在石油化工生产中,诸如离心泵、离心压缩机等旋转设备因其结构复杂,各部件之间耦合关系不确定,且长期在高速、重载下运行,不可避免地会发生性能退化而导致设备故障,一旦发生故障,必然会因停产维修而造成额外的经济损失,严重时导致人员伤亡。故障诊断和趋势预测技术能够为旋转设备维护和健康管理提供指导性的建议,对确保设备安全运行,降低管理成本,提高运行效率具有重要的现实意义。数字孪生作为新一代基于信息技术的概念,为工业设计和生产提供了新的发展思路,但是面向数字孪生的设备健康管理的研究成果十分匮乏。本文以旋转系统为研究对象,创新性地提出了数字孪生驱动的设备故障诊断和趋势预测框架;针对数字孪生技术中的模型实时映射问题,提出了数字孪生模型的实时更新方法;最后利用映射模型,实现了旋转系统的故障定量诊断,具体研究内容如下:(1)传统设备故障和预测方法大都是基于信号处理或专家系统的,这类方法虽然能够保证故障定性判别的准确性,但存在故障机理分析不明确、故障定量和定位分析难以实现等问题。本文提出数字孪生驱动的设备故障诊断和趋势预测框架,它将数字孪生概念创新性地引入设备故障诊断和趋势预测中,包括了关键技术、构成要素、实现流程等内容。该框架为新一代基于信息技术的设备健康管理提供范式,深度融合基于物理机理驱动和基于数据信息驱动的设备健康管理方法,大幅提高管理者对于设备故障机理的认识、改善现有故障诊断和预测方法的准确度。(2)目前针对数字孪生技术的研究大都处在概念和框架研究阶段,针对数字孪生技术的核心问题——实时映射的理论研究内容极少。为此,本文提出了一种基于响应面的数字孪生模型实时映射方法,该方法能够对数字孪生模型的几何模型、静力学参数、动力学参数实现实时更新。以典型旋转系统数字孪生实时映射的实验结果表明:所更新后的孪生模型能够满足数字孪生对于实时映射的要求。(3)传统基于信号处理的设备故障诊断方法只能定性判别设备的故障类型,无法实现故障的定量和定位分析,这会降低现场设备管理者对于设备运行状态的认识程度。为此,本文以旋转系统不平衡故障为例,提出一种基于孪生模型的旋转系统不平衡故障的精准诊断方法,它以更新后的孪生模型为对象,在对系统故障进行参数化表示后,通过拟合实测信号和仿真信号对不平衡量和不平衡位置进行估计。实验结果表明:该方法能够较为准确的实现旋转系统不平衡故障的定量诊断。