安全行驶下的车用电机轴承的数字孪生故障诊断

摘要

为保证汽车的行车安全,结合深度学习与数字孪生技术,来实时完成对电机轴承的故障诊断。用数字孪生技术,将电机轴承的详细属性转换入虚拟空间,构建具有形状、属性、准则和行为的数字孪生体。用形状和属性模块,来融合电机轴承的对象参数,构建基于故障信号处理、诊断和分类的准则模块;结合行为模块所注入的历史记录,来生成数据完成网络训练。用Matlab 2020a完成数据分析。结果表明:用本文方法对常规信号、内圈型、外圈型和滚动体型的诊断准确率分别达到97.5%、97.8%、96.8%和97.1%。从而,与混合神经网络方法和迁移残差网络方法相比,本文方法存在较优的诊断效果和算法性能。