频带内膜厚计算离散程度确定测点综合可信权重,使权重能够反映测量信号质量及膜厚结果稳定性。采用带权约束最小二乘方法时,高可信测点对轴心求解结果具有较大贡献,低可信或异常测点的影响受到抑制;同时利用轴心位置物理范围进行约束,可避免噪声引起的不合理求解结果。根据连续轴心位置计算运动速度,还表征轴心动态变化,为包含挤压效应的润滑模型提供状态输入。
36、进一步的,基于reynolds方程、能量方程和平均流量模型建立热弹流模型,联合描述油膜压力、温度、流动及粗糙表面效应,并输出最大油膜压力、最高油膜温度、承载力、摩擦力和泄漏流量等关键润滑物理量。对候选参数实施扰动灵敏度分析的目的在于识别对模型输出影响较大的参数,避免对大量低敏感参数进行无差别校准,降低参数校准维数和参数耦合程度,提高模型校准的针对性。
37、进一步的,将黏温关系、平均流量、粗糙度、供油边界、热边界及换热参数纳入候选校准范围,能够覆盖造成热弹流模型与实际运行状态偏差的主要不确定因素。贝叶斯参数校准同时利用参数物理取值范围和多源实测量与预测量之间的偏差,在物理约束下获得敏感参数的后验分布。不仅能够修正经验参数,还表征参数估计的不确定性,减少仅采用单一确定值造成的模型失配。
38、进一步的,利用敏感参数后验分布更新热弹流模型,并设置工况相关补偿模型对校准后仍存在的预测残差进行补偿。贝叶斯校准主要修正模型参数偏差,工况相关补偿则用于处理理论模型未充分描述的系统性偏差,二者形成机理校准与数据补偿相结合的模型修正结构。将轴心状态和工况参数作为补偿模型输入,使补偿量随实际运行条件变化,避免采用固定修正量在不同工况下产生新的预测误差。
39、进一步的,通过拉丁超立方采样在轴心状态和工况参数范围内选取样本,可提高样本对多维工况空间的覆盖程度。利用校准后的数字孪生模型生成压力场、温度场和关键润滑物理量样本,能够为代理模型提供具有润滑机理基础的数据。deeponet神经算子网络通过分支网络编码工况特征、主干网络编码空间特征,并设置多个输出分支,在统一模型中预测不同空间位置的物理场及关键物理量,减少在线迭代求解耗时。
40、进一步的,采用正弦函数和余弦函数编码周向坐标,可适配径向滑动轴承油膜物理场的周向周期特性;利用原始轴向坐标和fourier特征编码轴向位置,有利于表征轴向分布中的不同尺度变化。将压力非负、压力边界、温度边界和温度物理范围作为硬约束,直接排除不符合物理条件的输出;将润滑物理场拟合、物理方程残差及场-量一致性设置为软约束,可降低物理场预测结果与关键物理量预测结果相互矛盾的风险。
41、进一步的,综合膜厚裕度、最大压力裕度、温度黏度裕度和摩擦发热风险,可从油膜分离能力、材料承压能力、润滑油性能衰减及热平衡状态等不同方面评价润滑风险,避免单一温度或膜厚阈值评价的片面性。进一步利用温度、压力和摩擦力实测量与预测量之间的虚实残差对基础风险指数进行修正,在模型保真度下降或运行状态突变时及时调整评估结果。结合风险指数大小、变化趋势及持续时间进行分级,有助于减少瞬时波动造成的误报。
42、可以理解的是,上述第二方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
43、综上所述,本发明融合多测点超声油膜厚度数据,重构可信轴心状态,并结合热弹流模型校准、残差补偿和场-场-量协同神经算子,快速预测润滑物理场及关键物理量;利用虚实残差修正风险指数,提高润滑状态评估和预警的可靠性。
44、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com