现阶段普遍采用的内泄漏检测方法,实际上并没有做到液压缸微小内泄漏量的监测。为监测液压缸微小内泄漏量,提出了利用TensorFlow的研究方法。其中最大的创新点是设计了一种结构性的液压油传感器,并采用TensorFlow构建网络实施监测,将复杂的应变—微小泄漏量关系简化至可直接读取。主要内容是利用液压油传感器,提供给微小内泄漏一个缓冲部位,减少压力影响,同时连接液压油收集部位和PC端,构成整个监测系统对数据进行采集和处理,最后再利用TensorFlow实现无需人工的液压缸内部微小泄漏量监测。结果表明,结合液压油传感器和TensorFlow,提取原始数据并处理最终数据,可以监测液压缸微小内泄漏量,为液压系统的微小内泄漏量的监测提供了研究思路。

液压缸的内泄漏是工程机械故障中难以避免的,该故障会降低液压系统的工作效率,严重的内泄漏还会引发安全事故。构建一种实时测量液压缸内泄漏的系统,提出一种模拟液压缸微小内泄漏的方法,采用压力应变片将流量变化转换为应变信号的实验模型,对实验数据进行分析并建立应变-流量的数学模型,利用神经网络的学习与训练,对内泄漏量进行预测。最后将实际微小内泄漏量与神经网络的预测值相比较。实验结果表明,神经网络具有高精度和高效率的预测能力,为液压系统的微小泄漏监测奠定了基础。