1数字孪生技术发展情况数字孪生技术（DTT）是依托物联网技术、大数据分析等对现实场景全要素的数字化精确表达，通过多维模型和融合数据双驱动，即双向实时映射和虚实动态交互，描述物理实体对象的多个维度属性，分析物理实体对象的未来变化趋势，进而实现对物理实体对象的实时监控、仿真、预测、优化完善等功能。数字孪生包括虚拟模型、物理实体、孪生数据、连接和服务，即五维模型[1-4]。目前，数字孪生技术应用集中在故障诊断、定位、全寿命周期健康监测及零部件寿命预测等方面。以传感器技术、电子信息技术、物联网技术、人工智能、大数据分析等技术为基础，实时采集监测复杂装备全寿命周期范围内的状态，包括制造、运行、维护、清洁、定期保养和检修等过程，通过数据的采集、故障机制的分析、模拟结果的仿真、装备健康状态的评估、零部件故障及剩余寿命的预测，提供优化完善决策方案，进一步降低装备的故障率，提高系统的可靠性及安全性，进而降低了系统维护成本、安全风险及对维修人员经验的依赖[5]。2固定式架车机运维现状随着大量列车的投入运营，车辆检修与维护十分重要，关系着城市轨道交通的正常运行、人们的生命及财产安全。固定式架车机是轨道交通车辆维护、检修中重要的设备之一[6]，主要由转向架举升装置、车体举升装置、控制系统、电机、齿轮箱和滚珠丝杆等构成，用途是举升轨道交通车辆，便于检修人员进行转向架和车底零部件的维护检修。固定式架车机的高效、稳定运行直接关系着车辆检修、维护的效率及作业人员安全等。车辆检修时若发生故障，将延长地铁列车检修维护时间，甚至发生安全事故，造成列车损坏或人员伤亡。因此，解决固定式架车机的智能高效、稳定安全运行至关重要。经调研分析，固定式架车机主要故障有轴承振动损伤、电机卡顿、电机地脚松动和承载螺母磨损。轴承振动损伤：固定式架车机在长期的举升工作中，每个举升柱均会有轴承在工作中起作用，长期的旋转使轴承产生振动损伤，如果不及时更换，举升柱将发生卡顿，后果严重。轴承振动原理及危害如图1所示。10.19301/j.cnki.zncs.2024.04.023.F001图1轴承振动原理及危害电机卡顿：电机在工作中会因异物卡住或没有及时添加润滑油等原因出现电机卡顿故障，不及时修复会造成举升柱不同步，轨道列车侧翻事故。电机卡顿原理及危害如图2所示。10.19301/j.cnki.zncs.2024.04.023.F002图2电机卡顿原理及危害电机地脚松动：电机地脚会因螺栓拧紧力下降或垫片老化等原因松动，地脚松动后电机由于自身振动会带动联轴器抖动，导致万向轴不规则抖动。电机地脚松动原理及危害如图3所示。10.19301/j.cnki.zncs.2024.04.023.F003图3电机地脚松动原理及危害承载螺母磨损：固定式架车机举升的大部分重量作用于承载螺母，承载螺母磨损程度过高会脱落，导致整个举升柱脱落，使轨道列车发生倾翻事故。承载螺母磨损原理及危害如图4所示。10.19301/j.cnki.zncs.2024.04.023.F004图4承载螺母磨损原理及危害3建立固定式架车机智能运维数字孪生模型利用BIM、电子信息、智能传感、物联网及人工智能等技术，构建“几何—物理—行为—规则”多维度数字孪生模型，实时采集主要零部件运行状态，将数字信息驱动数字孪生模型，解决实时可视化监测难题。创建虚实双向连接和服务融合的固定式架车机数字孪生体，解决重要零部件故障或“亚健康”失效问题。通过引入数字孪生技术实现固定式架车机重要零部件数字化故障诊断、全寿命周期健康监测及零部件寿命预测等，提高固定式架车机数字化运维。基于孪生数据和物理实体实时映射构建数字孪生虚拟模型。构建涵盖多维度、多层级、多领域、多物理属性的数字孪生机理模型，根据结构力学、应力学等物理属性，建立能够表征物理实体特征演化/退化规律的评价指标。基于评价指标，对影响机理模型演化规律或退化过程的关键特征进行敏感度分析与评价，对数字孪生虚拟模型进行验证与校正优化。根据历史数据、实时数据和模拟数据构建数据模型，结合数字孪生虚拟模型仿真分析结果，并由机理模型得出关键特征作为数据模型的输入特征，修正数据模型。根据数字孪生虚拟模型仿真分析结果，对数字孪生机理模型和数据模型进行优化。以数据模型为主导，得到更准确的预测结果，以优化物理实体决策过程或制订相关智能决策方案。固定式架车机数字孪生模型创建如图5所示。10.19301/j.cnki.zncs.2024.04.023.F005图5固定式架车机数字孪生模型创建固定式架车机数字孪生系统界面如图6所示。10.19301/j.cnki.zncs.2024.04.023.F006图6固定式架车机数字孪生系统界面4基于数字孪生的架车机障诊断及健康管理利用数字孪生技术通过对固定式架车机物理实体、虚拟模型、孪生数据实时映射交互，实现固定式架车机重要零部件的智能故障诊断、健康管理、寿命预测，降低固定式架车机的故障率，延长其检修周期，提高其安全性和可靠性。基于数字孪生的架车机故障诊断与健康管理框架如图7所示。10.19301/j.cnki.zncs.2024.04.023.F007图7基于数字孪生的架车机故障诊断与健康管理框架为进一步提高固定式架车机数字孪生模型智能故障诊断与健康管理的准确性，结合实测数据、历史数据等进行训练、深度学习。固定式架车机数字孪生模型补偿修正如图8所示。10.19301/j.cnki.zncs.2024.04.023.F008图8固定式架车机数字孪生模型补偿修正通过现场试验，实际测量的数据驱动孪生模型并对其进行修正。基于构建的数字孪生体模型和固定式架车机轴承、承载螺母和电机等关键零部件上传感器实时采集的实际数据，研究物理实体和数字孪生仿真模型数据的不一致性和一致性，从而确定其故障状态的判定规则。融合实时采集数据与固定式架车机的数字孪生体状态评估。采集固定式架车机的履历、状态及仿真等数据，通过卷积神经网络、Adam优化和数据集增强等方法对数据进行重要程度及敏感性分析，对不同类型的数据进行分析融合，形成数据孪生集，基于固定式架车机关键部件及整机进行平稳性、安全性、可靠性等状态评估。通过采集固定式架车机轴承、举升立柱、承载螺母、电机等零部件的位移信号、加速度信号、电压信号及电流信号等，研究开展固定式架车机关键零部件基于深度自学习的故障诊断、健康管理及寿命预测方法研究，降低或规避对关键零部件的漏诊和误诊，提高固定式架车运行可靠性和安全性[7]。5结语通过对数字孪生技术研究应用带动产业转型升级，提升制造、建造智能化水平。本文将数字孪生技术探索应用于轨道交通固定式架车机重大装备中，有助于实现固定式架车机的故障诊断和健康管理，及时消除其亚健康状态，保障固定式架车机运维安全和可靠运行。