數字孿生驅動的匯流行星排故障預測研究綜述

田欽文，馮輔周，朱俊臻，李勝凱

(陸軍裝甲兵學院 車輛工程系，北京 100072)

0 引言

科技發展日新月異，科學技術如果不能隨著時代進步就會被時代拋棄。德國最先提出“工業4.0”計劃，第四次工業革命悄然而至。中、美、英、日等國為了搶占競爭的制高點，都瞄準新興前沿領域，從國家層面加大了機械行業相關技術的研發部署。盡管各國的“工業4.0”計劃名稱不盡相同，但究其根本，無一不涉及到“虛實融合”這一技術，其共同追求的目標就是通過新一代的信息技術，用智能技術替代傳統技術，用計算機虛擬計算預知未知，用機器工作替代人力工作。數字孿生技術便是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程[1]。

工業4.0的到來也必定對未來戰場造成影響，未來戰爭勢必不再是一槍一炮的對抗，而是雙方科技力量的抗衡，未來的戰場必定是“智慧戰場”。對裝甲車輛底盤的智能化故障預測便是未來智慧戰場的一方面。

匯流行星排作為新型裝甲車輛綜合傳動裝置的直駛及轉向功率的匯流部件，運行工況惡劣，并且駕駛員難以通過車輛運行情況判斷其工作狀態，所以一旦出現故障將會導致車輛無法按既定軌跡行駛，造成嚴重后果。因此，對匯流行星排進行故障預測研究，為提高我軍裝備安全性能及作戰能力有重要意義。

動力學建模是研究匯流行星排的重要途經，通過動力學建模可以在低成本的情況下開展廣泛、細致的理論分析，并為匯流行星排的壽命預測、故障診斷等提供相對可靠的理論依據。許多學者在此方向已經做了一定的研究。李軍等[2]通過建立匯流行星排固有振動模型，并對其進行固有特性分析，對大半徑轉向條件下的匯流行星排振動模式對比分類。郝馳宇[3]等建立匯流行星排剛柔耦合模型，對比分析了柔性變形前后的動態響應特征，并且建立斷齒故障模型從時頻域上特征提取。劉曉波[4]建立了穩態與沖擊工況下匯流行星排齒輪系統的動力學模型,對齒輪系統的動力學特性進行理論分析。李文彪等[5]通過多體動力學軟件進行匯流行星排起步工況仿真，探尋齒輪在起步容易斷齒的原因。劉宇鍵。也有專家學者通過分析振動信號來達到故障診斷的目的。陳漫等[6]采用Hilbert邊際譜提取匯流行星排的振動信號故障特征值，再通過模糊識別的方法識別各種故障，實現在線監測和故障診斷。

然而，匯流行星排在裝甲車輛中安裝位置靠內，布置傳感器復雜，且難以觀察到其工作狀態，這些傳統方法或通過建模或通過臺架試驗獲取數據，并不能直接從實車獲取數據，數字孿生技術作為一種新興的關鍵技術和提高效能的工具，通過合理的布置傳感器及構建匯流行星排數字孿生體，將其應用到匯流行星排的模擬仿真、分析預測、故障診斷等方面，對提高我軍裝甲車輛的可靠性、安全性以及提升戰斗力有重要意義。

1 數字孿生概述

1.1 數字孿生的定義

數字孿生，顧名思義，它的核心在“孿生”二字，標準化組織給其的定義[7]為“數字和虛擬狀態之間的同速率收斂，并提供物理實體或流程過程的整個生命周期的集成視圖，有助于優化整體性能。”NASA給出的定義[8]則為“數字孿生是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真，從而反映相對應的實體的全生命周期過程。”匯流行星排故障預測系統中通俗的講，數字孿生由物理實體(匯流行星排)、與之對應的數字孿生體(匯流行星排仿真模型)以及連接二者的信息通道(數據)構成，當匯流行星排狀態發生改變時，通過感知信息通道即時傳輸數據到與之對應的匯流行星排數字孿生體，展示相應的狀態變化；通過在服務器操作匯流行星排數字孿生體，比如改變轉速，通過反饋信息通道將指令下達給匯流行星排實體，物理實體轉速發生改變，如圖1所示。

圖1 數字孿生系統示意圖

該文中會用到下列相關概念，為避免混淆，在此簡略做出解釋：

1)物理實體：物理現實世界中可識別可觀測的實物，在本文中指匯流行星排實體。

2)虛擬實體：與物理實體對應的數字化表達，本文指匯流行星排仿真模型。

3)數字孿生體：數字孿生是一種方法、技術，在其后面加上“體”則變成了名詞，在本文中數字孿生體是指在服務器端建立的物理實體模型的總稱，該模型包括一維、二維、三維及故障仿真模型。

