专家领衔策划——数字孪生赋能的高端装备智能运维丨JME特邀专栏（下）

专栏导读

高端装备如航空发动机、舰船动力系统、高速列车等，往往具有复杂的结构和高昂的投资成本，传统的运维模式面临着周期长、成本高、响应不及时等问题。数字孪生技术通过创建与物理装备相对应的虚拟模型，能够实时同步设备的运行状态，进行故障预测、性能优化、寿命评估等，帮助运维人员提前发现潜在问题，降低故障率，缩短检修周期，进而实现精准、高效的智能运维。

在这一背景下，数字孪生赋能的高端装备智能运维研究不仅有助于推动装备运维模式的转型，还能为企业节约大量的运营成本，提高生产效率与安全性。通过数字孪生技术，运维人员可以借助虚拟环境模拟不同的运行工况和维护策略，优化决策，减少盲目维修，提高维修计划的精准性和科学性，从而在保障设备稳定运行的同时，延长设备使用寿命，提升整体生产效益。

为此，《机械工程学报》编辑部与客座编辑团队联合策划出版“数字孪生赋能的高端装备智能运维”专栏。本专栏开展“数字孪生赋能的高端装备智能运维”研究，不仅符合产业升级需求，也是数字化转型过程中关键技术应用的突破，具有重要的学术价值和现实意义。专辑共收录论文10篇。本期推送后5篇。已于《机械工程学报》2026年12期正式出版。

客座编辑：

冯珂，西安交通大学教授、博士生导师，国家级青年人才、玛丽居里学者、全球前2%顶尖科学家，本硕毕业于电子科技大学，博士毕业于新南威尔士大学。曾在英属哥伦比亚大学、新加坡国立大学、帝国理工学院等知名学府任职。研究方向涵盖数字孪生、信号处理、故障诊断、疲劳磨损分析等领域。2023年荣获皇家物理协会会刊评选的“新锐科学家”称号。现担任《IEEE Transactions on Industrial Informatics》、《Information Fusion》、《Structural Health Monitoring》等多个国际期刊的副编辑及编委。研究成果发表在《IEEE Transactions on Fuzzy Systems》、《Mechanical Systems and Signal Processing》等重要学术期刊上。主持多项国际合作项目，包括Horizon Europe、UKRI等，及国家自然科学基金优青项目（海外）和国家重点研发计划课题等，曾获得“中国航空学会科技奖二等奖” 和“振动工程学会科学技术奖二等奖”。

季进臣，悉尼科技大学教授/博导，斯坦福Elsevier全球顶尖2%科学家，长期从事动力学、振动与控制、机械状态监测等领域的研究，担任2本JCR Q1期刊及5本JCR Q2期刊的副主编或特邀编辑，包括《Mechanical Systems and Signal Processing》、《Measurement》、《Journal of Vibration and Control》、《International Journal of Bifurcation and Chaos》等。澳大利亚国家应用力学委员会（NCAM）副理事长，并在多个领域担任重要学术职务。在国际著名期刊上发表了160余篇学术论文，其中105篇发表于JCR Q1期刊，4篇为特邀综述文章。研究涉及动力学、振动控制、数字孪生、故障诊断与预测、疲劳分析、风力发电技术、非线性动力学等多个前沿领域。根据Scival数据，43篇论文（占30.1%）位列全球引用量前10%文章，77篇（占61.1%）发表在CiteScore前10%期刊。

雷亚国，西安交通大学教授、博士生导师、机械工程学院常务副院长、精密微纳制造技术全国重点实验室副主任、国家杰青、国家高层次人才特殊支持计划入选者、国家重点研发项目首席科学家、ASME Fellow、IET Fellow、ISEAM Fellow、科睿唯安全球高被引科学家（工程学、跨学科领域）。现担任中国机械工程学会工业大数据与智能系统分会副主任、中国自动化学会技术过程的故障诊断与安全性专业委员会副主任、MSSP与IEEE TIE等本领域著名期刊副主编、陕西省科技创新团队带头人、“三秦学者”全国一流创新团队带头人。长期从事机械系统建模与动态信号处理、大数据智能故障诊断与寿命预测、机械状态健康监测与智能维护等方面的研究工作。研发的智能诊断系统在智能制造、能源电力、交通运输等领域得到应用。曾获国家技术发明二等奖、中国青年科技奖、腾讯科学探索奖、教育部青年科学奖、省部级自然科学一等奖3项、霍英东教育基金会青年教师奖等奖励。2019年受邀参加庆祝中华人民共和国成立70周年大会天安门广场观礼。

