机械工程学报

作者：石健, 刘冬, 王少萍

单位：1. 天目山实验室 杭州 310023;2. 北京航空航天大学自动化科学与电气工程学院 北京 100191

关键词：复杂机电液系统,数字孪生,健康管理,预测性维护,状态监控；

基金：国家自然科学基金资助项目(51875014)

数字孪生(Digital twin,DT)技术与预测和健康管理(Prognostics and health management,PHM)技术是智能制造领域中的两个热点研究方向。在对PHM技术现状总结分析的基础上,归纳当前制约PHM技术发展和应用的关键性问题如下:设备故障机理研究不透彻、全生命周期数据不完备、健康状态监测方法不足、多层级状态信息综合不足以及不确定性管理问题。并阐述数字孪生技术在解决这些问题过程中的独特优势,提出将基于第一性原理的多维数字孪生模型构建、虚实空间的多维数据映射、孪生体技术状态一致性度量与模型的高效迭代修正以及基于多域特征的系统健康评估、预测与维护决策作为关键技术构建DT-PHM研究架构。随着技术不断推进与发展,两项技术深度融合,基于数字孪生的复杂系统健康管理技术必将成为未来装备全生命周期视情维修和预测性维修的关键技术之一。

来源：2024年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第4期