1.2 數字孿生的國外研究歷程

Grieves教授被認為是最早提出并完善數字孿生概念的學者，2002年首次在密歇根大學的產品全生命周期管理(PLM, product lifecycle management)課程中提出“與物理產品等價的虛擬數字化表達”，這一表述是可追溯到的最早的數字孿生概念；2006年發表文獻[9],將這一技術稱為鏡像空間模型；2011年，Grieves教授與NASA正式提出數字孿生概念[10];2014年在其撰寫的DigitalTwin白皮書中明確指出他在2003年提出了數字孿生，但是這10年間Grieves教授并沒有相關成果發表。美國空軍在2009年提出機身數字孿生體概念；2013年將數字孿生體和數字線程列入《全球科技愿景》。美國空軍研究實驗室2011年提出計劃將于2025年交付美國空軍第一架新型飛機及其數字模型，其實現流程如圖2所示，該飛機上將布置可以記錄實際的6個自由度方向加速度的傳感器，以及每次實際飛行期間的表面溫度和壓力信號，并將這些數據傳入到飛機的數字模型中以此來解決在復雜服役環境下飛行器維護及壽命預測問題；直到如今，這個想法一直在被補充和完善，并且發表了一系列的文章[11-18]。NASA的專家近年來正在研究一種可以預測機體所受的氣動載荷和內應力的降階模型(ROM)。通過將ROM集成到結構壽命預測模型中，進行結構壽命監測、高保真應力歷史預測和結構可靠性分析，從而以提升飛機機體的管理。Li等[19]利用動態貝葉斯網絡的概念建立了用于診斷和預后的通用概率模型，以實現數字孿生視覺，并通過飛機機翼疲勞裂紋擴展實例說明了所提出方法的有效性。

圖2 美國空軍新型飛機的數字孿生技術的實現流程

1.3 數字孿生的國內研究歷程

2004年，中國科學院自動化研究所王飛躍研究員提出的平行系統概念[20]“對應的一個或多個虛擬或理想的人工系統所組成的共同系統”與現在所提的數字孿生技術便很是相似。但我國對字孿生的正式研究主要從2017年開始,但目前尚處探索階段。任占勇[21]提出了利用數字孿生助力航空裝備可靠性提升的想法。陶飛教授的研究組作為國內最早研究數字孿生的團隊之一，提出了許多與數字孿生技術相關的理論與思路[22-24]，其中2019年提出的五維架構的數字孿生模型[25](物理實體、虛擬模型、服務、孿生數據及它們間的交互連接)，相較于Greves教授提出的模型，增加了“數據”和“服務”兩個維度，這一模型通過融合物理實體和虛擬模型的數據，更加全面、精確地獲取信息；2020年提出的數字孿生十問[26]，為研究者更好地理解數字孿生，為決策者正確地對待數字孿生，為實踐者更好地落地數字孿生提供了有力的參考。工業4.0研究院2019年牽頭成立數字孿生體聯盟，致力于推進數字孿生體技術和產業發展。不同高校、研究所的專家學者也進行自己相關的數字孿生研究。丁華等[27]基于深度學習建立了采煤機的關鍵零件剩余壽命預測模型，實現實時監測數據驅動下的零件剩余壽命的在線預測，同時建立了數字孿生模型，實時觀察采煤機的狀態，通過在虛擬空間的可視化展示與分析來實現采煤機的健康狀態預判,最終綜合數字孿生體狀態和剩余壽命值，實現采煤機健康狀態預測;張帆等[28]將"數字孿生+5G"與AI技術相結合，提出了基于數字孿生+5G的智慧礦山建設新思路；林潤澤[29]等構建了基于數字孿生的智能裝配機械臂實驗系統。

1.4 數字孿生的企業開發歷程

相比學術研究，企業研發的數字孿生框架更注重實際應用以及市場需求，因此其研究成果在實際意義上對我們也很有參考價值。目前企業在數字孿生方向的研究主要分為兩類：一是基于模型的數字孿生，主要有：ANSYS公司開發的TwinBuilder，達索公司研發的3D Experience，GE公司的Predix平臺；另一類是基于過程、管理的數字孿生，主要有微軟的Azure，Bentley的iTwin Service，上海優也的Thinswise iDOS。Matlab、Maple也開發自己的數字孿生模塊，洛克希德·馬丁、波音、諾斯羅普·格魯門、通用電氣、普惠等公司開展了一系列應用研究項目，已陸續取得成果。安世亞太公司作為國內工業軟件的領頭企業，相較其他公司，其研究的數字孿生框架對本文的研究有一定的參考意義。

