摘要
本发明提供了一种基于数据和动力学模型的镗床数字孪生诊断方法及装置。包括:建立镗床轴承的动力学模型;基于动力学模型进行镗床轴承在不同故障模式下的仿真,得到镗床轴承的故障数据;根据故障数据,建立数据集;构建神经网络模型,神经网络模型为基于稀疏卷积自编码器的多尺度特征提取网络;根据数据集训练神经网络模型,得到第一故障诊断模型;采用迁移学习对第一故障诊断模型进行训练,得到第二故障诊断模型;建立镗床的数字孪生模型,用于实时采集并同步镗床轴承的状态数据;根据数字孪生模型采集的镗床轴承的状态数据,以及第二故障诊断模型,确定镗床轴承的当前状态,并将镗床轴承的当前状态展示在数据孪生模型中。
技术关键词
故障诊断模型
镗床
多尺度特征提取
数字孪生模型
诊断方法
训练神经网络模型
轴承
数据
特征提取网络
外圈
编码器
解码器
方程
协方差矩阵
神经网络模型构建
滚珠
诊断装置
系统为您推荐了相关专利信息
温度监测方法
工况参数
多模态传感器
故障诊断模型
视觉校准技术
图像阴影检测方法
阴影检测模型
分支
神经网络结构
编码器模块
气象监测数据
动态预警方法
作业风险
人工智能模型
气象探测设备
深海潜水器
特征提取模型
故障诊断方法
数据
故障类别