基于新能源汽車輪轂軸承的數字李生模型構建與修正研究

中圖分類號：U469.7 收稿日期：2025-04-15 DOI：10.19999/j.cnki.1004-0226.2025.06.006

Abstract：Hubbearing isakeycomponentofnewenergyvehicles.Intheservice processofnewenergy vehicles，hubbearings havethecharacteristisoflongworkingtimeandighreliabilityandthepossibiltyoffilureislow，whichisoftenigordHowev er，thehubbearingwillbeectedbydynamictime-varingworkingconditionsduringtheorkingproces，andterewillbefailure. Obtainingthewholelifedataintheserviceprocessbymeansofexperimentswillconsumealotofmanpowerandmaterialresources， andevenbediiculttoachieve.Inthispaper，throughthecombinatioofdigitaltwintechnologyandexperimentaldataanaurate digitaltwnmodelofubbearingisconstructed.Withthismodel，theservicedataoftewholelifecycleofubbearingisobtained， andthedegradationdegreeofbearingisunderstood，whichcaneffectivelyreducethefailureofhubbearingofnewenergyvehicleand improve the service performance of new energy vehicle.

Key words：New energy vehicles;Hub bearing;Digital twin model;Construction correction

1前言

隨著新能源汽車銷量的不斷增長，我國的汽車產業正在朝著節能減排的方向迅猛發展。根據國家統計局顯示的數據，2024年我國新能源汽車產量突破1300萬輛，穩居全球制造業第一大國。

據最新的“全球汽車輪轂軸承市場報告2023—2029”預測，至2029年，全球汽車輪轂軸承市場的規模有望達到98.6億美元，并預計在未來幾年內，市場的年復合增長率將維持在 5.9% 的水平。而在追求高產量的同時，新能源汽車的性能也越來越受關注。

輪轂軸承是新能源汽車傳動和承載的關鍵部件，如圖1所示。在汽車正常行駛時起著至關重要的作用，輪轂軸承的性能會直接影響汽車行駛的安全性和乘客的舒適性[1]。為了滿足汽車不斷提升的性能要求，輪轂軸承正朝著高質量、長壽命以及高集成度的方向發展[2]。為了預測軸承的疲勞壽命，需要進行大量的疲勞實驗，通過現場實驗或者搭建實驗臺架模擬軸承的承載和工況。但是，疲勞實驗通常需要耗費很長的時間，結果也不盡如人意。因此建立滾動軸承全壽命周期的仿真模型對于其退化性能分析和健康管理具有重要意義。

軸承的數字孿生體的構建可以獲得全壽命周期的數據，該數據具有高保真性，能夠有效開展可靠性的評估[3]。

2輪轂軸承物理空間數據采集

2.1新能源汽車輪轂軸承工況分析

輪轂軸承是新能源汽車的關鍵零部件之一，它的主要作用是承載車輛的重量，在汽車轉彎過程中為輪轂的轉動提供精確的引導[4]。新能源汽車輪轂軸承的工況主要包括以下幾個方面：

a.新能源汽車輪轂軸承服役時長。

新能源汽車輪轂軸承是高可靠性關鍵部件，工作時間較長，一般可以正常服役3＼～5年，甚至時間更長。在車輛正常的維護保養的情況下，輪轂軸承的服役時間可以達到10萬 km ，部分車輛的輪轂軸承會工作到報廢。對于高可靠性的輪轂軸承，采用全壽命實驗預測其壽命是不可取的，甚至無法實現。

b.新能源汽車行駛路況。

新能源汽車輪轂軸承的工作狀況比較復雜，時常會遇到惡劣的路況，工作環境較為惡劣?？v使現代公路交通的路面質量較以往有了很大提升，汽車行駛過程中也會遇到顛簸、大量積水和泥濘的路面。在這種情況下，輪轂軸承受到頻繁的沖擊，沾染路面泥沙和水分，縮短其服役的壽命[5]。在軸承的工況分析過程中應當重點考慮這些極端的環境對軸承的影響。輪轂軸承的工作處于動態時變的工況，同時軸承承受的載荷主要有徑向載荷和軸向載荷，伴隨著部分沖擊載荷[6]。這種時變的工況難以通過實驗的條件來完成路況的模擬[7]。