安世亞太公司的數字孿生系統包括用戶域、數字孿生域、測試與控制實體、現實物理域和跨域功能實體共5個層次。其基本框架如圖3所示。

圖3 安世亞太數字孿生基本框架

該框架將數字孿生各個步驟稱為成熟度進化，即一個數字孿生體的生長發育將經歷數化、互動、先知、先覺和共智等幾個過程，如表1所示。

表1 數字孿生進化過程

由表1可知，在每一個進化過程中，都有其實例化特征。對于數字孿生技術來說，其核心是仿真，基礎是建模，物聯網和數字線程為數字孿生體提供了實用價值，而基于大數據的人工智能則是一種新的仿真范式。

2 數字孿生驅動的匯流行星排故障預測框架組成

匯流行星排的故障預測數字孿生系統，是對匯流行星排的實時虛擬化映射，通過設備傳感器采集溫度、振動、碰撞、載荷等數據實時傳輸到數字孿生體模型，并將設備使用環境數據輸入模型，使數字孿生的環境模型與實際設備工作環境變化保持一致，憑借數字孿生體在設備出現狀況前提早進行預測，提前預知故障可能出現的時間，避免意外停機造成嚴重的后果。

數字孿生驅動的匯流行星排故障預測數字孿生驅動的匯流行星排故障預測需要合適的框架，目前主流的數字孿生系統框架包括三維系統框架和五維系統框架，兩種框架的具體區別如下：

1)三維系統框架：三維系統框架是最早提出的數字孿生系統框架，由物理實體層，孿生模型層以及信息交互層組成。就匯流行星排故障預測系統而言，物理實體層為客觀存在的實體，孿生模型層為與物理實體相對應的高保真模型，信息交互層為物理實體層與孿生模型層的信息傳輸通道。該框架實現了設備運行過程中的虛擬現實信息融合，同時具有較高的實時性。

2)五維系統框架：五維系統框架是陶飛教授團隊對三維框架的進一步完善與補充，相對于三維框架增加了服務層和數據層。服務層主要為數字孿生系統的內部功能運行提供“功能性服務”以及向用戶端提供“業務性服務”；數據層管理框架中產生的多種數據。

該框架結合匯流行星排實際運行工況及故障診斷需要，集成三維系統框架與五維框架的優點，提出數字孿生驅動的匯流行星排故障預測框架，用于實現匯流行星排中的故障預測及運行狀態實時監控。如圖4所示，本框架主要由物理實體層、信息交互層、數據互動層和人機交互層組成，各層實現的功能具體如下：

圖4 數字孿生驅動的匯流行星排故障預測框架示意圖

1)物理實體層：物理實體層是整個數字孿生系統最基礎的部分。既是整個系統信息的提供者，也是整個系統中的被操作對象。物理實體在工作環境中運轉產生的工況數據及狀態信息作為基本信息通過信息交互層傳遞給數字孿生體，此時，物理實體是整個系統的信息提供者；通過對數字孿生體產生的數據分析預測，在服務器端對物理實體發送指令，經信息交互層傳輸到物理實體，物理實體改變運行狀態，此時，物理實體是整個系統中的被操作對象。

2)信息交互層：信息交互層在數字孿生系統中起到貫通全局的作用，通過信息交互層數據傳輸實現底層數據的感知以及上層控制命令的下達，是實現數字模型與物理對象實時互傳信息和數據的關鍵步驟。將信息交互層與人類的神經系統類比非常形象，下層向上層傳輸數據為“感覺神經”，上層向下層傳遞信息為“運動神經”。通過物聯網平臺將設備與上位機聯系起來，下層數據的感知主要依靠安裝在設備各個部位的傳感器，獲取匯流行星排在工作情況下的各種狀態以及運動信號。上層命令依靠控制器來實現，數字模型通過制動器向物理實體發送致動指令，如停機，加減速等。

