(19)中华 人民共和国 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 202111487927.9 (22)申请日 2021.12.07 (71)申请人 山东建筑大学 地址 250101 山东省济南市历城区临港开 发区凤鸣路10 00号 (72)发明人 赵佳佳　姜洪奎　宋现春　张倩倩　 宋丽伟　林明星　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 杨琪 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06T 17/00(2006.01) F16H 25/22(2006.01) (54)发明名称 一种基于数字孪生驱动的滚珠丝杠副优化 方法及系统 (57)摘要 本发明提供了一种基于数字孪生驱动 的滚 珠丝杠副优化方法及系统， 包括： 获取滚珠丝杠 副的原始数据和场景感知数据； 依据所述原始数 据和所述场景感知数据， 建立包括滚 珠丝杠副模 型的数字孪生三维数字模型； 依据所述数字孪生 三维数字模型， 得到精度预测指标； 依据获取的 场景感知数据， 以及预设的精度损失预测模型， 得到精度损失预测结果； 依据精度损失预测结 果， 以及预设的精度优化模型， 得到滚珠丝杠副 的运行精度优化策略； 本发明实现了滚珠丝杠副 的建模、 精度损失预测和精度优化， 为提升滚珠 丝杠副传动精度提供了理论支撑和研究方法； 为 得到满足高档数控装备的生产要求的滚珠丝杠 副提供了优化思路。 权利要求书2页 说明书5页 附图3页 CN 114154420 A 2022.03.08 CN 114154420 A 1.一种基于数字 孪生驱动的滚珠丝杠副优化方法， 其特 征在于， 包括： 获取滚珠丝杠副的原 始数据和场景感知数据； 依据所述原始数据和所述场景感知数据， 建立包括滚珠丝杠副模型的数字孪生三维数 字模型； 依据所述数字 孪生三维数字模型， 得到精度预测指标； 依据获取的场景感知数据， 以及预设的精度损失预测模型， 得到精度损失预测结果； 其 中， 所述精度损失预测模型， 是根据所述场景感知数据、 所述精度预测指标以及 模糊神经网 络训练得到； 依据精度损 失预测结果， 以及预设的精度优化模型， 得到滚珠丝杠副的运行精度优化 策略； 具体的， 在运行场景下通过精度损失预测模 型获取该场景下的精度损失结果， 然后通 过精度优化模型耦合调整滚珠丝杠副运行参数和结构参数； 再通过精度损失预测模型获取 运行精度最优值； 其中， 所述精度优化模型采用人工神经网络构建。 2.如权利要求1所述的一种基于数字孪生驱动的滚珠丝杠副优化方法， 其特征在于， 依 据所述场景感知数据， 实现所述滚珠丝杠副模型使用 周期自更新。 3.如权利要求2所述的一种基于数字孪生驱动的滚珠丝杠副优化方法， 其特征在于， 依 据不同应用工况， 对所述滚珠丝杠副模型进行自配置和自优化。 4.如权利要求2所述的一种基于数字孪生驱动的滚珠丝杠副优化方法， 其特征在于， 构 建滚珠丝杠副场景感知模型， 利用历史感知数据， 对滚珠丝杠副场景感知模型进行训练并 实现数据 的挖掘处理， 实现数字孪生三维数字模型对物理滚珠丝杠副应用场景的智能感 知。 5.如权利要求1所述的一种基于数字孪生驱动的滚珠丝杠副优化方法， 其特征在于， 精 度优化模型构建时， 基于针对多参数优化的上下文解耦数据， 利用反向传播算法对多参数 神经网络模型进行训练， 得到多参数函数模型； 基于数字孪生三维数字模型反 映的滚珠丝 杠副精度损失规律， 实现约束条件的动态更新； 采用多目标粒子群算法， 求解模型最优解 集。 6.如权利要求4或5所述的一种基于数字孪生驱动的滚珠丝杠副优化方法， 其特征在 于， 对多参数最优解集进 行分析， 输出最优参数， 在数字孪生三 维数字模型上对最优参数进 行在线仿真 分析， 将仿真结果反馈 到场景感知模型。 7.如权利要求6所述的一种基于数字孪生驱动的滚珠丝杠副优化方法， 其特征在于， 对 多参数最优解进行分析时， 包括对决策矩阵规进 行规范化处理、 求解加权规范化矩阵、 确定 区间正理想解和负理想解、 计算各方案与理想解接近程度以及按正理想解接近度确定方案 优劣次序。 8.一种基于数字 孪生驱动的滚珠丝杠副优化系统， 其特 征在于， 包括： 数据获取模块， 被 配置为： 获取滚珠丝杠副的原 始数据和场景感知数据； 数字孪生三维数字模型建立模块， 被配置为： 依据 所述原始数据和所述场景感知数据， 建立包括滚珠丝杠副模型 的数字孪生三维数字模型； 依据所述数字孪生三维数字模型， 得 到精度预测指标； 预测模块， 被配置为： 依据获取的场景感知数据， 以及预设的精度损失预测模型， 得到 精度损失预测结果； 其中， 所述精度损失预测模型， 是根据所述场景感知数据、 所述精度预 测指标以及模糊神经网络训练得到；权　利　要　求　书 1/2 页 2 CN 114154420 A 2优化模块， 被配置为： 依据精度损失预测结果， 以及预设的精度优化模型， 得到滚珠丝 杠副的运行精度优化策略； 具体的， 在运行场景下通过精度损失预测模型获取该场景下 的 精度损失结果， 然后通过精度优化模型耦合调整滚珠丝杠副运行参数和结构参数； 再通过 基于精度损失预测模型获取运行精度最优值； 其中， 所述精度优化模型采用人工神经网络 构建。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现了如权利要求1 ‑7任一项所述的基于数字孪生驱动的滚珠丝杠副优化方法的步 骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现了如权利要求 1‑7任一项所述的基于 数字孪生驱动的滚珠丝杠副优化方法的步骤。权　利　要　求　书 2/2 页 3 CN 114154420 A 3