夏立军

（中车长春轨道客车股份有限公司铁路客车业务部，吉林长春 130000）

转向架轴承是转向架中最为核心的部分，其性能状态直接影响动车组的行车安全。目前采用的轴承计划性维修存在维修不足或过度的现象，导致维修成本或故障率较高。数字孪生技术是一种能够实现物理空间在虚拟空间交互映射的通用使能技术。

2017年，Grieves[1]将数字孪生的研究扩展到复杂系统，设备的故障表征能够被更好分析，并在虚拟设计阶段将故障因素排除。

Glaessgen[2]提出了一种用于空军飞机的数字孪生范式，通过集成来自健康管理系统、维修记录等信息的方式，反映飞机孪生实体的状态，提高飞机的安全性和可靠性。

针对基于深度迁移的故障诊断研究，Han等[3]提出了一种具有联合分布适应性的卷积神经网络，该方法利用从海量标记样本中学习的特征，提高模型对新的未标记样本的诊断性能。

Lu等[4]提出了一种具有域自适应能力的深度神经网络以进行故障诊断，并提出了探索最优超参数的策略。

Cao等[5]提出一种基于深度卷积神经网络的迁移学习方法，通过使用海量图像数据对深度神经网络进行训练，仅需要少量训练数据即可进行齿轮故障诊断。

通过将深度迁移算法与数字孪生技术结合，能够充分利用数字孪生轴承模型实现在虚拟空间的故障诊断，满足基于深度学习的故障诊断模型的训练需求。利用深度迁移学习算法完成先前训练的故障诊断模型从虚拟空间到物理空间的转移，能够实现轴承的实时监测与预测性维护。……