【技術實現步驟摘要】
本專利技術涉及設備維護，尤其涉及一種基于數字孿生的數控機床智能化維護決策方法及系統。
技術介紹
1、隨著制造業的不斷發展，數控機床已成為現代制造業的關鍵設備之一，數控機床的可靠運行直接影響生產效率和產品質量，然而，由于數控機床結構復雜、工作環境惡劣等因素，其在運行過程中不可避免地會出現各種故障和性能退化問題；
2、傳統的數控機床維護主要依賴于定期保養和事后維修，這種被動的維護模式難以適應現代制造業的需求，定期保養周期難以確定，過于頻繁會增加維護成本，過于稀疏則無法及時發現潛在故障，事后維修則會導致意外停機，影響生產進度和產品交付，此外，傳統維護方法嚴重依賴維護人員的經驗和技能，存在人力成本高，決策主觀性強的問題；
3、隨著物聯網、大數據和人工智能等技術的發展，智能化維護決策方法受到廣泛關注，但大多數方法僅關注單一數據源，難以全面反映機床的健康狀態，同時主要基于數據驅動建模，缺乏對機床物理機理的考慮，預測結果的可解釋性和可靠性有待提高；
4、因此，亟需一種方案解決現有技術中存在的問題。
技術實現思路
1、本專利技術實施例提供一種基于數字孿生的數控機床智能化維護決策方法及系統，至少能解決現有技術中存在的部分問題。
2、本專利技術實施例的第一方面，提供一種基于數字孿生的數控機床智能化維護決策方法，包括：
3、獲取數控機床的結構數據和仿真精度要求，結合自適應網格劃分算法確定有限元模型的最優網格尺寸和分布參數，獲取所述有限元模型中數
4、基于所述自演化數字孿生模型構建傳感網絡，對所述數控機床進行全面感知并通過分布式自適應采樣獲取機床運行參數，對所述機床運行參數進行預處理，得到多模態感知數據并添加至多視圖學習融合模型中，提取多視角潛在特征并確定不同模態間的潛在關聯特征，結合所述自演化數字孿生模型得到機床健康狀態評估結果；
5、基于所述機床健康狀態評估結果，結合預先設置的多時間尺度故障預測模型生成多層次故障預測結果，結合歷史維護案例，通過基于深度強化學習的維護策略優化算法自適應確定候選維護方案，將所述候選維護方案和所述多層次故障預測結果添加至知識圖譜構建模塊中，通過關聯機床故障原因和失效機理，生成語義關聯網絡并結合多目標優化算法，求解得到最優維護決策。
6、在一種可選的實施方式中，
7、獲取數控機床的結構數據和仿真精度要求，結合自適應網格劃分算法確定有限元模型的最優網格尺寸和分布參數，獲取所述有限元模型中數控機床的運行條件并添加至多物理場耦合建模模塊，生成機床數字孿生模型并與物理場進行融合，結合映射關系生成機床運行退化模型，通過預先獲取的機床運行大數據與深度遷移學習模型進行持續優化，得到自演化數字孿生模型包括：
8、通過三維掃描獲取數控機床的結構參數，其中，所述結構參數包括所述數控機床零部件的尺寸，形狀和裝配關系，基于所述數控機床的服役工況和故障模式，獲取所述數控機床對應的仿真精度要求；
9、對所述數控機床進行特征分析，提取結構應力和熱點作為關鍵特征，確定特征屬性并結合仿真精度要求確定不同區域的網格尺度，將應力集中且斷面突變的區域作為薄弱區域，增加所述薄弱區域內的網格密度，結合高階網格單元，提高單元內場變量的逼近精度，完成網格劃分并得到所述最優網格尺寸和分布參數，通過有限元軟件搭建當前數控機床的多粒度有限元模型；
10、基于所述多粒度有限元模型，獲取所述數控機床在加工條件下的邊界條件，將所述邊界條件作為載荷和約束添加至所述多粒度有限元模型中，結合所述數控機床對應的物理場，結合物理場耦合求解方法進行仿真數值求解，得到對應的物理場行為，結合傳感器映射技術，采集數控機床的狀態數據并映射至虛擬模型的對應節點，得到多物理場數字孿生模型，獲取所述數控機床的退化過程，并結合預先獲取的機床運行大數據提取退化先兆特征，構建機床退化模型；
11、通過深度遷移學習技術，結合所述機床運行大數據，通過深度神經網絡提取不同工況下的共同特征，確定退化規律，結合遷移學習在新工況下對所述機床退化模型進行自適應調整，得到所述自演化數字孿生模型。
12、在一種可選的實施方式中，
13、結合遷移學習在新工況下對所述機床退化模型進行自適應調整如下公式所示：
14、；
15、其中，θt表示目標工況下的網絡參數，lt(θ)表示目標工況下的損失函數，dist(θs，θ)表示源工況與目標工況網絡參數之間的距離度量，λ1表示距離度量權重因子，λ2表示正則化項權重因子，r(θ)表示正則化項。
16、在一種可選的實施方式中，
17、基于所述自演化數字孿生模型構建傳感網絡，對所述數控機床進行全面感知并通過分布式自適應采樣獲取機床運行參數，對所述機床運行參數進行預處理，得到多模態感知數據并添加至多視圖學習融合模型中，提取多視角潛在特征并確定不同模態間的潛在關聯特征，結合所述自演化數字孿生模型得到機床健康狀態評估結果包括：
18、基于所述自演化數字孿生模型，構建覆蓋數控機床全部部件以及功能單元的傳感網絡，其中，所述傳感網絡包括振動、溫度、應力、位移和電流對應的多類型傳感器；
19、基于所述傳感網絡對所述數控機床進行全面感知，結合預先設置在邊緣節點的自適應采樣觸發器，根據數控機床的實時工況和退化狀態，動態調整所述傳感網絡的采樣頻率，得到所述機床運行參數，對所述機床運行參數進行預處理，得到所述多模態感知數據；
20、基于所述多模態感知數據，對于每個模態，設置對應的特征提取子視圖，基于所述特征提取子視圖對每個模態內的數據提取趨勢特征和周期特征作為多視角潛在特征，基于所述多視角潛在特征，結合多視圖融合算法，通過確定不同模態之間線性相關性和非線性相關性，生成跨模態公共表示并結合多視圖對齊策略確定潛在關聯特征；
21、將所述潛在關聯特征添加至所述自演化數字孿生模型中，結合實時監測數據，生成所述機床健康狀態評估結果。
22、在一種可選的實施方式中，
23、基于所述特征提取子視圖對每個模態內的數據提取趨勢特征和周期特征如下公式所示：
24、；
25、其中，wt(a，b)表示在尺度a和位置b下的周期特征，a表示尺度參數，用于控制函數寬度，b表示平移參數，用于確定函數在時間軸上的位置，x(t)表示原始信號，ψ()表示母小波函數；
26、；
27、其中，y(t)表示當前模態內數據的趨勢特征，wj表示第j個尺度的權重系數，mj表示第j個尺度的滑動窗口長度，j表示總尺度數量，i是索引變量，用于表示相對于當前時間點t向前回溯的時間步長。
28、在一種可選的實施方式中，<本文檔來自技高網...
【技術保護點】
1.基于數字孿生的數控機床智能化維護決策方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，獲取數控機床的結構數據和仿真精度要求，結合自適應網格劃分算法確定有限元模型的最優網格尺寸和分布參數，獲取所述有限元模型中數控機床的運行條件并添加至多物理場耦合建模模塊，生成機床數字孿生模型并與物理場進行融合，結合映射關系生成機床運行退化模型，通過預先獲取的機床運行大數據與深度遷移學習模型進行持續優化，得到自演化數字孿生模型包括：
3.根據權利要求2所述的方法，其特征在于，結合遷移學習在新工況下對所述機床退化模型進行自適應調整如下公式所示：
4.根據權利要求1所述的方法，其特征在于，基于所述自演化數字孿生模型構建傳感網絡，對所述數控機床進行全面感知并通過分布式自適應采樣獲取機床運行參數，對所述機床運行參數進行預處理，得到多模態感知數據并添加至多視圖學習融合模型中，提取多視角潛在特征并確定不同模態間的潛在關聯特征，結合所述自演化數字孿生模型得到機床健康狀態評估結果包括：
5.根據權利要求4所述的方法，其特征在于，基于所述特征提取子
6.根據權利要求1所述的方法，其特征在于，基于所述機床健康狀態評估結果，結合預先設置的多時間尺度故障預測模型生成多層次故障預測結果，結合歷史維護案例，通過基于深度強化學習的維護策略優化算法自適應確定候選維護方案，將所述候選維護方案和所述多層次故障預測結果添加至知識圖譜構建模塊中，通過關聯機床故障原因和失效機理，生成語義關聯網絡并結合多目標優化算法，求解得到最優維護決策包括：
7.根據權利要求6所述的方法，其特征在于，基于深度生存模型的長期預測模型對應的損失函數如下公式所示：
8.基于數字孿生的數控機床智能化維護決策系統，用于實現前述權利要求1-7中任一項所述的方法，其特征在于，包括：
9.一種電子設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行時實現權利要求1至7中任意一項所述的方法。
...【技術特征摘要】
1.基于數字孿生的數控機床智能化維護決策方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，獲取數控機床的結構數據和仿真精度要求，結合自適應網格劃分算法確定有限元模型的最優網格尺寸和分布參數，獲取所述有限元模型中數控機床的運行條件并添加至多物理場耦合建模模塊，生成機床數字孿生模型并與物理場進行融合，結合映射關系生成機床運行退化模型，通過預先獲取的機床運行大數據與深度遷移學習模型進行持續優化，得到自演化數字孿生模型包括：
3.根據權利要求2所述的方法，其特征在于，結合遷移學習在新工況下對所述機床退化模型進行自適應調整如下公式所示：
4.根據權利要求1所述的方法，其特征在于，基于所述自演化數字孿生模型構建傳感網絡，對所述數控機床進行全面感知并通過分布式自適應采樣獲取機床運行參數，對所述機床運行參數進行預處理，得到多模態感知數據并添加至多視圖學習融合模型中，提取多視角潛在特征并確定不同模態間的潛在關聯特征，結合所述自演化數字孿生模型得到機床健康狀態評估結果包括：
5.根據...
【專利技術屬性】
技術研發人員：孫斌，沈宇翔，周斌，
申請(專利權)人：常州完美維度科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。