本技术涉及故障诊断，尤其涉及一种基于数字孪生的故障诊断方法、系统、电子设备及存储介质。
背景技术：
1、旋转机械是机械装备最主要的部分，据统计，80％的机械装备是旋转机械，其健康状态对整个机械系统的安全可靠运行起到至关重要的作用。滚动轴承是旋转机械中使用最广泛的零件之一，其中滚动轴承关键部件诱发故障占30％。滚动轴承多个故障同时发生的现象较为常见，轴承内单一故障逐渐演化为多个故障，成为复合故障。复合故障信号包含多个故障特征，可能是不独立、耦合等形式存在，在故障诊断之前无法判断故障数量和包含的故障类型。相比于单故障，复合故障在实际工程中更为常见，同时诊断难度和对机械设备的危害性更大。因此，复合故障的有效检测与故障诊断越来越重要。
2、然而，传统的复合故障诊断方法在诊断过程中将复合故障视为一种独立的故障模式，事实上，复合故障并不完全是一种新的故障类型，因为复合故障信息是由单个故障的相应特征组成。如果在诊断过程中，仅仅将复合故障视为一种独立的故障模式，将忽略了复合故障与单一故障之间的联系，导致诊断应用过程可能出现漏诊等问题。现有技术中通常采用深度学习对复合故障进行解耦，但是深度学习依赖大量带标签的数据训练模型，复合故障的数据很难采集，带标签的复合故障诊断信号少之又少，收集完备的带标签故障数据是不切实际的，从而带来了数据不平衡的问题，进一步影响了对滚动轴承的复合故障解耦和分类的准确性。
技术实现思路
1、本技术实施例提供了一种基于数字孪生的故障诊断方法、系统、电子设备及存储介质，能够改进数据不平衡导致故障诊断模型识别性能低的问题，提高故障识别的和分类的准确性。
2、第一方面，本技术实施例提供了一种基于数字孪生的故障诊断方法，所述方法包括：
3、获取真实域数据和仿真域数据，并将所述真实域数据划分为训练集和测试集，其中，所述真实域数据用于表征滚动轴承的单一故障数据和复合故障数据，所述仿真域数据由对所述单一故障数据和所述复合故障数据进行模拟数据采样得到；
4、建立故障诊断模型，所述故障诊断模型包括第一特征提取器和第二特征提取器；
5、将所述训练集输入所述第一特征提取器进行特征提取，输出真实域特征，并将所述仿真域数据输入所述第二特征提取器进行特征提取，输出仿真域特征；
6、基于所述真实域特征和所述仿真域特征对所述故障诊断模型进行迭代训练，并通过所述测试集对迭代训练后的故障诊断模型进行模型测试，得到目标模型；
7、获取包含故障数据的待诊断故障集，并将所述待诊断故障集输入所述目标模型进行故障识别，输出目标故障类型。
8、本技术实施例提供的基于数字孪生的故障诊断方法，至少具有如下有益效果：首先，获取包括滚动轴承的单一故障数据和复合故障数据的真实域数据，以及对单一故障数据和复合故障数据进行模拟数据采样得到的仿真域数据，从而获得了包含丰富故障特征信息的真实域数据和仿真域数据，给模型训练提供了充足的源域数据，能够有效的改进数据不平衡导致故障诊断模型识别性能低的问题，并将真实域数据划分为训练集和测试集，再建立包括第一特征提取器、第二特征提取器和多标签解耦分类器的故障诊断模型，增强故障诊断模型故障诊断的鲁棒性，之后，将训练集输入第一特征提取器进行特征提取，输出真实域特征，并将仿真域数据输入第二特征提取器进行特征提取，输出仿真域特征，从而能够分别对训练集和仿真域数据进行自动特征学习和提取，提高特征提取的准确性，再将真实域特征和仿真域特征输入故障诊断模型进行迭代训练，以利用复合故障和单一故障之间的联系从复合故障信号中提取出其包含的各类单一故障特征并进行分类，实现对故障的精准预测，并且通过真实域特征和仿真域特征对故障诊断模型进行迭代训练能够提高故障诊断模型的预测精度，并通过测试集对迭代训练后的故障诊断模型进行模型测试，得到目标模型，获取包含故障数据的待诊断故障集，并将待诊断故障集输入目标模型进行故障识别，输出目标故障类型，提高对复合故障的诊断精度。本技术实施例通过对单一故障数据和复合故障数据进行模拟数据采样得到的仿真域数据，从而能够获取包含丰富故障特征信息的数据，并且通过真实域数据和仿真域数据对故障诊断模型进行训练，改善训练模型严重依赖大量带标签数据的缺陷，避免出现数据不平衡导致的故障诊断模型识别性能低的问题，实现对单一故障的识别，同时实现对复合故障的精准解耦，进一步能够提高对故障类别的诊断精度。
9、在一些实施例中，所述仿真域数据由如下步骤得到：
10、根据滚动轴承的实际数据建立滚动轴承数字孪生模型；
11、通过所述滚动轴承数字孪生模型模拟滚动轴承的运行工况，得到振动信号数据；
12、对所述振动信号数据进行分类，得到仿真域数据。
13、在一些实施例中，所述建立故障诊断模型，包括：
14、建立智能诊断模型；
15、基于多头自注意力机制建立第一特征提取器和第二特征提取器；
16、对所述智能诊断模型进行迁移学习设计以及边缘感知正则化设计；
17、基于所述智能诊断模型构造多标签解耦分类器；
18、根据所述第一特征提取器、所述第二特征提取器和所述多标签解耦分类器建立故障诊断模型。
