基于數字孿生模型的故障特征生成與診斷*

馬興瑞，馬嵩華，胡天亮

(山東大學a.機械工程學院；b.高效潔凈機械制造教育部重點實驗室；c.機械工程國家級實驗教學示范中心，濟南 250061)

0 引言

隨著“工業4.0”戰略的提出，如何實現傳統行業向智能化、信息化的轉型得到了世界各國的高度重視，掀起了新一輪工業革命的浪潮[1]。結合國內制造業的發展現狀，我國提出了“中國制造2025”戰略。作為“中國制造2025”的主攻方向，智能制造是實現工業化與信息化深度融合的突破口[2]。作為智能制造的載體，機電裝備的可靠性與穩定性越來越得到人們的重視，當其發生故障時，如果不能及時處理，將會引發非常嚴重的后果。

早期的故障診斷方法主要是利用時頻域分析等方法對傳感器等感知設備采集到的信號進行處理，然后對設備的健康狀況做出診斷。這種方法需要技術人員具有非常豐富的工程經驗，而且其準確率有待提高。隨著人工智能的發展，出現了基于機器學習的故障診斷方法。機器學習通過讓計算機從數據中自行學習，從而總結出其中的規律。相較于傳統診斷方法，機器學習診斷方法的準確率有所提高。但是在計算機對數據進行學習之前，仍需要工程人員對數據進行繁重的特征提取操作，也就是說機器學習還是一種“淺層”的學習。

而深度學習[3]利用神經網絡[4]，可以構建比機器學習更“深”的算法模型，從而可以對數據的特征進行自主學習，無需人工對數據進行預處理，且準確率較高。WEN等[5]提出了一種基于LeNet-5神經網絡模型的故障診斷方法，將一維信號轉換成二維圖像并進行特征提取。……