Актуальные проблемы создания цифровых двойников изделий машиностроения с точки зрения оценки долговечности

Глобальная цифровизация производства открывает новые возможности для предиктивной диагностики технического состояния изделий машиностроения. В работе рассмотрены вопросы, связанные с оценкой технического состояния конструкций агрегатов машиностроения, прежде всего, с определением их остаточного ресурса. В настоящее время выделен класс виртуальных моделей — цифровые двойники остаточного ресурса конструкции, которые, помимо мониторинга и прогнозирования долговечности конструкций, могут обладать обратной связью и контролировать ресурс, моделируя технологический процесс производства и в конечном счете адаптивно оптимизируя реальный технологический процесс с учетом заданной вероятности наступления предельного состояния конструкции. Рассмотрены проблемы существующих методов оценки долговечности во временной и частотных областях, выявлены их сильные и слабые стороны с точки зрения применения в качестве основы алгоритмического обеспечения цифровых двойников остаточного ресурса конструкций. Отмечено возможное разнообразие получения исходных данных для оценки долговечности, а именно — кривых усталости материалов (при разных типах и схемах нагружения). Помимо схемы нагружения, на вид кривой усталости влияет процесс нагружения — регулярный, случайный или смешанный. При реальной эксплуатации изделий чаще всего преобладает нестационарное случайное нагружение (процессы с изменяющимися характеристиками, ударными импульсами), при котором методы оценки долговечности слабо изучены и в основном заключаются в упрощении нестационарного процесса. В работе особое внимание уделено нестационарным процессам нагружения, поскольку создание цифровых двойников подразумевает непрерывный анализ долговечности конструкции для реальных эксплуатационных нагрузок. Рассмотрены и другие проблемы, с которыми могут столкнуться исследователи при разработке цифровых двойников конструкций.

1. Wang M., Feng S., Incecik A., et al. Structural fatigue life prediction considering model uncertainties through a novel digital twin-driven approach / Comput. Methods Appl. Mech. Eng. 2022. Vol. 391. P. 114512. DOI: 10.1016/j.cma.2021.114512

2. Wagener R., Maciolek A., Kaufmann H. Description of the cyclic material behaviour of aluminium wrought alloys as basis for a digital twin / Procedia Struct. Integr. 2019. Vol. 18. P. 490 – 500. DOI: 10.1016/j.prostr.2019.08.191

3. Смирнова Л. Л., Зинин А. В. Структурные особенности накопления повреждений при комбинированной циклическом нагружении / Заводская лаборатория. Диагностика материалов. 2019. Т. 85. № 5. С. 46 – 51. DOI: 10.26896/1028-6861-2019-85-5-46-51

4. Chabod A. Digital Twin for Fatigue Analysis / Procedia Struct. Integr. 2022. Vol. 38. P. 382 – 392. DOI: 10.1016/j.prostr.2022.03.039

5. Vanderhorn E., Wang Z., Mahadevan S. Towards a digital twin approach for vessel-specific fatigue damage monitoring and prognosis / Reliab. Eng. Syst. Saf. 2022. Vol. 219. P. 108222. DOI: 10.1016/j.ress.2021.108222

6. Шевченко Д. В. Применение цифровых двойников грузовых вагонов для контроля выработки их ресурса / Научные основы и технологии повышения ресурса и живучести подвижного состава железнодорожного транспорта: сборник трудов международной научной конференции, Коломна, 22 июня 2021 года. — Коломна: Акционерное общество «Научно-исследовательский и конструкторско-технологический институт подвижного состава», 2021. С. 130 – 136.

7. Засов В. А., Давлетшина А. И. Система мониторинга выработанного и остаточного ресурсов локомотивных двигателей на основе цифровых двойников / Мехатроника, автоматизация и управление на транспорте / Материалы IV Всероссийской научно-практической конференции, Самара, 26 – 27 января 2022 года. — Самара: Самарский государственный университет путей сообщения, 2022. C. 24 – 29.

8. Рыжов В. В., Дергачев П. А., Курбатов П. А. Разработка цифровых двойников мощных турбогенераторов для повышения надежности прогнозных моделей остаточного ресурса / Тезисы XXII международной конференции по постоянным магнитам, Суздаль, 23 – 27 сентября 2019 года. — Суздаль: Графит, 2019. С. 140 – 141.

9. Bohm M., Nieslony A. Strain-based Multiaxial Fatigue Life Evaluation Using Spectral Method / Procedia Eng. 2015. Vol. 101. P. 52 – 60. DOI: 10.1016/j.proeng.2015.02.008

10. Karolczuk A. Application of the Gaussian process for fatigue life prediction under multiaxial loading / Mech. Syst. Signal Proc. 2022. Vol. 167. P. 108599. DOI: 10.1016/j.ymssp.2021.108599

11. Mrsnik M., Slavic J., Boltezar M. Multiaxial vibration fatigue — A theoretical and experimental comparison / Mech. Syst. Signal Proc. 2016. Vol. 76. P. 409 – 423. DOI: 10.1016/j.ymssp.2016.02.012

12. Nieslony A. Comparison of some selected multiaxial fatigue failure criteria dedicated for spectral method / J. Theor. Appl. Mech. 2010. Vol. 48. P. 233 – 254.

13. Zhang Q., Hu X., Zhang Z., et al. The mean stress and phase angle effect on multiaxial fatigue behavior of a TiAl alloy: Failure analysis and life modeling / Int. J. Mech. Sci. 2021. Vol. 193. P. 106123. DOI: 10.1016/j.ijmecsci.2020.106123

14. Gan L., Wu H., Zhong Z. Fatigue life prediction considering mean stress effect based on random forests and kernel extreme learning machine / Int. J. Fatigue. 2022. Vol. 158. P. 106761. DOI: 10.1016/j.ijfatigue.2022.106761

15. Kamaya M., Kawakubo M. Influence of mean stress on fatigue strength of stainless steel / INSS J. 2013. Vol. 20. P. 191 – 203. DOI: 10.1299/transjsme.2014smm0037

16. Kamaya M., Kawakubo M. Mean stress effect on fatigue strength of stainless steel / Int. J. Fatigue. 2015. Vol. 74. P. 20 – 29. DOI: 10.1016/j.ijfatigue.2014.12.006

17. Nieslony A., Bohm M. Mean stress effect correction using constant stress ratio S — N curves / Int. J. Fatigue. 2013. Vol. 52. P. 49 – 56. DOI: 10.1016/j.ijfatigue.2013.02.019

18. Oh G. Effective stress and fatigue life prediction with mean stress correction models on a ferritic stainless steel sheet / Int. J. Fatigue. 2022. Vol. 157. P. 106707. DOI: 10.1016/j.ijfatigue.2021.106707

19. Гадолина И. В., Лисаченко Н. Г., Свирский Ю. А., Дубин Д. А. Выбор частоты дискретизации и оптимальный способ цифровой обработки сигналов в задачах рассмотрения случайного процесса нагружения для оценки долговечности / Заводская лаборатория. Диагностика материалов. 2019. Т. 85. № 7. C. 64 – 72. DOI: 10.26896/1028-6861-2019-85-7-64-72

20. Li R., Marzban A., Ping J., et al. A novel approach for stress cycle analysis based on empirical mode decomposition / MFPT 2018 — Intell. Technol. Equip. Hum. Perform. Monit. Proc. 2018. P. 4 – 12.