面向特种底盘的数字孪生混合诊断系统建模技术及应用

周子璇，张鑫，康总宽，2，胡友民

(1.华中科技大学 机械科学与工程学院，湖北 武汉 430074；2.西北机电工程研究所，陕西 咸阳 712099)

特种车辆装备结构复杂、功能多样,其安全性、可靠性指标都远高于普通车辆[1]。底盘作为特种车辆装备的核心组成部件之一,其结构的复杂性导致故障检测更加困难。因此,研究并开发针对特种底盘的专用诊断系统十分有必要。

近年来,数字孪生(DT)技术[2-5]在设备健康管理领域得到广泛引用。如Ritto等基于数字孪生理念,搭建了一个集成物理模型和机器学习模型的系统框架[6];陶飞等提出数字孪生车间的概念[7],同时提出数字孪生五维模型,并从船舶、车辆、设备健康管理等工业领域提出其实施思路及方案[8]; Booyse等提出一种深度数字孪生框架并应用于设备的全生命周期健康管理[9];Tao等融合数字孪生技术提出了一种基于检测驱动的故障预测与健康管理方法[10]。综上,将数字孪生技术理念与特种底盘的固有特点及其故障诊断需求相结合,具备一定的技术先进性和实施可行性。

目前,针对大型机械装备的故障诊断系统主要有以下3条技术路线：

1)基于知识的故障诊断系统建模[11]：如文献[12]提出了一种基于代码和通配符的知识规则表示方法,并利用数据库模糊查询实现知识推理。这种方式具有操作简单的优势,但对于故障表象不明显的情况难以做出判别,导致失效。

2)基于数据驱动模型的故障诊断系统建模[13]：如文献[14]提出了一种基于燃气压力评估的火炮底盘发动机故障诊断方法,从流体动力学建模的角度对发动机故障进行识别。该技术具有自动化程度高、识别能力强的优势,但当历史数据不充足时,模型的识别效果难以满足要求。

3)基于信号处理的故障诊断系统建模[15]：如文献[16]提出了一种基于多属性决策理论的发射车底盘制动系统故障树诊断方法,一定程度上改善了传统分析方法准确性差、效率低的局限性。但该技术受专家经验的制约且分析过程繁琐。

此外,针对小型机械装备,可通过有限元分析的方式对机械结构故障进行模拟,但这种方式计算规模受限,难以用于复杂的机械装备。

笔者结合特种底盘的结构特点和运维需求,提出了一种基于数字孪生的特种底盘混合诊断系统架构及系统建模方法,设计并开发了特种底盘混合诊断系统。该系统通过构建多物理要素、多尺度、跨层次的特种底盘数字孪生模型,实现了对底盘物理实体的实时可视化监测与管理;通过感知适配特种底盘各部件的特征信息,设计了集智能诊断、专家知识库诊断、人工远程诊断于一体的混合诊断方式,实现了提高特种底盘运维可靠性并降低运维保障成本的效果。

1 特种底盘混合诊断系统设计需求

特种底盘主要可分为传动系、行驶系、转向系、制动系四大系统,由近万个零件构成。若要对绝大多数的零部件进行监测,不仅实现成本高,且底层传感器的布置难度大。通常情况下,底盘零部件的工作负荷及故障率的分布具有显著的不均匀性。其中仅有少数零部件工作负荷较强,更容易发生故障或损坏,且会对车辆与人员安全造成重大危害。因此,从实际出发,通过对底盘故障进行主成分分析,将监测与分析的重点放在故障发生频繁、故障危害大的典型零部件,并采用适配零部件的混合诊断技术,可显著提高底盘故障检测的经济效益和管理效率。

特种底盘的常见故障模式如图1所示。某型号特种底盘在某年度的故障分布百分比如图2所示,数据来源于车辆售后维修部门。

结合图1、2分析,四类底盘系统中,传动系故障类型占比最高。其中最典型、最频发的是离合器以及传动轴轴承的故障,例如,分离杠磨损导致的离合器噪音过大、齿轮过热损坏等。转向系故障占比仅次于传动系,以摩擦过大所导致的转向器磨损以及齿轮泵的漏油现象居多。上述故障发生时,通常难以仅根据单一传感器的数据进行故障定位与判别分析。基于数字孪生方法,实现多传感器的数据融合与孪生模型驱动,有望解决上述问题。因此,针对特种底盘所构建的监测与诊断系统需要具备以下功能属性：

