2. 数字孪生系统架构与健康管理闭环

数字孪生不是“三维模型 + 传感器数据”的简单叠加，而是一套能把物理设备的真实状态持续映射到虚拟空间、再让虚拟空间的分析结果反向作用于设备的运行体系。要理解它在健康评估与故障诊断中的价值，关键是抓住两条主线：一条是横向的四层架构，说明系统由哪些部分组成、彼此如何支撑；另一条是纵向的闭环流程，说明数据如何从设备流向模型、再转化为可执行的维护决策。两条主线交叉，才构成完整的数字孪生健康管理能力。

四层架构：从物理实体到服务应用

四层架构是数字孪生的“骨架”，自下而上依次为物理实体层、数据连接层、虚拟模型层和服务应用层。它们不是并列的四个模块，而是逐层支撑、又逐层反馈的关系。

物理实体层是被孪生的真实对象，包括设备本体、关键部件、传感器、执行机构以及所处的工况环境。以一台工业减速机为例，物理层包含齿轮箱、轴承、输入输出轴、振动加速度传感器、温度传感器、转速编码器和负载条件。这一层决定了“能测什么”，也决定了后续评估的物理边界。

数据连接层负责把物理层的状态转化为可传输、可对齐、可存储的数据流。它要解决采样、同步、传输和预处理四件事。例如振动信号按 20 kHz 采样、温度按 1 Hz 采样，两者时间尺度差异巨大，必须通过时间戳对齐；原始振动数据量大，通常在边缘侧先做去均值、滤波和特征提取，再上传特征值或降采样波形，以降低带宽压力。

虚拟模型层是数字孪生的核心，包含几何模型、物理机理模型、数据驱动模型和规则模型。几何模型描述结构与装配关系；机理模型用动力学、热力学方程刻画退化规律；数据驱动模型用历史数据训练异常检测或剩余寿命预测模型；规则模型则承载专家阈值与运维知识。四类模型协同，才能既解释“为什么异常”，又预测“还能用多久”。

服务应用层面向具体角色输出价值，包括状态监测看板、健康评分、故障诊断报告、维护工单和备件建议。它把模型输出翻译成工程师能直接使用的结论，例如“轴承外圈早期磨损，建议 30 天内安排检查”。

闭环流程：感知—建模—评估—诊断—决策—反馈

四层架构解决“系统由什么组成”，闭环流程解决“系统如何运转”。六个环节首尾相接，形成持续迭代的健康管理回路。

感知是闭环起点。以减速机为例，振动传感器安装在轴承座径向和轴向，采样率 20 kHz；温度传感器贴附于齿轮箱壳体，采样率 1 Hz；转速编码器输出 100 Hz 脉冲。感知阶段不仅要采集，还要做有效性判断：若振动信号出现削顶或断线，应标记为无效数据，避免污染后续模型。

建模把感知数据映射为虚拟模型可用的状态量。时域特征包括均方根值、峰值、峭度；频域特征包括啮合频率幅值、边频带能量。假设某减速机输入轴转频为 25 Hz，齿轮齿数 31，则啮合频率为 775 Hz。若在 775 Hz 及其边频带附近出现能量上升，模型应将其关联到齿轮啮合状态；若在轴承外圈故障特征频率处出现峰值，则关联到轴承外圈缺陷。

评估回答“当前健康程度如何”。常用做法是构建健康指标：将多个特征归一化后加权融合为 0～100 的健康评分。例如振动峭度权重 0.4、温度偏差权重 0.3、啮合频率边频能量权重 0.3。假设正常工况下评分为 95，当前评分为 72，则判定为“注意状态”，需要缩短监测周期。

诊断回答“哪里出了问题、原因是什么”。诊断不是简单阈值报警，而是结合机理模型与数据模型做定位。若振动频谱在轴承外圈故障频率及其谐波处出现明显峰值，且温度同步上升 8 ℃，可初步判定为轴承外圈早期磨损；若啮合频率边频带扩展且电流特征异常，则更倾向齿轮点蚀或偏心。

决策回答“接下来做什么”。决策要综合故障类型、严重程度、生产计划和备件库存。例如轴承早期磨损且健康评分 72，可给出“30 天内安排检查、准备备用轴承、期间每 7 天复测一次”的建议；若评分低于 50 且振动峰值持续上升，则应升级为“尽快停机检修”。

反馈是闭环的关键，也是最容易被忽视的一环。反馈包含两层含义：一是把决策结果作用于物理实体，如调整运行参数、安排维护；二是把维护后的实际结果回写到虚拟模型，用于修正模型参数和阈值。例如检修后健康评分恢复到 93，则说明诊断与决策有效；若评分仍偏低，则需回溯模型或感知环节是否存在偏差。

架构与闭环的对应关系

四层架构与六步闭环并非两套独立体系，而是同一系统的两种观察视角。物理实体层对应感知环节，数据连接层支撑感知与建模之间的数据流转，虚拟模型层承载建模、评估和诊断，服务应用层则输出决策并接收反馈。理解这种对应关系，有助于在工程实践中快速定位问题：如果健康评分异常，先检查感知数据是否有效，再检查模型输入特征是否漂移，最后检查决策规则是否与当前工况匹配。

一个可参考的健康评估参数示例

下表给出减速机健康评估中可参考的特征与阈值示例，用于说明评估环节如何把原始信号转化为可判断的指标。表中数值为教学示例，实际工程中需根据设备型号、工况和历史数据重新标定。

把上述特征输入健康评分模型后，若综合评分从 95 降至 72，同时轴承外圈特征频率幅值达到基准值 3.2 倍、温度偏差 8 ℃，则可形成一条完整的诊断链：感知数据有效 → 特征提取正常 → 评估显示退化 → 诊断定位到轴承外圈 → 决策建议 30 天内检查 → 反馈记录检修结果并修正阈值。这条链路正是数字孪生健康管理闭环的实际运行形态。