c.潤滑狀況對軸承的壽命有重要影響。

隨著社會的汽車保有量越來越大，道路堵車現象在城市內部經常發生，這就造成了新能源汽車頻繁的加減速，速度變化跨度較大。在高轉速的情況下，由于離心力的作用，潤滑油被甩到滾動體的外側，造成內側潤滑不足，出現乏潤滑現象[8]。汽車行駛在積水路面時，軸承的內圈和外圈之間存在密封不嚴的情形，水分和道路沙粒會進入軸承內部，加速軸承的磨損，導致潤滑油脂失去其耐水性。時間過長會使潤滑脂變成乳狀液，失去潤滑效果，從而加速軸承滾動體、內外套的磨損[8]。目前軸承的密封性需要進一步加強。

2.2新能源汽車輪轂軸承物理信息

新能源汽車輪轂軸承的物理信息主要包括軸承的靜態信息和軸承在服役過程中的動態信息。靜態信息主要包括軸承的結構參數、潤滑油的種類等。動態信息主要針對軸承的服役過程中產生的數據，主要包括軸承轉速、潤滑油的溫度、振動信號等。

靜態信息的獲取渠道簡單，容易操作，但是對于動態信息的獲取需要在輪轂軸承周圍設置種類豐富的傳感器，對輪轂軸承的運行狀態和主要設備部件進行運行狀態的監測，主要采集數據中模塊的特征參數以及輪轂軸承轉速、振動和溫度等。收集輪轂軸承幾何模型和滾動軸承轉子系統的模型，利用多物理模擬進行后續物理系統的靜態和動態分析。通過智能傳感器采集服役狀態下軸承各組成部件的實時溫度、角速度和振動頻率等運轉數據，實現物理空間信息全覆蓋。

除了采集輪轂軸承正常工作狀態下的數據外，還應當采集部分故障狀態的數據。故障數據分為單個故障數據和復合故障數據。單個故障數據主要包括內圈故障、外圈故障、滾動體故障、轉子碰撞摩擦、轉子不對中等數據。復合故障主要包括內圈故障、轉子磨損復合故障、外圈故障、滾動體故障、轉子磨損故障。

3輪轂軸承的數字孿生模型的搭建

3.1數字化建模

利用計算機輔助設計（CAD）、計算流體動力學（CFD）、有限元分析（FEA）等工具進行新能源汽車輪轂軸承數字化建模。構建的輪轂軸承模型應當符合新能源汽車輪轂軸承的實際工作狀況，同時可以精確還原軸承在實車上的應有結構和功能。

3.2模型優化

通過軟件等技術構建的新能源汽車輪轂軸承的三維數字化模型需要進一步優化才能反映實際的情形。采用三維建模軟件和有限元仿真軟件完成滾動軸承高保真數字模型的構建。

在有限元軟件仿真平臺上建立滾動軸承的多個物理耦合場，充分考慮磨損、密封空間等因素，從環境、位置等離線數據構建滾動軸承超真實感仿真環境，實現有限元模型與仿真環境的融合。

目前，傳感器技術越來越智能化。將傳感器安裝在輪轂軸承的周圍，能采集豐富的數據信息。將采集的數據運用人工智能的方法進行分析，提煉有用的數據知識，結合構建的軸承數字化模型，對模型進行優化，提高模型的精度和可靠性，確保模型能夠準確反映物理對象的真實行為。