1)可感知：软件系统能通过多种渠道来源对底盘的状态进行感知或信息获取,包括对底盘装备的易损零部件进行传感监测,并将实时信号传输至系统平台进行存储。

2)可分析：能对监测的目标信号进行有效分析,快速地对底盘装备进行状态判别与故障定位。

3)可反馈：依据分析结果,可给出可靠的处置措施,帮助随车人员迅速掌握故障位置、执行正确操作。

4)可视化：在感知与监测的过程中,能对底盘装备的状态进行良好的可视化呈现,包括对车辆运行状态、底盘各部件健康状态等进行实时呈现。此外,由于底盘装备的特殊性,数字孪生理念中的反向控制并不适宜应用于实际的驾驶过程,且本研究的侧重点在于实时提供可靠信息给随车人员,因此反向控制功能不在本研究的范畴之内。

2 混合诊断系统总体架构设计

特种底盘混合诊断系统的总体架构设计如图3所示,由物理层、虚拟层、网络层、数据层、应用层5个层次组成：

1)物理层：即特种底盘实体,包含底盘各系统及其零部件组成,还包括安置于底盘各部位的传感装置与可编程逻辑总控制器(PLC)等。

2)虚拟层：虚拟层通过三维数字化建模与数据驱动模型的集成技术,实现对物理实体的硬件抽象与虚实交互,通过构建底盘数字孪生体模型进行全方位、多尺度的仿真模拟,达到可视化、可交互的目的。

3)网络层：集成管理数据与信息传输的多种类型通讯网络,如物联网、移动通讯网等,保障网络安全与传输通畅,进而保证系统运行的实时性。

4)数据层：存储与管理采集特种底盘设备的海量多源异构数据,实现对大数据的集成与有效管理,为应用层提供数据支持,驱动数字孪生体运转。

5)应用层：通过搭建特种底盘混合诊断系统,实现混合诊断、设备监测、维保支持等多项核心服务集成化,并搭建集成设备档案、知识库、案例库、人员资料等多个对象的管理平台,形成一套完整的覆盖云端与终端各项需求的嵌入式诊断系统。

3 混合诊断系统建模关键技术

3.1 系统功能/技术框架设计

为满足特种底盘在实际工况中的监测、诊断、维保等多方面需求,充分考虑系统云端与车辆终端进行信息传输、分析的技术要求,需建立完善的系统功能框架和技术框架。表1为系统开发的技术选型结果。图4为特种底盘混合诊断系统的功能框架设计。其中,系统执行功能是在管理功能、交互功能的基础上进行开发和实施的,包括状态监测、故障诊断、维保支持三大功能模块。系统采用集成技术框架进行开发,尽可能发挥各种技术各自的优势。

表1 技术框架选型结果

3.2 由实到虚的数字孪生体监测技术

为实现如图3所示的系统架构,核心是要构建一套基于数字孪生技术的特种底盘监测方案,能对多源异构数据进行采集、传输、管理与分析等工作,并驱动数字孪生体运转,实现可视化监测。图5为本系统网络通讯方案示意图,涉及底层物联、移动通讯等多种方式,主要可划分为特种车辆终端与诊断系统云端两个部分。利用工业总线连接各底层传感器,并通过PLC进行组态管理,为各传感变量建立寄存器地址、定义变量名。在特种车辆上设置工控机,与PLC总控采用自动控制(OPC)方式进行通讯,读取各变量实时值,帮助随车人员发现问题,并按预定设置对关键数据进行边缘本地计算,以减少数据传输与云端计算的压力,再基于军用网络或运营商专业传输至云端的数据库服务器。此外,在特种车辆终端,可利用随车人员的手机访问诊断系统专用客户端,并在客户端上填写问卷信息、发起诊断需求、接收分析报告等。而在诊断系统云端,基于Web服务器和数据库服务器搭建B/S架构的诊断系统平台,该平台具备对各车辆终端上传的信息进行收集、展示、分析和反馈的能力。

