振动测试在工业设备数字孪生中的应用

摘要：振动测试在数字孪生（Digital Twin）中扮演着至关重要的角色。数字孪生是物理系统、过程或设备在虚拟环境中的实时数字化模型，用于监控、分析和优化系统性能。振动测试在这一过程中提供了关键的数据和分析工具，帮助构建和更新数字孪生模型。本文简要说明振动测试在数

编者按：振动测试在数字孪生（Digital Twin）中扮演着至关重要的角色。数字孪生是物理系统、过程或设备在虚拟环境中的实时数字化模型，用于监控、分析和优化系统性能。振动测试在这一过程中提供了关键的数据和分析工具，帮助构建和更新数字孪生模型。本文简要说明振动测试在数字孪生中的作用及其应用案例。

振动现象，简单来说，就是物体在某个位置周围来回摆动。振动可以是有规律的，比如钟摆的摆动，也可以是无规律的，比如汽车在颠簸的道路上行驶时的晃动。在自然界中，振动无处不在。比如，地震就是一种大规模的地面振动，它是由地壳板块的运动引起的。再比如，乐器发出的声音，也是通过振动空气产生的声波。振动的科学原理涉及到物理中的力学和波动学。物体振动时，它的能量会在周围介质中传播，形成波动。这些波动可以是机械波，比如声波和地震波；也可以是电磁波，比如无线电波和光波。

振动现象在工业测试中的应用非常广泛，它是一种重要的质量控制手段，用于评估产品在设计、制造和使用过程中的可靠性和耐久性。工程振动测试按照测量过程的物理性质可以分为三类：‌机械式测量方法、‌光学式测量方法和电测方法。‌

机械式测量方法是一种传统的测量技术，将工程振动的参量转化成机械信号，再经机械系统放大后进行测量、记录，这种方法通常用于测量较大的振动幅度和较低频率的振动，精度相对较差。‌光学式测量方法利用光学原理来测量振动，‌将工程振动信号转化为光学信号，经光学系统放大后显示和记录，通常涉及到使用激光测振等。‌这种方法具有非接触测量优势，适用于高精度测量， ‌能够提供非常准确的振动数据。‌电测方法则是利用电子传感器来测量振动，‌将工程振动信号转化为电信号，经电子线路放大后显示和记录。这种方法广泛应用于现代振动测试中，‌因为它能够提供快速、‌准确的振动数据，‌并且可以通过电子设备进行数据处理和分析。

工程振动测试通过传感器测量位移、速度、加速度、激振力等参数，按照对振动信号的处理方式可分为时域分析以及频域分析。它们分别关注振动信号在不同时间尺度和频率成分上的特征，‌为振动测试提供了全面的数据分析手段。‌

时域分析主要关注振动信号在时间轴上的变化，直接处理原始的振动信号，主要分析随时间变化的振动数据‌，如振动信号瞬时值、幅度和波形。适合分析短时瞬态事件，如冲击、突发振动等。适用于瞬态振动事件的检测和分析、设备运行状态监测、振动信号的初步诊断等。频域分析则是基于振动信号的频率分量进行分析的方法，‌通过傅立叶变换等方法将时域振动信号转换为频域，‌显示不同频率成分的幅值和相位。‌频域分析的应用包括频谱分析、‌阶次分析和谱线分析等，‌用于检测特定频率的共振、‌自然频率和频率成分的异常。‌频域分析特别适用于分析振动信号的频率成分，‌以检测共振、‌自然频率和特定故障频率，‌这对于理解机械系统的稳态行为和频率域内的相互作用非常重要。‌

数字孪生通过构建一种虚拟模型，结合实时数据和先进的分析技术，为物理对象或系统创建一个精确的数字副本。在工业设备中，数字孪生可以模拟设备的运行状态、性能和行为，从而实现对设备的优化、预测性维护和故障诊断。振动测试在工业设备数字孪生中扮演着关键角色，其作用包括：

物理实体感知：通过振动传感器和数据采集系统，可以实时监测物理设备的振动数据。这些数据包括振动幅度、频率、加速度等。将采集的振动数据输入到数字孪生模型中，更新模型的状态，以反映物理设备的实际运行情况。虚拟模型优化：振动测试数据可以用于训练和验证数字孪生模型。通过收集设备在不同工作条件下的振动数据，比较测试数据和模型预测，可以调整模型以更好地反映实际设备的性能。故障预警服务：利用振动测试数据可以监控设备的运行状态，及时检测异常振动模式。通过分析振动数据中的频率成分和模式变化，发现潜在的故障问题。结合振动数据和数字孪生模型，可实现设备的故障预测。

文献1针对旋转叶盘在线振动监测方法仅能获取有限测点信息的局限性，提出了一种基于数字孪生概念的旋转叶盘全域振动状态虚拟感知技术架构。通过孪生模型构建、非接触振动测试、孪生模型动态更新、虚拟感知及可视化模块开发等关键技术和实现方法，实现了动位移场和动应变场的全域状态感知。该方法能够在现有测试手段的基础上获得更加全面的叶盘振动信息，为旋转叶盘的在线状态监测提供了一种新的理论架构，并为叶盘疲劳寿命分析及可靠性预测提供有效的数据支撑。

图1 基于DT的旋转叶片状态全景感知架构

2. 薄壁件铣削颤振辨识及表面形貌预测研究

文献2针对薄壁件在切削过程中容易发生颤振，对表面质量有很大的影响的问题，为了保证薄壁件的表面质量，研究了铣削加工稳定性预测方法、颤振在线辨识方法和三维形貌预测方法，以此为基础开发面向薄壁件铣削系统的数字孪生监控平台并与开放式数控系统集成，监测和优化铣削加工过程，实现对铝合金薄壁件铣削颤振的辨识和表面形貌的预测。其中创新点之一就是提出了基于多源 LSCE 和多源 ARMA 的薄壁件铣削稳定性预测方法，提取了多组振动响应信号中隐含的模态参数，提高了识别结果的准确性，为准确确定薄壁件铣削过程三维稳定性叶瓣图奠定了理论基础。

图2 薄壁件铣削数字孪生功能架构

3. 基于数字孪生的电梯制动性能预测及评价

文献3是重点实验室自主研发研究成果。在基于数字孪生的电梯制动性能预测及评价研究中，通过部署传感器来监测电梯自身的多维数据，并基于智能网关对电梯进行实时动态采集，从而搭建了电梯高保真模型，实现电梯物理实体与孪生体之间的双向映射以及动态交互；基于电梯预测模型并结合PCA-RF-LSTM时间序列的数据回归算法对电梯的性能进行及时分析及故障预测；在电梯的应用服务中搭建决策系统，根据电梯物理实体和虚拟实体的多维数据融合分析以及开发故障诊断、远程运维、事故追溯等分析技术，尝试对电梯制动性能进行故障预测以及安全评价。其中传感器监测关键参数包括制动器振动加速度。