(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210568165.3 (22)申请日 2022.05.24 (71)申请人 大连理工大 学 地址 116024 辽宁省大连市甘井 子区凌工 路２ 号 (72)发明人 李宝军　高世哲　胡平　 (74)专利代理 机构 辽宁鸿文知识产权代理有限 公司 21102 专利代理师 许明章　王海波 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 30/23(2020.01) G06F 16/26(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 119/14(2020.01) G06F 119/02(2020.01) (54)发明名称 一种数据驱动 的拖挂房车车架结构安全监 测方法 (57)摘要 本发明属于数字孪生技术与特种车辆结构 安全监测领域， 提供了一种数据驱动的拖挂房车 车架结构安全监测方法。 对 给定某款拖挂房车的 车架和车厢建立有限元模型并进行组装， 通过对 质心参数、 质量参数、 工况参数进行采样， 使用有 限元方法建立起结构仿真数据集； 使用归回神经 网络将拖挂房车运行参数与应力分布、 安全状态 的对应关系进行拟合； 使用传感器对 车架运行状 态进行实时采集， 转变为运行参数后输入神经网 络模型， 即可 实现基于数字孪生技术的拖挂房车 车架结构安全的实时监测。 权利要求书3页 说明书7页 附图5页 CN 114880804 A 2022.08.09 CN 114880804 A 1.一种数据驱动的拖 挂房车车架结构安全监测方法， 其特 征在于， 步骤如下： 步骤1， 构建拖 挂房车的数字 孪生模型； 步骤2， 将给定某款拖挂房车作为物理实体， 对其建立几何模型和有限元模型， 得到虚 拟实体； 确定质心在车厢内的分布区域； 步骤3， 结合拖挂房车在公路上的行驶工况， 对质心坐标和行驶工况进行参数化； 将得 到的有限元模型的质心坐标参数、 质量 参数、 行驶工况参数 添加到孪生数据集； 步骤4， 对步骤3中得到的有限元模型的变量参数进行批量化修改， 得到批量变参数的 有限元模型； 步骤5， 对变参数有限元模型批量计算， 并对应力分布结果进行提取， 使有限元模型的 质心坐标参数、 质量参数、 工况参数与应力分布结果对应， 构建结构仿真的数据集， 添加到 孪生数据集； 步骤6， 使用神经网络对有限元模型参数和应力分布结果之间的关系 进行拟合， 构建神 经网络模型， 并计算神经网络的误差； 步骤7， 根据预测的最大应力值划分为三个安全等级， 并确定各安全等级的应力值上下 限； 将构建的神经网络和安全等级 上下限结合， 得到结构安全监测机， 作为数字孪生模型的 系统服务； 步骤8， 在拖挂房车车架中安装传感器， 实时采集质心坐标、 质量和工况参数， 建立起物 理实体与孪生数据之间的连接； 将采集的数据输入到结构安全监测机， 实时计算车架的应 力分布， 并根据步骤7中划分的安全等级进行提示， 建立起孪生数据与系统服务之间的连 接， 驱动虚拟实体的变化， 建立 起系统服 务与虚拟实体之间的连接； 步骤9， 将传感器数据、 拖挂房车行驶状态、 应力分布、 安全等级、 操作提醒等信息进行 可视化显示， 建立起物理实体与 虚拟实体之 间的连接， 实现基于数字孪生技术的虚实结合， 作为最终输出 结果。 2.根据权利要求1所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在 所述步骤1中， 构建拖挂房车的数字孪生模型， 包括物理实体、 虚拟实体、 孪生数据集、 系统 服务以及各部分之间的连接 。 3.