將數字孿生的信息傳遞分為兩個路徑，一是從物理模型到數字模型，將其稱之為上行通道；另一條是從數字模型到物理模型，稱其為下行通道。在信息傳遞過程中應具備如下功能：

(1)可靠性，數據傳輸作為聯通各個環節的關鍵部分，不僅要盡量減少故障的發生，還應有多種方案應對突發情況的發生；

(2)即時性，不論是上行通道對狀態數據的傳輸，還是下行通道給執行器的操作命令，都要求即時才有意義；

(3)安全性，在數據傳輸過程中要考慮數據的安全性，信息的傳輸過程要防止外來攻擊入侵。

通過在匯流行星試驗臺安裝轉速傳感器、力矩傳感器、加速度傳感器獲取設備運行數據，同時選取合適的通信協議，實現物理實體與數字孿生體的連接。

3)數據互動層：數據互動層包含數化、仿真、數據學習3個過程。數化不涉及物理機理和運行數據，其不僅包含將物理實體映射到上位機中，生成與之對應的三維數字模型，也包含二維模型與一維模型。仿真是指把數化建立的模型與物理機理相結合，根據完整的當前邊界條件和物理狀態計算數字模型的下步狀態。實際狀態采集中，實時邊界條件和物理對象狀態時被不完整測量的，通過大數據和人工智能依據當前邊界條件與物理狀態進行下步狀態的預測，并且對近似模型逐步優化。

首先，根據物理實體的外形尺寸、集合公差及裝配位置關系建立匯流行星排不同狀態(正常、裂紋)的三維數字模型。其次，通過不同傳感器采集到的不同工況的運行數據，作為驅動數字孿生體的邊界條件。最后，由數據驅動的三維數字模型與約束規則、預測規則、決策規則等關聯在一起，共同形成匯流行星排的數字孿生體。建好的數字孿生體應滿足如下條件：

(1)可視化，在上行通道中，通過圖標，數字，顏色等各種形式將物理模型的狀態在數字模型中表征出來；

(2)可執行性，如果在數字模型中預測或觀測到物理模型發生故障或者對物理模型有操作需要，通過對數字模型的一系列操作，可通過執行器完成對物理模型的同樣操作。

4)人機交互層：人機交互層實現展示、分析和決策的功能。通過根據實時傳輸的邊界條件驅動數字孿生體模型，可以實時顯示物理實體的工作狀態及運動數據；通過分析實時傳輸的數據可以獲得一些不易測量到的數據，比如匯流行星排在裝甲車輛中安裝位置靠內，無法通過傳感器測得齒面上的載荷，此時數字孿生體可作為虛擬傳感器獲取數據，進而分析齒面所受載荷情況；決策是數字孿生體實現自我感知、自我預測、自我決策的重要依托，其核心是深度學習技術。利用實際工作中產生的大數據來訓練人工神經網絡，然后基于物理感知器采集到的加工過程中的實時數據，利用訓練好的人工神經網絡對物理層中的制造加工設備進行狀態監測及功能性診斷，以預測設備加工過程中可能出現的故障以及設備壽命，為物理層中設備的正常工作提供保障。

物聯網通過網絡將任何設備、任何事物聯接起來。其基于先進的感知控制等信息技術，建立了物理空間與虛擬空間各要素的相互映射。在物聯網設計伊始對設備及其流程進行建模，通過傳感器采集及傳輸數據，云端接受數據并制定一組“規則”，以此對數據進行識別，判斷設備運行狀態，并在需要維修或更換部件時向用戶端發出警報，用戶端用于接收云端對數據的分析結果，對設備運行狀態做出相應的調整。當整個物聯網部署完畢，應用于物聯網系統數據的神經網絡算法將分析相關歷史事件，并將其與物聯網模型進行比較，以便預測事件故障。同時預測分析總結了操作數據，使用戶能夠隨時了解系統的運行情況。物聯網的快速發展使得數字孿生變得更加多樣化和復雜化，組成物聯網的連網設備和傳感器精確地收集了構建數字孿生所需的各種數據，數字孿生預測也因此可以更加準確。

利用數字孿生體仿真過程中產生的數據來訓練神經網絡，彌補當前數據不足的困難。通過匯流行星排的數字孿生體和傳感器實時采集到的運行數據，實現車輛運行狀態檢測及故障預測。在預測過程中，一方面可以根據歷史積累數據對實時監測到的數據進行測試、校正，另一方面可以根據實時監測到的數據對歷史數據進行更新及擴展。物理層中的匯流行星排可以根據其數字孿生體動態反映其實時工作狀態，并根據仿真模擬產生相應的決策信息，利用決策信息對運行狀態進行評估，保障在故障發生前及時維修，實現人機結合，及智能化故障預測。