为提高云端系统对特种底盘状态监测的可视化性能,基于数字孪生技术与三维数字化建模技术,以模块化部件为建模单位,为每个部件分别关联其关键物理属性,如转速、电流、振动加速度等,对底盘全局各部件进行包含物理属性的精细化建模。如车辆前轮传动轴的数字孪生体包含了转速、振动、温度三项关键属性,通过底层传感器采集而来的数据对孪生模型进行驱动。考虑到传输延时和传输负担的问题,采用以下两种优化手段：

1)尽管丰富的物理属性类型可以更加真实地反映现场实际,但考虑到系统使用效率,对每个部件只需绑定关键的物理属性即可。

2)在车辆终端工控机上采用边缘计算方式,对原始传感数据进行数据约简,只进行关键特征数据的传递(如轴的转速只需要传递某段时间的转速均值即可,因为短时间间隔内的转速波动并非监测重点)。在基于边缘计算架构的监测策略下,利用云端系统的底盘数字孪生体进行底盘实体的状态监测,能实现快速、精准的监测效果。利用底盘数字孪生体进行状态监测的使用效果图如图6所示。

3.3 由虚到实的混合诊断技术

3.3.1 混合诊断总体流程

由于工作环境的复杂性和工作任务的特殊性,对特种底盘状态进行监测与诊断时,单一的故障诊断方式难以综合考虑外界干扰因素和设备内在故障规律的双重影响。因此,针对特种底盘装置的诊断需求,本研究在多源异构数据的基础上,将多种诊断方式相结合,充分考虑现场实际情况和专家经验,设计了一套高效率、高可靠性的混合诊断流程,如图7所示。

混合诊断流程将智能诊断、知识库诊断、专家辅助诊断相结合,能够充分发挥各种诊断方式的自身优势,同时兼顾并提升诊断效率与可靠性,从而有效保障底盘装备的安全性。但针对底盘装置关键部件数目多、故障类型多、诊断难易程度不同等现实情况,混合诊断要求对不同类型的诊断任务因地制宜地选择并实施相应诊断方法,而非套用全部诊断方式。例如,对于温度异常导致的故障问题,只需要采用阈值检测方法即可进行定位。这不仅有利于提高诊断效率,还使得故障诊断的判定依据更加精准。因此,掌握不同诊断任务的特点及技术需求,预先设定诊断方式,可有效增强诊断系统的可靠性。

当底盘出现新的故障类型时,智能检测模型与知识库将无法直接对这类新故障进行识别。此时,则需要人工专家依据云端数字孪生体模型,逐步分析确认故障模块、故障部件,再由现场人员配合确认具体的故障模式。最后,这类新产生的故障知识将被补充到知识库与案例库中,并用于智能诊断模型的训练。此外,当随车人员无法上传视频图片素材,且知识库无法匹配相应解决方案时,人工专家同样通过孪生模型对底盘的各子系统进行逐一分析以确认故障位置。

3.3.2 感知适配的混合诊断技术

智能诊断主要采用了压缩感知[17]和深度置信网络[18]两项技术。

压缩感知是一种数据压缩技术,能在远小于奈奎斯特采样率的场景下,对数据进行稀疏采样,使压缩后的信号较好地保留原始信号的特征信息。在本系统中,压缩采样作为车辆端工控机的边缘计算方式,对高频采样的原始信号进行压缩处理,以减轻车辆端向云端系统数据传输的负荷。此外,云端系统可利用重构算法实现对压缩信号的重构与复现,从而进行后续的存储和分析工作。

深度置信网络是一种经典的深度学习方法,基于多层受限玻尔兹曼机(RBM)实现信号特征的逐层提取。本系统选择深度置信网络作为故障模式识别算法主要有以下两个原因：

1)深度置信网络作为一种典型深度学习方法,对比传统的机器学习方法具备更好的特征挖掘能力。

2)深度置信网络的模型构建方式更加简洁,它通过堆叠多个RBM来实现逐层的非线性映射,各层之间的结构信息相似,其网络结构、模型超参数都更便于管理。

基于专家知识库的故障诊断主要利用问卷信息分析方法对底盘部件进行故障诊断。在本系统中,采用模块化管理方式对底盘的多个关键部件分别设计问卷,并在问卷知识库中预先建立相应的逻辑判别规则。当随车人员发现某个部件可能存在问题时,可通过手机打开终端应用,找到对应部件问卷,填写相关信息,云端服务器则对这些问卷信息进行分析并匹配问卷知识库,得出问卷分析的结论。以离合器故障诊断任务为例,图8给出了问卷填写和故障分析匹配的一个示例。

