本发明涉及机床故障诊断，尤其涉及一种面向机床故障诊断的数字孪生模型构建方法及终端。
背景技术：
：：1、数控机床是装备制造业的“工作母机”，是工业体系的基础。数字孪生（dt）作为推动智能制造的关键使能技术，随着人工智能、大数据、物联网等新一代信息技术的发展，在数控机床故障诊断等领域受到广泛的关注和研究。高置信度的数字孪生模型是数字孪生系统的核心基本要素，通过从多维度、多尺度对物理实体进行刻画和描述，以实现数字孪生的各相关功能。然而，与普通机械设备不同的是，数控机床是由机、电、热、液等不同多领域的子系统耦合而成的复杂机电设备，其多领域系统高度耦合、工况复杂多变，全生命周期下故障模式多样，故障原因与信号特征之间的关系错综隐含，这就需要构建一种能够反映数控机床全生命周期状态的高置信度数字孪生模型，来有效推动数字孪生技术在数控机床领域的应用实践。2、而目前常用的数控机床数字孪生建模方法主要有几何建模方法、有限元建模方法和机理建模方法。几何建模方法是通过三维建模软件，构建数控机床的外观几何模型，然后通过数据驱动，实现模型的运动，该方法仅仅实现了仅仅反映了物理实体的几何信息，无法根据数字孪生模型对机床进行性能上的分析。3、有限元建模方法是基于已有的几何模型，对数控机床进行有限元仿真，可以实现数控机床单领域的动力学分析或热力学分析等，然而缺乏对数控机床各个子系统间复杂耦合关系的考虑。4、机理建模方法通过构建适当的数控机床机理模型来描述数控机床的系统，进一步利用理论公式分析数控机床的性能变化，然而，由于数控机床结构复杂，各个子系统之间存在着耦合关系，建立一个能反映其整个生命周期状态的模型需要大量的机理公式，过程繁琐，且不具备良好的视觉效果。5、此外，以上三种数字孪生建模方法所构建的仅仅是数控机床健康状态下的模型，无法反映数控机床全生命周期的状态。因此，如何建立一种高置信度的、能够反映数控机床全生命周期状态（包括健康状态、故障状态）的数字孪生模型是当前亟待解决的技术问题。技术实现思路1、本发明提供一种面向机床故障诊断的数字孪生模型构建方法，方法通过故障注入技术，可实现数控机床故障数字孪生模型的构建，并组件模型库，进一步有效解决了数字孪生模型无法反映数控机床全生命周期状态的问题。2、方法包括：3、s1：采集数控机床的相关信息；相关信息包括：静态信息和动态信息；4、s2：构建数控机床故障模型库，数控机床故障模型库的表达方式为：5、6、式中：f表示故障模式库；m表示故障模式；p表示故障现象；c表示故障特征；l表示故障等级；d表示故障的处理方式；7、s3：根据数字孪生模型构建故障诊断功能需求，将数控机床划分为若干个子系统，并分析各个子系统的工作机理以及各个子系统之间的耦合关系，对各个子系统分别建模，将各个子系统模型耦合连接，得到数控机床多系统耦合数字孪生模型，然后利用来自物理系统的传感监测数据验证模型，并不断更新、优化模型参数；8、s4：对数字孪生模型进行实时映射；9、s5：构建包括数据存储和使用的数据模型；10、s6：基于数据模型实现对数控机床的数据采集、状态监测、模型更新优化，并进行数控机床的故障诊断。11、进一步需要说明的使，步骤s1中，静态信息包括：数控机床的几何尺寸、系统结构、材料的物理属性、工作能力、型号；12、动态信息包括：数控机床的工况、振动、温度、刚度、噪声、加载力信息。13、进一步需要说明的使，步骤s2中，对数控机床故障模型库不断更新，更新的方式包括：14、更新故障模式m：通过故障树、专家经验、现场记录方法收集数控机床各类故障模式，对于历史故障记录缺失的情况下，通过仿真实验、现场试验等方法获取故障样本；15、更新故障现象p：当故障发生时，通过现场记录、历史维修手册方式对各类故障模式的故障现象进行收集、记录，或通过试验进行获取；16、更新故障特征c：利用泛在感知模块得到的历史数据以及数字孪生模型模块得到的孪生故障数据，并通过特征提取，分析各类孪生故障数据，进行更新；17、更新故障等l级：通过故障现象、故障影响程度进行判断，划分故障等级；18、更新故障的处理方式d：针对不同的故障模式，获取用户提供的处理意见，并进行归纳、记录保存。19、进一步需要说明的使，步骤s3中，划分的若干个子系统包括电气控制系统、传热系统、机械系统以及液压系统；20、步骤s3还基于数字孪生模型故障的注入技术，通过设置工况条件、模型物理参数、几何属性，对数字孪生模型进行故障注入，得到表征数控机床不同状态的数字孪生模型，以此构建数字孪生模型库m，使数字孪生模型库m中每个数字孪生模型映射数控机床的每一个状态；21、数字孪生模型库m与故障库的关系表示为：22、23、其中，表示数字孪生模型库m能够表征数控机床i类故障模式的数字孪生模型，表示数控机床故障模型库中i类故障模式。