列车转向架数字孪生建模仿真关键技术研究

为全面推进数字列车的工程化应用,以数字转向架建设为突破点开展数字孪生建模仿真关键技术研究,实现物理实体与数字孪生体之间的虚实交融,进一步提升转向架故障诊断及健康管理的有效率和准确率.转向架数字孪生体是一个数据驱动的多学科、多物理、多尺度、高保真度的虚拟模型,模型的输入为自身结构参数、车载在线监测系统数据、车库定期检修数据等多源数据,输出为实时动态展示的动力学性能评价指标(如脱轨系数和轮重减载率)、结构强度指标(如应力和累积损伤),能反映并预测转向架全寿命周期内的动力学及强度性能,从而革新现有的转向架运营维护模式.提出一种转向架数字孪生体建设的框架结构,可实现动力学、结构强度关键技术指标的实时动态展示与反馈设计功能.论述转向架孪生体建模的四大关键技术及技术路线,给出转向架动力学孪生子模型、结构强度孪生子模型的仿真方法及步骤,对比分析多种仿真试验设计方案并给出一种最优建议方案.提出一种基于深度学习神经网络的代理模型技术路线,并通过轮对的轮轨力预测、轮对应力预测案例验证模型的有效性及准确性.研究成果可用于指导构建列车转向架数字孪生工程应用的核心模块,并将其部署在地面中心.