针对液压信号复杂且难以诊断的难点,提出一种多尺度一维卷积神经网络与多传感器信息融合的深度神经网络模型(MS1D-CNN-MSIF)对液压泵与蓄能器进行故障诊断。在提出方法中,采用不同大小的卷积核对故障信号进行多尺度特征提取;然后使用多传感器信息融合策略将多个传感器的特征信号进行融合,最后使用Softmax进行分类识别。诊断蓄能器压力状态与液压泵泄漏状态的实验结果表明,与支持向量机、堆栈自编码、深度置信网络比较,提出模型具有更好的故障诊断性能,蓄能器识别精度可达99.50%,液压泵识别精度可达99.73%。

空化是轴向柱塞泵中比较普遍的现象,其机理复杂,不易观察和控制。通过对国内外该领域的研究情况进行总结归纳,发现研究该领域主要围绕对轴向柱塞泵柱塞腔内以及配流盘表面的空化现象进行数学建模以及仿真分析,最后实验测试并因此得出抗... 展开更多