4物理系統和數字孿生虛擬空間數據融合

對新能源汽車輪轂軸承物理空間多源分散采集和連續實時多頻采樣的數據進行清洗，在虛擬空間內注入不同故障或改變運行環境參數，得到不同工況下滾動軸承的海量仿真數據集。采用歷史感知數據產生的虛擬數據建立初步的孿生模型；采用感知數據產生的虛擬數據實時更新該初步孿生模型。然后，基于歷史數據和實時感知數據建立輪轂軸承的數字孿生模型，產生孿生數據，如圖2所示。

5CGAN模型訓練與數字孿生模型修正

生成對抗網絡（GAN）是一種網絡訓練框架，主要由生成器和判別器組成。生成對抗網絡的核心思想是博弈論中的零和博弈，訓練過程中將生成器和判別器看作博弈雙方。生成器用于生成盡量服從真實數據分布的樣本，判別器用于判斷輸入樣本是真實樣本還是生成樣本。優化目標是通過對抗機制達到納什均衡的。而條件生成對抗網絡（CGAN）是在GAN的基礎上增加了額外的干擾條件，使其更加符合實際的條件。

構建的輪轂軸承數字孿生模型可以生成符合輪轂軸承服役性能的數據，然而這個數據與實際的服役情況存在一定的差異，需要不斷優化數字孿生模型才會生成實際軸承的服役數據。將數字孿生仿真數據和物理傳感器采集的實測數據，輸入事先構建的生成式對抗網絡模型中（CGAN）進行訓練。生成對抗網絡通過學習輪轂軸承真實數據的潛在分布，使生成的數據分布不斷逼近實測數據分布。判別網絡判斷輸入數據是來自真實數據還是生成網絡生成的數據，通過相互博弈不斷提升模型的性能，直到判別網絡無法區分生成數據是來自實測數據還是來自生成網絡的生成數據為止。通過實時數據和歷史數據進行數字孿生模型的更新。在構造的生成器和判別器的基礎上增加噪聲對滾動軸承數據信號的影響，使生成器產生的數據符合實際工程的需要，并更新相應的參數，構建精確度較高的數字孿生模型。

6結語

數字孿生技術的飛速發展，已經滲透到工業各個具體領域。新能源汽車的市場保有量越來越高，在生產過程和使用過程中的問題也會層出不窮。新能源汽車輪轂軸承在服役過程中容易出現故障。構建高精度的輪轂軸承數字孿生模型，可以預測出軸承在服役過程中的實時數據，對其服役過程中的數據可以實時獲取，并進行故障和剩余壽命的預測。該模型的建立可以提升新能源汽車在使用過程中的安全性，提升汽車用戶的駕駛感受。

參考文獻：

[1]楊傳猛，朱夢宇，邱明，等.基于非線性累積損傷理論的輪轂軸承疲勞壽命評估[J].組合機床與自動化加工技術，2025（1）：63-68

[2]曹立，于士超，原躍平.汽車軸承智能檢測與故障診斷技術[J].汽車維修技師，2025（4）：117-119.

[3]劉國.乏信息與無失效數據條件下滾動軸承可靠性研究[D].株洲：湖南工業大學，2021.

[4]劉國，易聲超，向景勛，等.輪轂軸承失效模式與剩余壽命預測研究[J].專用汽車，2023（7）：56-58.

[5]毛玲，鄧思文，趙登輝，等.新能源汽車監測平臺在行駛和充電場景中的應用與思考[J].電工技術學報，2022，37（1）：48-57.

[6]林棻，熊鎧，柴靖，等.第三代輪轂軸承疲勞壽命多影響因素分析[J].重慶理工大學學報（自然科學），2023，37（12）：103-111.

[7]嚴如強，朱啟翔，李亞松，等.深度對比一類分類在軸承異常檢測中的應用[J].振動.測試與診斷 ^{，2025，45（1）：1-9+196}

[8]楊興，王永富，張俊彥，等.軸承滾珠表面二維異質納米復合涂層制備及固體超潤滑研究[J].表面技術，2024，53（21）：14-22.