文献类型：期刊文章

作　　者：宋林[1,2] 王立平[2,3] 吴军[3] 关立文[3] 刘知贵[2]

SONG Lin;WANG Li-ping;WU Jun;GUAN Li-wen;LIU Zhi-gui(College of Intelligent Manufacturing,Panzhihua University,Panzhihua 617000,China;College of Information Engineering,Southwest University of Science and Technology,Mianyang 621000,China;Department of Mechanical Engineering,Tsinghua University,Beijing 100084,China)

机构地区：[1]攀枝花学院智能制造学院,四川攀枝花617000 [2]西南科技大学信息工程学院,四川绵阳621000 [3]清华大学机械工程系,北京100084

出　　处：《吉林大学学报（工学版）》

基　　金：国家重点研发计划项目(2018YFB1703502).

年　　份：2022

卷　　号：52

期　　号：2

起止页码：439-449

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对实际应用中缺乏统一集成的用于数控装备可靠性分析的信息物理融合系统框架和算法实现,本文提出了一种基于数字孪生的方法,研究了具体的框架搭建和算法实现。通过数据采集、数据处理、数字孪生模型训练和评估、模型调试和优化、模型在线部署、可靠性分析、预测性维护7步序列化的工作流程实现了从物理层到信息层再返回物理层的闭环控制。通过数控装备主轴回转误差预测可靠性实验验证了该信息物理融合框架的可行性和有效性,该框架和算法能够对数控装备进行可靠性分析,有助于支持更有效和科学的预测性维护。

关 键 词：机械制造及其自动化 数字孪生  数控装备 可靠性分析 深度学习  信息物理融合  

分 类 号：TH161]