1. 南京工业大学机械与动力工程学院
2. 江苏省工业装备数字制造及控制技术重点实验室
纸质出版:2025
移动端阅览
汪健, 王华, 戴天赐, 等. 基于数字孪生的滚动轴承故障诊断方法研究[J]. 传感器与微系统, 2025,(3):17-20.
汪健, 王华, 戴天赐, 等. 基于数字孪生的滚动轴承故障诊断方法研究[J]. 传感器与微系统, 2025,(3):17-20. DOI: 10.13873/J.1000-9787(2025)03-0017-04.
DOI:
针对传统滚动轴承故障诊断方法诊断当下复杂设备仍具有一定的局限性的问题,提出一种基于数字孪生驱动的滚动轴承故障诊断方法。首先,构建滚动轴承的数字孪生体,通过动力学仿真获取故障特征数据;其次,利用包络谱分析验证数据的有效性;最后,利用深度学习对仿真数据进行分析,并以迁移学习的方式实现对物理空间实体设备的故障诊断。实验结果表明,以滚动轴承为研究对象建立的数字孪生体模型,虚拟故障数据是有效的,并且建立的孪生数据诊断模型能较为准确的实现故障诊断。
马兴瑞.基于数字孪生模型的轴承故障特征生成与诊断方法研究[D].山东大学,2022(02).
周杨.基于数字孪生技术的动车组牵引电机故障预测方法研究[D].北京交通大学,2020(03).
叶伦宽.基于数字孪生的旋转设备故障诊断技术研究[D].中国石油大学(北京),2019(02).
杨泞宁,王志坚.数字孪生驱动的滚动轴承虚实交互研究[J].组合机床与自动化加工技术,2023(02).
韩煜,张义民,张凯,王一冰.Adam优化CNN的滚动轴承多故障耦合诊断方法研究[J].机械设计与制造,2022(08).
陆剑峰,徐煜昊,夏路遥,张浩.数字孪生支持下的设备故障预测与健康管理方法综述[J].自动化仪表,2022(06).
唐纪凯,卢一相,柏壮壮,高清维.基于同步压缩小波变换和CNN的滚动轴承故障诊断[J].传感器与微系统,2022(06).
宋立业,孙琳.EEMD-GSSA-SVM滚动轴承故障诊断方法研究[J].传感器与微系统,2022(04).
任巍曦,张文煜,李明,徐晓川,刘宏勇.基于数字孪生的风电机组轴承故障诊断方法研究[J].弹箭与制导学报,2022(03).
游达章,陈林波,张业鹏,康亚伟,张扬.基于PCA-CNN的滚动轴承故障诊断方法研究[J].机床与液压,2021(19).
杨刚,李梦洁,崔朝臣,郭彦君.数字孪生:内涵、挑战及应用[J].软件导刊,2021(01).
陶飞,刘蔚然,张萌,胡天亮,戚庆林,张贺,隋芳媛,王田,徐慧,黄祖广,马昕,张连超,程江峰,姚念奎,易旺民,朱恺真,张新生,孟凡军,金小辉,刘中兵,何立荣,程辉,周二专,李洋,吕倩,罗椅民.数字孪生五维模型及十大领域应用[J].计算机集成制造系统,2019(01).
陶飞,刘蔚然,刘检华,刘晓军,刘强,屈挺,胡天亮,张执南,向峰,徐文君,王军强,张映锋,刘振宇,李浩,程江峰,戚庆林,张萌,张贺,隋芳媛,何立荣,易旺民,程辉.数字孪生及其应用探索[J].计算机集成制造系统,2018(01).
0
浏览量
4
下载量
1
CSCD
关联资源
相关文章
相关作者
相关机构