王子栋，布鲁内尔大学教授、博士生导师。英国伦敦Brunel University讲席教授，欧洲科学院院士，欧洲科学与艺术院院士，IEEE Fellow，International Journal of Systems Science主编，Neurocomputing主编。多年来从事控制理论、机器学习、生物信息学等方面研究，在SCI刊物上发表国际论文七百余篇。现任或曾任十二种国际刊物的主编、副编辑或编委。曾任旅英华人自动化及计算机协会主席、东华大学国家级领军人才、清华大学国家级专家。

01

面向旋转机械健康监测和早期故障检测的Diffusion-Ramanujan数字孪生架构

引用格式:胡文扬, 李奇, 林起鉴, 王天杨, 阎绍泽, 褚福磊. 面向旋转机械健康监测和早期故障检测的Diffusion-Ramanujan数字孪生架构[J]. 机械工程学报, 2026, 62(12): 77-86.

论文摘要：

旋转机械的健康监测与早期故障检测对保障设备安全运行至关重要。传统故障特征提取方法多依赖预设参数，限制了实际应用效果。Ramanujan周期变换虽能通过正交子空间有效分离信号周期成分，但其性能高度依赖高保真故障仿真模型，而模型构建通常需要先验故障特征信息，难以在缺乏故障样本的场景中推广。为解决此问题，提出一种融合条件扩散模型与Ramanujan周期变换的数字孪生架构(Diffusion-Ramanujan)。该方法采用无分类器引导机制构建条件扩散模型，将未知类型故障样本转化为健康样本，通过对比转化前后样本包络谱的分布差异，自动挖掘潜在故障特征；进而基于所提取特征构建唯象仿真模型作为数字孪生体，驱动Ramanujan周期变换实现无参数依赖的故障特征分离，并构建健康因子评估设备状态。IMS轴承数据集实验结果表明，所提方法能在缺乏故障先验知识的情况下有效识别早期故障，较提升包络谱、Anomaly-Transformer等基线模型具有更早故障检测时间和更高监测准确性，为旋转机械健康管理提供了不依赖预设参数与先验知识的有效路径。

阅读全文：

02

边云协同下数字孪生驱动的齿轮传动系统在线监测技术

引用格式:朱本然, 潮群, 王忠睿, 刘成良. 边云协同下数字孪生驱动的齿轮传动系统在线监测技术[J]. 机械工程学报, 2026, 62(12): 87-97.

论文摘要：

齿轮传动系统在高端装备中应用广泛，其结构性能传统评估方法依赖离线有限元仿真，计算耗时较长，难以满足在线监测的高时效性要求。为此，提出一种边云协同的数字孪生在线监测技术。构建由物理层、边缘层、云层和通信层组成的数字孪生总体框架，并明确各层功能与技术路线；针对有限元模型的非结构化网格拓扑，设计一种基于图神经网络的代理模型，用于齿轮传动系统结构性能快速预测；搭建齿轮传动试验台在线监测平台，在边云协同框架下完成状态信号采集、结构性能预测与云端可视化渲染全流程，验证所提技术的可行性。结果表明，设计的代理模型预测结果与离线有限元仿真结果的吻合度超过90%，在线监测全流程响应时间小于4 s，能够精确、快速监测齿轮传动系统核心部件的全域结构性能，为高端装备的实时状态监测提供了可行的新途径。

阅读全文：

03

面向列车轮对轴承的摩擦电自供能智能传感及数字孪生映射设计

引用格式:王松, 郑晨, 姚德臣, 高帅, 韩勤锴, 罗均, 褚福磊. 面向列车轮对轴承的摩擦电自供能智能传感及数字孪生映射设计[J]. 机械工程学报, 2026, 62(12): 98-106.

