(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 202210949652.4 (22)申请日 2022.08.09 (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区沙坪坝正 街 174号 申请人 赛力斯汽车有限公司 　 重庆金康动力新能源 有限公司 (72)发明人 王时龙　杨波　张正萍　周林　 王昱　 (74)专利代理 机构 重庆航图知识产权代理事务 所(普通合伙) 50247 专利代理师 胡小龙 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) (54)发明名称 齿轮动力传播数字 孪生模型构建方法 (57)摘要 本发明公开了一种齿轮动力传播数字孪生 模型构建方法， 包括如下步骤： 步骤S1： 构建目标 齿轮的三维模 型， 获取目标齿轮的材料属性和工 作参数； 步骤S2： 结合齿轮性能指标要求， 利用目 标齿轮的三维模 型进行多次有限元仿真， 每次仿 真均对网格划分方案进行随机调整， 并随机选取 工作参数作为当次仿真的工况参数， 得到齿轮仿 真数据； 步骤S3： 利用有限元仿真的齿轮仿真数 据求解齿轮状态在时间上的差分增量， 构建齿轮 动力传播数字孪生模型； 步骤S4： 通过随机梯度 优化器优化齿轮动力传播数字孪生模型的参数 使损失降低至设定阈值以内， 得到最终的齿轮动 力传播数字孪生模型， 能够应用于齿轮修形， 能 够实现在设计阶段对齿轮进行快速精确修形的 技术目的。 权利要求书3页 说明书7页 附图4页 CN 115310227 A 2022.11.08 CN 115310227 A 1.一种齿轮动力传播数字 孪生模型构建方法， 其特 征在于： 包括如下步骤： 步骤S1： 构建目标齿轮的三维模型， 获取目标齿轮的材 料属性和工作参数； 步骤S2： 结合齿轮性能指标要求， 利用目标齿轮的三维模型进行多次有限元仿真， 每次 仿真均对网格划分方案进行随机调整， 并随机选取工作参数作为当次仿真的工况参数， 得 到齿轮仿真数据； 步骤S3： 利用其中一次有限元仿真的齿轮仿真数据求解状态微 分模拟器dθ， 从而构建齿 轮动力传播数字 孪生模型； 步骤S4： 将齿轮仿真数据随机多批次输入到所述齿轮动力传播数字孪生模型中进行前 向传播计算， 并与对应有限元仿 真过程的数据进 行比较， 将两者的差值作为损失； 通过随机 梯度优化器优化齿轮动力 传播数字孪生模型的参数使损失降低至设定阈值以内， 得到最 终 的齿轮动力传播数字 孪生模型。 2.根据权利要求1所述的齿轮动力传播数字孪生模型构建方法， 其特征在于： 所述步骤 S1中， 所述工作参数包括功率、 转速和负载的工作区间。 3.根据权利要求1所述的齿轮动力传播数字孪生模型构建方法， 其特征在于： 所述步骤 S2中， 齿轮仿真数据获取 方法如下： 21)保存每次仿真中每一个时间步节点i的节点位移ui、 节点速度vi、 节点加速度ai和节 点力fi， 并组合成节点状态向量xi； 22)将所有节点状态向量进行组合， 得到第k个仿真时间步的齿轮状态矩阵 进而得 到每次仿真所有时间步的过程数据为 其中K为总时间步数； 23)每次仿真最终得到的性能指标为P， P为一固定向量， 表征时间t0～tK中齿轮的各项 性能指标， 则第m次仿真得到的齿轮仿真数据为 所有M次仿真得到齿轮仿真数据 集 4.