19、在一些实施例中，所述对所述智能诊断模型进行迁移学习设计以及边缘感知正则化设计，包括：
20、基于局部最大均值差异度量的子域自适应机制对所述真实域数据和所述仿真域数据进行特征对齐，以对齐所述真实域数据和所述仿真域数据的条件分布；
21、获取滚动轴承的真实样本标签，其中，所述真实样本标签用于表征所述滚动轴承的真实故障数据；
22、基于所述真实样本标签设计边缘感知正则化。
23、在一些实施例中，所述将所述训练集输入所述第一特征提取器进行特征提取，输出真实域特征，包括：
24、将所述训练集输入所述第一特征提取器，以使所述第一特征提取器对所述训练集中的一维振动信号进行划分，输出真实补丁序列；
25、通过所述第一特征提取器的线性变换层将所述真实补丁序列映射到潜在向量，生成真实块嵌入；
26、对所述真实块嵌入进行位置信息保留，输出真实域特征；
27、所述将所述仿真域数据输入所述第二特征提取器进行特征提取，输出仿真域特征，包括：
28、将所述仿真域输入所述第二特征提取器，以使所述第二特征提取器对所述仿真域中的一维振动信号进行划分，输出仿真补丁序列；
29、通过所述第二特征提取器的线性变换层将所述仿真补丁序列映射到潜在向量，生成仿真块嵌入；
30、对所述仿真块嵌入进行位置信息保留，输出仿真域特征。
31、在一些实施例中，所述故障诊断模型包括多标签解耦分类器；基于所述真实域特征和所述仿真域特征对所述故障诊断模型进行迭代训练，包括：
32、基于子域自适应机制对所述真实域特征和所述仿真域特征进行迁移学习，得到局部最大均值差异指标；
33、将所述真实域特征和所述仿真域特征输入所述多标签解耦分类器进行故障诊断，输出预测标签；
34、基于边缘感知正则化对所述局部最大均值差异指标和所述预测标签进行计算，以对所述故障诊断模型进行迭代训练。
35、在一些实施例中，所述通过所述测试集对迭代训练后的故障诊断模型进行模型测试，得到目标模型，包括：
36、通过所述测试集对故障诊断模型进行性能评价，得到评价指标；
37、当所述评价指标满足预设的指标条件，将训练后的故障诊断模型作为目标模型。
38、第二方面，本技术实施例还提供了一种基于数字孪生的故障诊断系统，所述系统包括：
39、数据获取模块，用于获取真实域数据和仿真域数据，并将所述真实域数据划分为训练集和测试集，其中，所述真实域数据用于表征滚动轴承的单一故障数据和复合故障数据，所述仿真域数据由对所述单一故障数据和所述复合故障数据进行模拟数据采样得到；
40、模型建立模块，用于建立故障诊断模型，所述故障诊断模型包括第一特征提取器和第二特征提取器；
41、特征提取模块，用于将所述训练集输入所述第一特征提取器进行特征提取，输出真实域特征，并将所述仿真域数据输入所述第二特征提取器进行特征提取，输出仿真域特征；
42、模型训练模块，用于基于所述真实域特征和所述仿真域特征对所述故障诊断模型进行迭代训练，并通过所述测试集对迭代训练后的故障诊断模型进行模型测试，得到目标模型；
43、故障识别模块，用于获取包含故障数据的待诊断故障集，并将所述待诊断故障集输入所述目标模型进行故障识别，输出目标故障类型。
44、第三方面，本技术实施例还提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于数字孪生的故障诊断方法。
45、第四方面，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面所述的基于数字孪生的故障诊断方法。
46、本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在说明书以及附图中所特别指出的结构来实现和获得。
1.一种基于数字孪生的故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的故障诊断方法，其特征在于，所述仿真域数据由如下步骤得到：
3.根据权利要求1所述的故障诊断方法，其特征在于，所述建立故障诊断模型，包括：
4.根据权利要求3所述的故障诊断方法，其特征在于，所述对所述智能诊断模型进行迁移学习设计以及边缘感知正则化设计，包括：
5.根据权利要求1所述的故障诊断方法，其特征在于，所述将所述训练集输入所述第一特征提取器进行特征提取，输出真实域特征，包括：
6.根据权利要求1所述的故障诊断方法，其特征在于，所述故障诊断模型包括多标签解耦分类器；基于所述真实域特征和所述仿真域特征对所述故障诊断模型进行迭代训练，包括：
7.根据权利要求1所述的故障诊断方法，其特征在于，所述通过所述测试集对迭代训练后的故障诊断模型进行模型测试，得到目标模型，包括：
8.一种基于数字孪生的故障诊断系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于数字孪生的故障诊断方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7中任意一项所述的基于数字孪生的故障诊断方法。
