关键词：轴承、智能轴承、数字孪生

摘要：
传统轴承维护依赖定期检修，存在过度维修与突发故障风险。本文提出基于嵌入式传感器、边缘计算与数字孪生的智能轴承技术架构，结合机器学习算法与多物理场仿真，实现轴承健康状态实时评估与剩余寿命（RUL）精准预测，使设备可用度提升至99.5%以上。

核心内容：

• 嵌入式传感技术：

• 压电薄膜传感器：在轴承外圈表面沉积PZT-5H薄膜（厚度10μm），灵敏度达50pC/N，可捕捉0.1μm级振动信号；

• 光纤布拉格光栅（FBG）：在保持架中嵌入FBG阵列（间距5mm），实现温度（精度±0.5℃）与应变（精度±1με）同步监测；

• 无线供电与通信：采用NFC技术实现传感器能量与数据传输，传输速率2Mbps，功耗<10mW，寿命>10年。

• 边缘计算与特征提取：

• 轻量化CNN模型：部署在FPGA边缘计算节点，对原始振动信号进行1D-CNN特征提取，模型参数仅200KB，推理时间<5ms；

• 时频联合分析：结合STFT与Hilbert-Huang变换，提取故障特征频率（BPFI、BPFO）的包络谱能量，信噪比提升25dB；

• 健康指标（HI）构建：基于振动峭度与温度熵值，构建多维HI指标，区分正常、早期故障与严重故障的AUC值达0.99。

• 数字孪生系统：

• 多物理场耦合模型：集成有限元接触分析、热-流-固耦合计算与磨损模型，实现轴承全生命周期动态仿真；

• 迁移学习优化：利用目标设备少量历史数据（10%标签）微调孪生模型参数，使RUL预测误差从15%降低至5%；

• 可视化交互平台：通过Unity 3D引擎构建三维虚拟样机，实时显示轴承应力云图、温度分布与磨损演化路径。

• 工业实践：

• 冶金轧机轴承：部署智能轴承系统后，故障预警时间从2小时提前至7天，非计划停机次数减少80%，吨钢能耗降低3%；

• 城市轨道交通轴箱轴承：数字孪生平台预测轴承RUL误差<8%，指导精准维护，全生命周期成本降低45%。