如前所述,当基于专家知识库的故障诊断结果与智能诊断结果出现矛盾时,则采用人工专家诊断的方式进行结论修正。因此,最终的故障诊断结果可以结合智能诊断、知识库诊断、专家辅助诊断3种方式,大大提高了诊断结果的可靠性,更加符合特种底盘实际的故障诊断需求。最终,诊断结果(即设备故障识别号,为空则表示无故障)与维保知识库进行匹配得到维修/维护意见,形成检测报告推送到随车工作人员的系统账户。

4 混合诊断系统实例应用

根据某特种车辆制造商售后维修部提出的实际需求,笔者设计提出的系统可作为售车业务的信息化配套服务,为车辆采购方提供长期可靠的底盘装置运维保障。该系统基于数字孪生的设备监测理念,设计开发了一套融合智能检测、知识库诊断、人工专家诊断的混合诊断系统,实现了对底盘关键部件的监测、诊断、维保支持等核心业务功能,构建了可自更新的知识管理、模型管理、案例管理等业务支持模块。此外,本系统还开发了设备建档管理、人员管理等功能模块,进一步提高信息化水平。

本系统的核心是对底盘实施混合诊断,混合诊断过程示意如图9所示。其中,针对特种底盘的诊断过程能够综合问卷知识库诊断、智能模型诊断以及在数字孪生体辅助下的人工专家诊断3种策略,得到更加可信的诊断结果。诊断结果直接存入云端数据库中,并在系统内部为随车人员推送相关信息,以指导其现场操作。

特种底盘混合诊断系统平台界面如图10所示。通过对底盘部件进行选择,云端监测系统平台可对指定部件的孪生体模型进行独立加载及呈现,并为其关联相应的数据源实现状态监测。图10(a)中央选择了前轮传动轴这一部件,点击即可查看其实时状态、实时数据,并可发起相应操作。图10(b)～(d)给出了3种诊断方式的界面示例。在图10(b)中,既可通过设置定时任务由后台调用诊断模型自动诊断,也可手动执行诊断操作。图10(c)为问卷知识库前台显示界面,其诊断结果通过与后台数据库匹配而来,同时可人工匹配结果进行校正、勘误,校正结果会即时更新至后台知识库。图10(d)为人工专家辅助诊断的界面示例,当问卷分析结果(也即知识库诊断结果)与智能诊断结果不一致时,可由人工专家综合随车人员上传的资料、问卷信息、孪生模型等,给出诊断结果与维保意见,在此界面下予以答复。

本系统的正常运行需要依赖底层多源数据的支持,因此需要在底盘安装多种类型传感器。表2为特种底盘传动系主要采用的传感器型号及灵敏度信息,部分未统计在内。

表2 传动系传感器列表

该系统实际应用后,在监测、诊断、维保三个方面都发挥了有益的效果。在监测方面,立足于底盘数字孪生体模型,各部件状态都能在孪生模型上可视化展示,起到了由实到虚的监测效果;在诊断方面,融合智能诊断、知识库诊断、人工辅助诊断三种诊断方式,实现由虚到实的故障诊断,诊断结果更加实用可靠;在维保方面,能有效指导随车人员的维保操作,降低故障的排查和维护时间,有效提高特种底盘装备的运维可靠性。

5 结束语

针对特种底盘故障率高、故障难发现、难维保问题,笔者提出了一种基于数字孪生的混合诊断系统架构,阐述了特种底盘装置的全方位监测、多方式集成的混合诊断策略以及系统建模关键技术。构建了数字孪生特种底盘多层次三维可视化监测模型,采用了智能诊断+知识库诊断+人工诊断多方式融合的自适应诊断方法,能更好地定位到底盘装置的关键部件进行混合故障诊断,帮助随车人员及时有效地发现底盘问题,提高底盘装备的运维可靠性。借助数字孪生技术,本研究工作实现了从实到虚的数字孪生体监测、由虚到实的混合诊断过程。未来将进一步增强系统应用的普适性,并将建模方法扩展到更多特种装备上进行验证,以实现更大的应用价值。