根据权利要求3所述的齿轮动力传播数字孪生模型构建方法， 其特征在于： 所述步骤 S3中， 齿轮 状态在时间上的差分增量的求 解方法为： 31)利用动力 信息编码网络将齿轮 每个节点i的状态向量xi编码至隐空间向量hi； 32)根据所有节点的隐空间向量hi在齿轮上的原 始坐标位置， 构建节点图G'； 33)构建节点 图G'的对称规范化拉普拉斯矩阵， 将图G送入动力信息前向传播网络中， 模拟齿轮在复杂动力环境下的作用规 律， 输出GM； 34)利用动力信息解码网络得到当前时刻节点状态向量的微分表示 将节点状 态向量微分 叠加到上一时刻的节点状态矩阵 中， 并根据数字孪生体的边界条件 更新节点状态 矩阵信息， 得到齿轮动力传播数字 孪生模型为： 其中， 表示齿轮 数字模型在 tk+1时刻的状态矩阵； Tmask和Fmask均为掩码算子， 且： Tmask 算子矩阵中所有处于边界条件点对应的系数均为0， 非边界条件节点对应的系数均为1； 为Tmask的二进制取反， Fmask算子表示齿轮受外 部工况设定约束导 致的变化 量。 5.根据权利要求4所述的齿轮动力传播数字孪生模型构建方法， 其特征在于： 所述步骤权　利　要　求　书 1/3 页 2 CN 115310227 A 231)中， 利用动力信息编码网络将齿轮每个节点i的状态向量xi编码至隐空间向量hi的方法 为： 311)从目标齿轮的三维模型中随机采样节点， 从齿轮仿真数据集D'中选择出和当次工 况、 时间对应的齿轮状态矩阵 通过对 进行线性或 高阶插值 获取每个采样节点i的状 态向量xi； 312)将每一个状态向量xi均送入同一个共享的动力信息编码网络MLP， 并输 出隐空间向 量hi， 隐空间向量hi记录了采样节点 i在齿轮上的原 始坐标位置 。 6.根据权利要求4所述的齿轮动力传播数字孪生模型构建方法， 其特征在于： 所述步骤 32)中， 节点图G的构建方法为： 321)根据目标齿轮的实际几何形状指定距离r， 对每一个节点i， 遍历以i为球心、 以r为 半径的三维球中的所有节点j， 若||pi‑pj||2＜r(||·||2为2‑范数)， 则创建节点i和节点j 的边， 表示为eij， eij的值为 其中， γ为系数； pi表示节点i的位置坐标向量； pj 表示节点j的位置坐标向量； 322)循环执 行步骤321)， 直至遍历所有节点 i及其临近节点j， 构建得到节点图G。 7.根据权利要求6所述的齿轮动力传播数字孪生模型构建方法， 其特征在于： 所述步骤 33)中， 节点图G的对称规范化拉普拉斯矩阵的构建方法为： 331)通过eij构建节点图G的邻接矩阵A， 邻接矩阵A为N ×N的方阵， 方阵元素表 征两对应 节点的空间度量关系， 若两节点i,j相邻， 则aij＝eij， 否则aij＝0， aij为邻接矩阵元素， 即 aij ∈A； 332)构建节点图G的对称规范化拉普拉斯矩阵Lsys， 计算公式为： Lsys＝D‑1/2LD‑1/2 其中， D为图G的度矩阵， L 为图G的拉普拉斯矩阵； 拉普拉斯矩阵可由邻接矩阵求得： L ＝D‑A。 8.根据权利要求7所述的齿轮动力传播数字孪生模型构建方法， 其特征在于： 所述步骤 33)中， 利用动力 信息前向传播网络模拟齿轮在复杂动力环境下的作用规 律的方法为： 333)动力信息传播网络由M层基于图神经网络的GN网络组成， 其中第m层网络为GNm； 由 于图G的对称规范化拉普拉斯矩阵Lsys为对称阵， 因此GN网络首 先对Lsys进行特征分解： 其中， U为Lsys特征值矩阵， U中列向量为Lsys的特征向量， 特征向量属于节点向量空间 λ1～ λn表示Lsys的特征值； 对称规范化拉普拉斯矩阵Lsys的特征值矩阵Λ 为： 由于输入特征是具有k通道的图结构， 为每一个通道设计一组滤波器参数gθ(Λ)：权　利　要　求　书 2/3 页 3 CN 115310227 A 3