机械工程学报

作者：刘素艳, 董一林, 乔一鸣, 马增强

单位：1. 石家庄铁道大学河北省交通电力网智能融合技术与装备协同创新中心 石家庄 050043;2. 石家庄铁道大学电气与电子工程学院 石家庄 050043;3. 省部共建交通工程结构力学行为与系统安全国家重点实验室 石家庄 050043

关键词：数字孪生,轴承动力学模型,改进蜣螂优化算法,动态故障注入,样本不平衡；

在实际应用中，故障样本的缺乏和故障样本类别的不平衡往往限制了诊断的有效性。为了解决轴承故障样本不平衡的问题，文中设计了一种基于动态故障注入的数字孪生系统，该系统不仅能够反映正常运行状态，还能生成不同故障的样本。系统分为代理模型部分和参数识别部分：代理模型部分采用故障点冲击响应的二自由轴承动力学模型，利用四阶变步长龙格－库塔法进行仿真计算，生成模拟振动数据；参数识别部分将原算法与Chebyshev混沌映射、黄金正弦策略与自适应权重因子方法相结合并改进其适应度函数，提出改进的蜣螂优化算法，该算法可以通过实测振动数据识别动力学参数，构建数字孪生系统，实现动态故障注入。通过实验证明，该系统生成的故障数据相比于使用逆物理信息神经网络、CycleGAN和GAN生成的数据，具有更高的准确率。另外，通过该系统扩充外圈故障数据后，诊断模型的整体诊断准确率提高了8.9%，外圈故障的诊断准确率提高了26.7%，分别达到99.8%和99.5%，为滚动轴承故障诊断中故障样本不均衡问题提供一定的参考。

来源：2026年第3期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2026年第3期