根据权利要求2所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在 所述步骤2中， 包 含以下子步骤： (2.1)将给定某款 拖挂房车作为数字 孪生模型中的物理实体； (2.2)根据给定的拖挂房车， 以车厢地板的中心为原点， 以车辆行驶的前方为x轴正方 向， 以车辆行驶方向左侧为y轴正方向， 以竖直向上为z轴正方向， 建立拖挂房车的坐标系； 分别建立拖挂房车的车厢和车架的几何模型， 对其进 行组装， 并进 行有限元前 处理； 使用质 量点单元表示拖挂房车 的质心， 使用全局加速度载荷表示拖挂房车行驶中受到的载荷； 根 据拖挂房车 的车厢和车架所使用的材料设置杨氏模量、 泊松比以及屈 服强度， 得到初始有 限元模型， 作为数字 孪生模型的虚拟实体； (2.3)根据拖 挂房车的车厢尺寸， 得到质心分布的区域。 4.根据权利要求3所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在 所述步骤3中， 包 含以下子步骤： (3.1)根据拖挂房车在实际行驶过程中的工况， 选择质心坐标、 质量、 工况参数作为变权　利　要　求　书 1/3 页 2 CN 114880804 A 2量， 添加到 孪生数据集； (3.2)当拖挂房车实体的质心位置改变时， 质心坐标参数x、 y、 z发生变化， 有限元模型 中质量点的位置也会随之移动； 当拖挂房车实体的总质量改变时， 质量参数m发生变化， 有 限元模型的总质量也会随之变动； 当拖挂房车实体在行驶过程中受到x方向和y方向的加速 度载荷改变时， 工况参数ax和ay发生变化， 有限元模型中全局加速度的方向和大小也会随之 变化。 5.根据权利要求4所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在 所述步骤4中， 包 含以下子步骤： (4.1)根据步骤(2.3)得到的质心分布区域， 确定质心坐标x、 y、 z三个参数的范围； (4.2)根据拖 挂房车的使用情况， 确定m、 ax、 ay三个参数的范围； (4.3)根据采样样本的精度要求， 设置采样间隔后， 对六个参数分别进行均匀采样， 要 求每个参数采样得到的样本数均为 n； (4.4)将采集的六个参数进行排列组合， 得到n6个样本组， 对有限元模型进行修改后， 对 应得到n6个变参数有限元模型。 6.根据权利要求5所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在 所述步骤5中， 包 含以下子步骤： (5.1)通过有限元批量计算的方法对步骤(4.4)得到的变参数有限元模型进行求解， 得 到各有限元模型的应力分布； (5.2)将步骤(4.4)中得到 的样本组与步骤(5.1)中的有限元结果进行一一对照， 构建 结构仿真数据集， 并将其添加到孪生数据集； 将结构仿 真数据集划分为训练集、 测试集和验 证集。 7.根据权利要求6所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在 所述步骤6中， 包 含以下子步骤： (6.1)使用步骤(5.2)构 建的结构仿真数据 集中的训练集和验证集， 对回归神经网络进 行训练， 将x、 y、 z、 m、 ax、 ay六个参数与拖挂房车车架的应力分布进行拟合， 得到回归神经网 络模型； (6.2)将步骤(5.2)构建的结构仿真数据 集中的测试集输入步骤(6.1)构建的回归神经 网络中， 预测结果与测试集中的结果进行对比， 计算 误差。 8.根据权利要求7所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在 所述步骤7中， 包 含以下子步骤： (7.1)按照回归神经网络预测的最大应力值及材料的屈服强度， 将预测结果进行 “安 全”、“预警”、“危险”三个等级的划分； (7.2)根据步骤(6.2)计算的误差， 定义召回率为预测正确的样本数与总样本数的比 值； 通过对各个安全等级的应力值上下限进 行调整， 使 预测结果分类的召回率最高， 得到安 全等级的应力值上 下确界； (7.3)将步骤(6.1)构建的回归神经网络模型与步骤(7.2)得到的各安全等级的上下确 界进行结合， 得到结构安全监测机， 作为数字孪生模型的系统服务， 其输入为x、 y、 z、 m、 ax、 ay 六个参数， 输出为当前参数 下车架结构的应力分布及安全等级。 9.根据权利要求8所述的数据驱动的拖挂房车车架结构安全监测方法， 其特征在于， 在权　利　要　求　书 2/3 页 3 CN 114880804 A 3