隨著制造業向智能化和高質量發展快速轉型，作為采礦機械和工程設備核心傳動組件的鏈傳動系統，在決定整個機器的運行可靠性和使用壽命方面發揮著關鍵作用[1],[2]。傳統的設計方法主要依賴經驗知識和有限的實驗驗證，難以在制造前全面預測或預防潛在的設計缺陷。因此，運行過程中經常出現鏈條斷裂、異常振動甚至結構故障等問題[4],[5]。因此，建立一個能夠在設計階段進行高保真模擬、快速迭代和虛擬-物理一致性驗證的動態設計框架，已成為提高重型設備性能和可靠性的迫切需求。
目前，大量研究集中在鏈傳動系統運行階段的性能測試和實驗分析上[7],[8],[9]。然而，這些方法主要解決現有的運行問題，不足以在設計階段提供高保真的虛擬驗證和靈活的建模支持[11],[12]。因此，開發一種集成了數字孿生（DT）的動態分析方法，以實現多種類型鏈傳動系統的統一建模和準確的動態性能預測，仍然是一個關鍵挑戰。
此外，不同類型設備的鏈傳動系統的結構配置和運行模式存在顯著差異。傳統的建模方法依賴于重復的手動構建，這既耗時又不一致[13],[14],[15],[16]。盡管一些研究嘗試通過參數化建模技術提高建模效率，但大多數僅限于幾何建模，未能建立整合設計、建模和動態模擬的閉環工作流程[17],[18],[19]。因此，迫切需要一個完全集成的參數化建模和動態分析框架，以實現快速結構生成和全面性能評估之間的高效耦合。
此外，現有設計系統中的虛擬模型往往與底層物理機制缺乏一致性，使得模型可信度難以量化，從而限制了其在早期優化和故障預防中的適用性[29]。盡管先前的研究嘗試將機械模型與仿真數據相結合，但由于缺乏有效的虛擬-物理一致性驗證機制，難以在設計階段確保模型準確性[30]。為了解決這一限制，本文提出的“知識+數據”混合驅動的DT方法引入了一個專門的驗證模塊，建立了一個從初始設計到性能優化的閉環修正機制，從而顯著提高了設計質量和可靠性。
基于以上分析，仍存在幾個關鍵挑戰：（1）缺乏適用于多種鏈傳動配置的統一動態分析方法，限制了高保真虛擬建模和優化；（2）缺乏高效的快速建模和動態分析方法，限制了設計對不同運行模式的適應性；（3）機械模型與設計系統之間的一致性保障不足，阻礙了DT在設計階段的可靠應用。除了這些技術限制之外，還有一個更根本的科學挑戰。當前的DT研究主要集中在使用現有工具進行“物理實體的數字表示”，而缺乏賦予DT模型“主動決策能力”的系統方法。特別是在設計階段，將DT技術從“仿真工具”發展為“決策系統”的一個關鍵科學問題是如何實現方法創新。這需要通過“機械知識”和“小樣本數據”的協同整合，構建具有預測和優化能力的可信DT模型，即使在沒有全面物理數據的情況下也是如此。
為了解決這些挑戰，本研究提出了一種基于高保真DT的鏈傳動重型設備動態設計方法和系統。本研究的核心科學貢獻有三個方面：
(1)在方法論上，提出了一種三部分的“數字-物理-驗證”協作架構，超越了傳統的雙端映射，實現了系統的虛擬-物理一致性驗證；
(2)在機制上，建立了一種結合“知識約束與數據修正”的混合驅動邏輯，以減少設計階段由于數據稀缺導致的模型失真；
(3)在應用上，DT從“被動表示”狀態向“主動決策支持”狀態的轉變變得更加容易。
最后，通過一個典型的鏈傳動系統的代表性案例研究，驗證了該方法在提高設計質量和防止運行故障方面的有效性，從而為重型設備鏈傳動系統的智能設計提供了可行的技術路徑和系統支持。