24、进一步需要说明的使，步骤s4还包括：通过fmi标准模型封装成为具有统一平台接口的fmu模型，并留出相关数据接口，将采集到的静态信息以及动态信息传输给数字孪生模型，对模型进行更新。25、进一步需要说明的使，步骤s5还包括：26、采用本体语言对数据模型进行建模，并生成人机可读的xml格式的概念模型文件，供系统读取。27、进一步需要说明的使，数据模型中包括：列式数据库和关系型数据库；28、采用列式数据库存储数据数量大于阈值，具有多个数据类型，且带有时间戳的运行状态数据；29、采用关系型数据库存储数据量小于阈值，数据结构为静态属性、性能测评以及薄弱点分析相关数据；30、列式数据库采用hadoop平台下的hbase存储运行状态数据，hbase的数据以键-值对的形式被组织在htable表里，通过行键、列族、列限定符及时间戳的四维坐标进行访问，并获得单元值；31、关系型数据库采用mysql关系型数据库。32、进一步需要说明的使，步骤s6还包括：对实时传感监测的数据进行采集、存储；33、对数据模型中数控机床的原始监测数据进行清洗、归一化、取最值预处理，并以柱状图、折线图、饼状图形式进行可视化展示，实现数控机床实时状态的监测；34、存储数控机床的故障模式、故障特征、故障等级、故障处理方式信息，并支持更新；35、存储表征不同故障模式的数字孪生模型，与数据模型相关联，支持数据模型更新和扩充，为故障诊断提供数据支持。36、本发明还提供一种面向机床故障诊断的数字孪生模型构建系统，系统包括：数控机床泛在感知模块、数控机床故障模型库构建模块、数控机床数字孪生模型库构建模块、数字孪生模型实时映射模块、数据模型构建模块以及数控机床数字孪生模型系统开发模块；37、数控机床泛在感知模块用于采集数控机床的相关信息；相关信息包括：静态信息和动态信息；38、数控机床故障模型库构建模块用于构建数控机床故障模型库，数控机床故障模型库的表达方式为：39、40、式中：f表示故障模式库；m表示故障模式；p表示故障现象；c表示故障特征；l表示故障等级；d表示故障的处理方式；41、数控机床数字孪生模型库构建模块用于根据数字孪生模型构建故障诊断功能需求，将数控机床划分为若干个子系统，并分析各个子系统的工作机理以及各个子系统之间的耦合关系，对各个子系统分别建模，将各个子系统模型耦合连接，得到数控机床多系统耦合数字孪生模型，然后利用来自物理系统的传感监测数据验证模型，并不断更新、优化模型参数；42、数字孪生模型实时映射模块用于对数字孪生模型进行实时映射；43、数据模型构建模块用于构建包括数据存储和使用的数据模型；44、数控机床数字孪生模型系统开发模块用于基于数据模型实现对数控机床的数据采集、状态监测、模型更新优化，并进行数控机床的故障诊断。45、本发明还提供一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现面向机床故障诊断的数字孪生模型构建方法的步骤。46、从以上技术方案可以看出，本发明具有以下优点：47、1、本发明通过构建数控机床故障模型库，可以有效分析、了解数控机床各类故障，并通过故障库获取故障特征、处理方式等信息，为数控机床故障诊断提供依据。48、2、本发明所构建的数字孪生模型库，每个模型都充分考虑了数控机床各个子系统之间的耦合关系，在同一建模环境下对机床各个子系统间的耦合关系进行描述，模拟数控机床物理系统的整体相应特性。此外，模型库中的每个模型均可以表征一类数控机床的故障模式，可以有效反映数控机床全生命周期的状态变化，利用传感监测数据，为故障诊断提供故障样本、故障模型及有效的数据，以实现故障定位、溯源，提高诊断结果的准确性。49、3、本发明所构建的数据模型，可以有效存储来自数控机床物理空间的自身属性数据、状态数据和来自虚拟空间的数字孪生数据，方便应用层智能算法对存储的大量数字孪生数据进行高效的访问，提高故障诊断的可操作性。50、4、本发明搭建的面向机床故障诊断的数字孪生模型构建系统通过网页系统实现数字孪生模型的可视化以及数据存储，利用该系统，工作人员可以在线监测数控机床运行状态，当机床状态出现异常时，利用数字孪生系统中模型库以及存储好的数据，对数控机床进行诊断，及时采取维护、维修措施，保障机床安全、可靠的运行。当前第1页12当前第1页12