随着制造业向智能化和高质量发展快速转型，作为采矿机械和工程设备核心传动组件的链传动系统，在决定整个机器的运行可靠性和使用寿命方面发挥着关键作用[1],[2]。传统的设计方法主要依赖经验知识和有限的实验验证，难以在制造前全面预测或预防潜在的设计缺陷。因此，运行过程中经常出现链条断裂、异常振动甚至结构故障等问题[4],[5]。因此，建立一个能够在设计阶段进行高保真模拟、快速迭代和虚拟-物理一致性验证的动态设计框架，已成为提高重型设备性能和可靠性的迫切需求。
目前，大量研究集中在链传动系统运行阶段的性能测试和实验分析上[7],[8],[9]。然而，这些方法主要解决现有的运行问题，不足以在设计阶段提供高保真的虚拟验证和灵活的建模支持[11],[12]。因此，开发一种集成了数字孪生（DT）的动态分析方法，以实现多种类型链传动系统的统一建模和准确的动态性能预测，仍然是一个关键挑战。
此外，不同类型设备的链传动系统的结构配置和运行模式存在显著差异。传统的建模方法依赖于重复的手动构建，这既耗时又不一致[13],[14],[15],[16]。尽管一些研究尝试通过参数化建模技术提高建模效率，但大多数仅限于几何建模，未能建立整合设计、建模和动态模拟的闭环工作流程[17],[18],[19]。因此，迫切需要一个完全集成的参数化建模和动态分析框架，以实现快速结构生成和全面性能评估之间的高效耦合。
此外，现有设计系统中的虚拟模型往往与底层物理机制缺乏一致性，使得模型可信度难以量化，从而限制了其在早期优化和故障预防中的适用性[29]。尽管先前的研究尝试将机械模型与仿真数据相结合，但由于缺乏有效的虚拟-物理一致性验证机制，难以在设计阶段确保模型准确性[30]。为了解决这一限制，本文提出的“知识+数据”混合驱动的DT方法引入了一个专门的验证模块，建立了一个从初始设计到性能优化的闭环修正机制，从而显著提高了设计质量和可靠性。
基于以上分析，仍存在几个关键挑战：（1）缺乏适用于多种链传动配置的统一动态分析方法，限制了高保真虚拟建模和优化；（2）缺乏高效的快速建模和动态分析方法，限制了设计对不同运行模式的适应性；（3）机械模型与设计系统之间的一致性保障不足，阻碍了DT在设计阶段的可靠应用。除了这些技术限制之外，还有一个更根本的科学挑战。当前的DT研究主要集中在使用现有工具进行“物理实体的数字表示”，而缺乏赋予DT模型“主动决策能力”的系统方法。特别是在设计阶段，将DT技术从“仿真工具”发展为“决策系统”的一个关键科学问题是如何实现方法创新。这需要通过“机械知识”和“小样本数据”的协同整合，构建具有预测和优化能力的可信DT模型，即使在没有全面物理数据的情况下也是如此。
为了解决这些挑战，本研究提出了一种基于高保真DT的链传动重型设备动态设计方法和系统。本研究的核心科学贡献有三个方面：
(1)在方法论上，提出了一种三部分的“数字-物理-验证”协作架构，超越了传统的双端映射，实现了系统的虚拟-物理一致性验证；
(2)在机制上，建立了一种结合“知识约束与数据修正”的混合驱动逻辑，以减少设计阶段由于数据稀缺导致的模型失真；
(3)在应用上，DT从“被动表示”状态向“主动决策支持”状态的转变变得更加容易。
最后，通过一个典型的链传动系统的代表性案例研究，验证了该方法在提高设计质量和防止运行故障方面的有效性，从而为重型设备链传动系统的智能设计提供了可行的技术路径和系统支持。
