基于数字孪生概念的个体多单元列车损伤预测方法

《Fatigue & Fracture of Engineering Materials & Structures》：Individual Multiple-Unit Train Damage Prognosis Method Based on Digital-Twin Concept

基于动态贝叶斯网络的数字孪生框架在个体多单元列车损伤预测中的应用，提出等效载荷谱、归一化裂纹扩展模型及初始缺陷概率描述模型，结合混合不确定性量化方法和闭环验证平台，实现损伤参数跟踪误差≤6.8%和预测准确率提升90.5%。

　　

摘要

基于动态贝叶斯网络（DBN）的数字孪生（DT）框架为损伤预测建立了一种新的范式。本研究重点关注单个多单元列车（IMUTs）损伤预测中的多维不确定性表征。开发了一种结构特征感知模型，该模型整合了基于广义耐久性载荷谱的概率载荷等效量化模型、具有不确定性传播的标准化疲劳裂纹扩展率模型以及等效初始缺陷尺寸的概率描述模型。采用了一种混合不确定性量化方法，以实现确定性和随机参数的协同建模。建立了一个以转向架焊接结构为中心的DT实验平台，实现了物理测试与虚拟模型之间的闭环验证机制。实验结果表明，损伤参数的跟踪误差≤6.8%（$m,\text{logC}$），与传统方法相比，预测准确性提高了90.5%。

总结

• 提出了一种用于损伤预测的高精度等效载荷谱模型。
• 提出了一种基于实验数据的标准化裂纹扩展率模型。
• 提出了一种基于数字孪生的单个多单元列车损伤预测方法。