买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】机理-数据异构信息融合的旋转机械数字孪生建模方法_长安大学_202110099042.5 

申请/专利权人:长安大学

申请日:2021-01-25

公开(公告)日:2024-03-22

公开(公告)号:CN112765748B

主分类号:G06F30/17

分类号:G06F30/17;G06F30/27;G06F119/02;G06F119/04

优先权:

专利状态码:有效-授权

法律状态:2024.03.22#授权;2021.08.13#实质审查的生效;2021.05.07#公开

摘要:本发明属于工程机械技术领域,公开了一种机理‑数据异构信息融合的旋转机械数字孪生建模方法,包括:基于物理实体建立几何模型,建立旋转机械机构的损伤耦合机理下的动力学白箱模型;物理空间实时采集多源动态数据;考虑关联性将物理空间采集的离散数据投影到历史演化时间维度,建立基于大数据统计与网络系统的黑箱模型;将白箱模型和黑箱模型进行异构融合,建立从物理空间到信息空间的关联映射特征,形成完备的数字孪生灰箱模型。本发明从机理与数据两方面建立旋转机械的物理空间数据到信息空间寿命预测的映射关系,在保障工程机械装备可靠高效运行、预防重大事故中具有实际意义。

主权项:1.机理-数据异构信息融合的旋转机械数字孪生建模方法,其特征在于,包括以下步骤:步骤1,基于旋转机械机构的物理实体,建立旋转机械机构的几何模型,根据旋转机械机构的实际服役行为,构造适宜裂纹奇异性建模与求解的小波有限元模型,并据此建立旋转机械机构的损伤耦合机理下的动力学白箱模型;步骤2,物理空间实时采集旋转机械机构在不同服役时间与剩余寿命、典型损伤下的多源动态数据,提取多源动态数据的特征数据;考虑关联性将物理空间采集的离散数据投影到历史演化时间维度,建立基于大数据统计与网络系统的黑箱模型;步骤3,采用高维正交法将白箱模型和黑箱模型进行异构融合,得到机理与数据驱动的复合异构混合模型,建立从物理空间到信息空间的关联映射特征,形成完备的数字孪生灰箱模型;所述建立旋转机械机构的损伤耦合机理下的动力学白箱模型,具体步骤为:1.1根据旋转机械机构的工况特性,选取对应的流-固-热耦合理论,再基于流场、结构场与温度场的三维模型,构建流-固-热耦合动力学模型;1.2采用多点激励法在LMSTest.LabDesktop中对旋转机械机构的零件拆解结构进行试验模态研究,根据每个旋转件的各阶固有频率与典型振型,建立振动-耦合动力学模型;1.3根据不同的工况环境,建立对应工况下旋转件的工作性能;其中,不同工况的变量因素为温度、转速和载荷;所述工作性能为旋转件的损伤变形和压力差;1.4考虑旋转机械机构服役过程中宏观行为的微演变和性能恶化的非线性因素,在ANSYS软件中构造适宜裂纹奇异性建模与求解的小波有限元模型;将含损伤的刚度性能表征延伸至旋转机械机构的旋转件曲面结构,模拟在不同损伤条件下的动态响应,描述旋转机械机构多种工况和典型损伤下的耦合机理与作业机制,构建结构参数与服役寿命之间的多维数字孪生理论白箱模型;其中,所述动态响应包含系统输出的固有频率、振动模态、典型振型、静载荷、动载荷、振动和噪声;所述结构参数包含旋转件的角度、数量、厚度,循环圆、转速、扭矩和温度。

全文数据:

权利要求:

百度查询: 长安大学 机理-数据异构信息融合的旋转机械数字孪生建模方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。