
-
生物通官微
陪你抓住生命科技
跳动的脉搏
有限数据条件下滚动轴承智能故障诊断的数字-物理融合:一种离线数字原型辅助的仿真到现实框架
《JOURNAL OF INTELLIGENT MANUFACTURING》:Digital-physical fusion for intelligent fault diagnosis of rolling bearings under limited data: an offline digital prototype-assisted sim-to-real framework
【字体: 大 中 小 】 时间:2026年08月28日 来源:JOURNAL OF INTELLIGENT MANUFACTURING 7.7
编辑推荐:
摘要可靠的设备健康评估对于车间可用性、生产吞吐量以及设备综合效率(OEE)具有重要意义。然而,标注故障数据的稀缺性以及故障样本的不平衡性仍然是工业应用中实现可靠智能故障诊断的主要障碍。为应对这一挑战,本研究提出了一种在有限数据条件下用于滚动轴承故障诊断的离线数字原型辅助仿真到
可靠的设备健康评估对于车间可用性、生产吞吐量以及设备综合效率(OEE)具有重要意义。然而,标注故障数据的稀缺性以及故障样本的不平衡性仍然是工业应用中实现可靠智能故障诊断的主要障碍。为应对这一挑战,本研究提出了一种在有限数据条件下用于滚动轴承故障诊断的离线数字原型辅助仿真到现实融合框架。该框架并非旨在作为一个完全实现的在线数字孪生系统,而是利用可复用的数字原型生成具有物理可解释性的虚拟数据,并将其与实测信号进行对齐。首先,通过三维几何建模、有限元分析和刚柔耦合仿真构建了轴承的刚柔数字原型,以在多种工况下生成具有物理可解释性的故障数据。为弥合仿真信号与真实信号之间的域差距,引入多域协同生成对抗网络(MD-CGAN)实现时域–频域–特征域的对齐,并在评估条件下生成具有更高相似性和多样性的增强样本。此外,还开发了一种通道注意力增强的残差网络(CA-ResNet),以自适应地突出弱故障特征,并提升在仿真到现实偏移条件下的跨域适应能力。实验结果表明,所提出的框架在评估的工况内设定下达到了99.90%的诊断准确率,且表现优于对比的基线模型。研究结果表明,数字建模、虚实数据对齐以及注意力引导学习能够为有限数据条件下的滚动轴承故障诊断提供状态感知和数据驱动决策支持,为未来智能制造中基于数字模型的监测提供了一种实用的仿真辅助基础。
可靠的设备健康评估对于车间可用性、生产吞吐量以及设备综合效率(OEE)具有重要意义。然而,标注故障数据的稀缺性以及故障样本的不平衡性仍然是工业应用中实现可靠智能故障诊断的主要障碍。为应对这一挑战,本研究提出了一种在有限数据条件下用于滚动轴承故障诊断的离线数字原型辅助仿真到现实融合框架。该框架并非旨在作为一个完全实现的在线数字孪生系统,而是利用可复用的数字原型生成具有物理可解释性的虚拟数据,并将其与实测信号进行对齐。首先,通过三维几何建模、有限元分析和刚柔耦合仿真构建了轴承的刚柔数字原型,以在多种工况下生成具有物理可解释性的故障数据。为弥合仿真信号与真实信号之间的域差距,引入多域协同生成对抗网络(MD-CGAN)实现时域–频域–特征域的对齐,并在评估条件下生成具有更高相似性和多样性的增强样本。此外,还开发了一种通道注意力增强的残差网络(CA-ResNet),以自适应地突出弱故障特征,并提升在仿真到现实偏移条件下的跨域适应能力。实验结果表明,所提出的框架在评估的工况内设定下达到了99.90%的诊断准确率,且表现优于对比的基线模型。研究结果表明,数字建模、虚实数据对齐以及注意力引导学习能够为有限数据条件下的滚动轴承故障诊断提供状态感知和数据驱动决策支持,为未来智能制造中基于数字模型的监测提供了一种实用的仿真辅助基础。