基于数字孪生风电机组轴承温度动态优化方法

许文强; 周建星; 崔权维; 张博文; 周亚东

doi:doi:10.19912/j.0254-0096.tynxb.2024-1405

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于数字孪生风电机组轴承温度动态优化方法

更新时间：2026-01-08

- 基于数字孪生风电机组轴承温度动态优化方法
- Vol. 46, Issue 12, Pages: 225-232(2025)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-1405
  CLC： TH133
- Published Online：07 January 2026，
  
  Published：2025
- 稿件说明：
移动端阅览
许文强, 周建星, 崔权维, et al. 基于数字孪生风电机组轴承温度动态优化方法[J]. 2025, 46(12): 225-232.
DOI：

许文强, 周建星, 崔权维, et al. 基于数字孪生风电机组轴承温度动态优化方法[J]. 2025, 46(12): 225-232. DOI： doi:10.19912/j.0254-0096.tynxb.2024-1405.

摘要

针对以往风电机组轴承温度发热端建模简化和未考虑实际环境影响

难以建立准确的轴承温度模型的问题

提出基于数字孪生的轴承温度动态预测方法。首先

采用有限元法建立系统动力学模型

初步得到轴承振动加速度;其次

通过热网络法构建轴承温度计算机理模型。借助优化算法建立基于实测数据为目标的轴承振动优化模型

并利用实验数据和仿真结果构建滚动轴承热边界条件在线修正的数字孪生模型

用数字孪生优化后动的力学模型更新热网络仿真温度。试验结果表明

在变转速的工况下

该模型在振动加速度估计精度和轴承温度预测精度具备良好表现

可有效提高轴承热网络分析的精度和预测模型的准确性。

Abstract

In order to solve the problems that the modeling of the heating end of the bearing temperature of a wind turbine was simplified in the past and the actual environment was not considered

making it difficult to establish an accurate bearing temperature model

a dynamic prediction method of bearing temperature based on a digital twin is proposed. Firstly

the system dynamics model is established by the finite element method

and the bearing vibration acceleration is preliminarily obtained. Secondly

the mechanism model of bearing temperature calculation is constructed by the thermal network method. The bearing vibration optimization model based on the measured data is established by the optimization algorithm

and the digital twin model of the rolling bearing's thermal boundary conditions is constructed by using the experimental data and simulation results. The dynamic model after the digital twin optimization is used to update the thermal network simulation of temperature. The test results show that the model has good performance in vibration acceleration estimation accuracy and bearing temperature prediction accuracy under the condition of variable speed

which can effectively improve the accuracy of bearing thermal network analysis and prediction model.

关键词

Keywords

references

邱星辉, 韩勤锴, 褚福磊. 风力机行星齿轮传动系统动力学研究综述[J]. 机械工程学报, 2014, 50(11): 23-36.

乔帅, 周建星, 章翔峰, 等. 风电机组中两级齿轮传动系统动态温度响应与实验研究[J]. 太阳能学报, 2022, 43(1): 116-124.

马璇, 李建华, 陈国定. 减速器齿轮传动系统的稳态热分析及试验研究[J]. 西北工业大学学报, 2002, 20(1): 32-35.

程庆元, 陆凤霞, 鲍和云. 基于热网络法与有限元法的球轴承稳态热分析[J]. 机械制造与自动化, 2013, 42(6): 97-100.

GRIEVES M.Digital twin manufacturing excellence through virtual factory replication[J]. White paper, 2014, 1: 1-7.

TAO F, CHENG J F, QI Q L, et al.Digital twin-driven product design, manufacturing and service with big data[J]. The international journal of advanced manufacturing technology, 2018, 94(9): 3563-3576.

徐建江, 尹习双, 刘金飞, 等. 基于数字孪生的风电建设智能协同管控技术研究及应用[J]. 太阳能学报, 2024, 45(6): 536-543.

尚海勇, 刘利强, 齐咏生, 等. 基于数字孪生技术的风电机组建模研究[J]. 太阳能学报, 2023, 44(5): 391-400.

XIAO J Y, FAN K G.Research on the digital twin for thermal characteristics of motorized spindle[J]. The international journal of advanced manufacturing technology, 2022, 119(7): 5107-5118.

徐荣飞, 范开国. 基于数字孪生的电主轴热特性研究[J]. 中国机械工程, 2022, 33(16): 1965-1971.

YUAN Y Q, FAN K G.Digital twin-driven life health monitoring for motorized spindle[J]. Journal of manufacturing processes, 2024, 113: 373-387.

WANG Y, CAO J C, TONG Q B, et al.Study on the thermal performance and temperature distribution of ball bearings in the traction motor of a high-speed EMU[J]. Applied sciences, 2020, 10(12): 4373.

QIN Y, WU X G, LUO J.Data-model combined driven digital twin of life-cycle rolling bearing[J]. IEEE transactions on industrial informatics, 2021, 18(3): 1530-1540.

王胜男, 阿达依·谢尔亚孜旦, 章翔峰, 等. 考虑轴柔性的二级齿轮减速器振动噪声研究[J]. 西安交通大学学报, 2020, 54(9): 117-127.

乔自珍, 周建星, 章翔峰. 多源时变激励下两级直齿轮传动系统有限元建模方法研究[J]. 振动与冲击, 2019, 38(15): 182-189.

HARRIS T A.Rolling bearing analysis[M]. Crc Press, 2006.

ZHOU Y D, ZHOU J X, CUI Q W, et al.Digital twin-driven online intelligent assessment of wind turbine gearbox[J]. Wind energy, 2024, 27(8): 797-815.

MIRJALILI S Z, MIRJALILI S, SAREMI S, et al.Grasshopper optimization algorithm for multi-objective optimization problems[J]. Applied intelligence, 2018, 48(4): 805-820.

SAREMI S, MIRJALILI S, LEWIS A.Grasshopper optimisation algorithm: theory and application[J]. Advances in engineering software, 2017, 105: 30-47.

乔帅. 风电机组中两级齿轮传动系统动态温度响应与实验研究[D]. 乌鲁木齐: 新疆大学, 2021.

周军香, 周元坤, 刘佳. 滚动轴承振动与温度数据序列的灰关系分析与自助评估[J]. 轴承, 2020(10): 30-36.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于Copula的风电齿轮传动系统动态可靠性分析

风力机轴承剩余寿命预测的解释性深度学习方法

基于本征正交分解的风电机组结构在线状态监测

Related Author

温建民

周建星

严茉芯

费翔

姜宏

房忠

余萍

平梦梦

Related Institution

College of Electrical and Information Engineering, Lanzhou University of Technology

汕头大学能源与环境科学研究所,汕头 515063,汕头 515063

1,2) Xu Junping~2 Ni Weidou~1 Ye Zhiquan~2

汕头515063

汕头大学能源与环境科学研究所北京100084汕头大学能源与环境科学研究所

AI问答

⁰