3 發展與展望

數字孿生技術作為一種連接虛實的智能化技術，隨著信息科技的發展，必然在各行各業發揮出重要作用。

3.1 在機械故障診斷方面

數字孿生技術從2003年提出至今僅僅十幾年的時間，在國內變成研究熱門更是只有短短幾年，所以在各行各業數字孿生的研究正處于初級階段，因此結合本文提出的數字孿生框架，在本節，分別對物理實體層、信息交互層、數據互動層、人機交互層4個方面的未來研究重點分析：

1)物理實體層：隨著數字孿生技術的研究深入，物理實體層不僅僅局限于某一部件。通過對系統中多個關鍵部件分析，即可實時了解到整個系統的運行狀態。

2)信息交互層：建立通暢的數據傳輸機制，建立裝甲車輛通用的通信協議、規范接口，建立具有可擴展性和兼容性的通用信息模型。

3)數據互動層：研究多尺度多領域融合建模，將車輛中多個關鍵部件融合建模，建立各部件的運動關系，實現還原車輛最真實的運行狀態的數字化建模；建立“動態數據”模型，數據不僅可以驅動模型，還可以總結數據規律，不斷修正模型。

4)人機交互層：現有研究大多是針對上行通道，人機交互層僅有展示、預測功能，在今后的發展中，決策功能也將成為主體，通過對數字孿生體操作，物理實體的狀態也發生相應的改變。

傳統的故障預測與健康管理方法盡管已經成熟，但是，在信息時代，科技發展日新月異，故障診斷的過程必然是更加數字化，智能化，數字孿生應用在故障診斷與健康管理方面必然是大勢所趨。將數字孿生應用到故障預測與健康管理領域，通過對傳感器實時采集的數據進行分析預測，在匯流行星排停止運轉之前發現故障，及時排除故障，可以達到延長設備壽命，提高駕駛安全性。機械設備的維護往往需要技術員對機械、工程和操作有較深的理解，一個完整的系統包含一系列設備及其連接，這就意味著有了一系列需要維護的東西，通過數字孿生技術識別出故障位置，既可以降低人為錯誤的可能性，同時也節約了人工成本。

3.2 在智能制造方面

將數字孿生技術應用到智能制造，通過數字孿生體，降低產品在使用場景中的面臨的各種不合理問題；采用使用場景數字孿生技術，可以讓產品在虛擬環境中運行在接近真實的工況中，從而驗證產品在使用時所面臨的各種問題。

在產品研發階段，通過CAD技術對物理產品進行數字表達；通過CAE技術提前查看數字孿生產品的運行是否正常、預知故障何時發生以及故障發生的后果；通過工藝仿真技術在數字孿生體中提前預測和實時優化，并反饋和控制物理世界的工藝過程，在工藝執行的各個環節避免各種可能發生的問題；通過工廠仿真是對各種規模的工廠和生產線進行建模、仿真和優化，避免工廠規劃不合理導致的返工、瓶頸及對生產造成的制約，避免因生產計劃設置不合理造成的生產停線等問題。根據數字孿生體反映出的問題，調整產品設計方案或運行策略，直到對預測的結果滿意之后再操作物理實體。通過數字孿生技術降低了產品研發制造的成本，提升了產品的可靠性和可靠性。

在產品運維階段，通過數字孿生技術實時檢測產品運行狀態，根據反饋數據了解產品狀態，及時維護保養，提升產品壽命。

3.3 在智慧基建方面

我國素來是基建大國，將數字孿生技術應用到基建方面極大地節約財力人力。

1)前期選址規劃時，規劃人員可以在虛擬場景中不斷調整位置來進行模擬布局，合理規劃建設用地。

2)具體施工建設時，對整個施工現場整體動態建模，通過傳感器及物聯網技術將各個施工設備動態模擬，逐一仿真，在虛擬場景中持續對系統結構進行模擬調整，反饋到現實場景中促進資源配置優化，實現建設效益最大化，并最終完成設施的整體建模，為后續的運營管理奠定堅實的基礎。

3)后期管理運營時，相關人員基于數字孿生的描述、診斷、預測、決策等遞進功能來完成管理運維工作，及時發現并處理各類故障，大幅提升效率。

4 結束語

每一項新技術的產生，既是機遇，也是挑戰。從鏡像空間模型概念的提出，到各國對工業互聯網提出自己的戰略部署，數字孿生技術已被各行各業嘗試應用發展。數字孿生技術最早提出就是被應用在故障預測與健康管理領域，但是應用在故障預測與健康管理方面還并不廣泛。本文提出數字孿生驅動的匯流行星排故障預測框架，分別從物理實體層，信息交互層，數據互動層和人機交互層4個層面分別介紹了各自實現的功能，希望可以拋磚引玉，為后來的研究提供一些參考。