论文摘要：

随着列车提速与高密度运营，轮对安全裕度被持续压缩，双列圆锥滚子轴承作为列车轮对的关键旋转承载件，其健康状况直接决定整辆列车的运行安全、可靠性与全寿命运维成本。针对现有在线监测依赖外接供电、传感器布置受限等瓶颈，提出一种与保持架同轴对称、超紧凑集成于轴承内部的摩擦发电机原位传感模块(Triboelectric-nanogenerator-based in-situ sensing module，TISM)，实现对双列圆锥滚子轴承两侧保持架-滚动体相对运动信息的自供能同步采集。构建TISM输出信号与转速、载荷等关键运行参数间的定性映射关系，为轴承的实时状态识别提供可靠依据。结果表明，TISM具备高灵敏度与自供能特性，且在材料选择和设计间隙方面表现出卓越的鲁棒性，能够为构建列车轮对轴承数字孪生体提供关键的多物理场参数支撑。在轨道车辆横向动力学实验台上的应用展示表明，TISM在复杂变速工况下依然表现出优异的监测有效性与自传感能力。通过对TISM输出信号进行时频特征分析，可实现对轴承运行状态的实时感知，并能精确捕捉保持架打滑等早期异常行为特征。研究展示了基于TISM的智能零部件孪生单体的虚实互动新模式，为滚动轴承智能化设计与自供能监测提供技术参考，并有望由此推广至列车整体系统的数字孪生形态。

阅读全文：

04

基于数字孪生的雷达装备结构健康监测技术研究

引用格式: 刘营, 梅启元, 程亚龙, 胡长明, 杨斌, 刘振宇. 基于数字孪生的雷达装备结构健康监测技术研究[J]. 机械工程学报, 2026, 62(12): 107-124.

论文摘要：

雷达是一种集机、电、液于一体的复杂电子装备，具有结构复杂、运行环境恶劣、运行周期长等特点，其结构可靠性和稳定性直接影响着其电性能的发挥，制约着作战任务执行的成败。现有的事后维修和定期维护体制难以适应现代战争的快速发展需求，亟需采用新的技术和方法，实时、全面评估产品的结构健康状态，提升雷达装备的可靠性和使用寿命，满足雷达装备的高质量发展需求。提出了一种基于数字孪生的雷达结构健康监测系统，通过构建雷达的数字孪生体，实现物理设备与虚拟设备之间的同步状态映射和实时数据分析与交互。系统以多学科耦合仿真环境为核心，结合实时数据采集与处理模块及虚拟仿真平台，能够对雷达装备进行高置信度的实时仿真、寿命评估、故障预测和诊断，实时监测雷达关键部件的运行状态，并提供健康状况预警。研究结果表明，该系统在提升雷达的维护效率和可靠性方面具有显著效果，为雷达结构的健康状态评估提供了科学依据，具有重要的参考价值。

阅读全文：

05

数字孪生驱动的舵回路缓变故障预测方法

引用格式:雷珺祺, 程月华, 姜斌, 杨浩, 孙天宇. 数字孪生驱动的舵回路缓变故障预测方法[J]. 机械工程学报, 2026, 62(12): 125-142.

论文摘要：

针对以渐冻故障为代表的舵回路缓变故障特征不明显、可测量参数有限的问题，将数字孪生技术引入舵回路健康管理中，提出一种基于数字孪生的舵回路缓变故障预测方法。首先，面向舵回路渐冻故障的预测需求，设计由故障特征构建、故障特征强化、故障特征预测三大模块组成的数字孪生驱动故障预测通用框架。然后，基于数字孪生虚拟模型，建立多参量融合的舵回路性能基线模型，并通过融合可测量数据和孪生扩展数据，构成缓变故障表征集。接着，引入动态先验分布与差分KL散度约束改进LSTM-VAE模型，强化故障特征。最后，构建LSTM-HMM模型与动态自适应阈值结合的故障预测模型，HMM通过先验数据预测KL散度表征的故障特征未来运行趋势。实验结果表明，基于数字孪生驱动故障预测通用框架，构建的故障预测模块具有较低的预测误差、较优的精确率和准确率，可实现故障演化过程特征提取和渐冻故障的早期预测。

阅读全文：

责任编辑：杜蔚杰

责任校对：张 强

审 核：张 彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！我们《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

微信投稿、转载等：

联系人：暖暖

电话：010-88379909

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat