摘要
本发明提供了一种多源数据驱动的单点系泊转盘轴承数字孪生方法,其包括:(1)轴承数据准备与轴承有限元模型构建;(2)基于元学习方法构建预训练模型,使用轴承有限元模型中的有限元数据进行模型训练,实现轴承整体振动信号和局部应力响应预测;(3)基于生成对抗网络构建数字孪生代理模型,即将预训练模型作为生成器,将预训练模型预测结果作为虚假数据与实测真实数据进行对抗训练,获得生成器即为轴承数字孪生体,最后对获得的数字孪生体进行评估。本发明构思合理,提高了转盘轴承状态监测准确性,降低了转盘轴承维护成本,实现更有效的预测性维护,为工业生产提供智能高效解决方案。
技术关键词
数字孪生方法
深度神经网络模型
转盘轴承
单点系泊
生成对抗网络
数字孪生体
数据
元学习方法
预训练模型
下轴承结构
样本
参数
网络架构
梯度下降优化算法
应力
数字孪生模型
预测轴承
模型预测值
系统为您推荐了相关专利信息
滤波设备
智慧城市监控
图像增强系统
深度神经网络模型
曲线
故障监测方法
故障监测系统
电脑
量子退火算法
VR可视化