机床与液压

作者：刘超，沈中豪，郑刚

单位：江苏大学电气信息工程学院；江苏大学电气信息工程学院；江苏大学电气信息工程学院；镇江四联机电科技有限公司

关键词：电液伺服阀;故障诊断;并行卷积神经网络;改进灰狼算法;支持向量机

针对电液伺服阀故障诊断中存在特征提取不充分、故障识别精度低的问题，提出一种基于并行卷积神经网络（PCNN）与改进灰狼算法优化支持向量机（IGWO-SVM）的电液伺服阀故障诊断方法——PCNN-IGWO-SVM。采用融合门控循环单元的并行网络结构，通过配置差异化卷积核实现多尺度时序特征提取；通过对GWO的初始种群生成策略和收敛因子衰减机制进行改进，构建基于改进灰狼算法优化支持向量机的分类模块，从而实现电液伺服阀的故障识别。最后，通过与PCNN、CNN-GWO-SVM模型进行对比实验，验证所提模型在电液伺服阀故障诊断任务中的性能。结果表明：所提模型的平均准确率达到98.62%，相较于PCNN（90.27%）、CNN-GWO-SVM（92.54%）故障诊断模型，具有更好的鲁棒性和特征提取能力，验证了所提算法具有更强的特征提取能力和更高的准确率；模型训练过程的损失值与准确率曲线均稳定收敛，t-SNE可视化显示经模型提取的特征具有清晰的聚类边界，混淆矩阵进一步验证了各故障类型的分类准确性。该方法为电液伺服阀的智能故障诊断提供了有效的技术方案。

来源：2026年第7期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第7期