机床与液压

作者：李文华，杨镜田，叶浩然，王火平，林珊颖，洪磊

单位：大连海事大学海底工程技术与装备国际联合研究中心；大连海事大学海底工程技术与装备国际联合研究中心；大连海事大学海底工程技术与装备国际联合研究中心；中海石油（中国）有限?公司深圳分公司；大连海事大学海底工程技术与装备国际联合研究中心；南通力威机械有限公司

关键词：锚链提升器;液压系统;故障诊断;CNN-LSTM

基金：国家科技重大专项（2024ZD140330607）；辽宁省“兴辽英才计划”（XLYC2402020）；辽宁省应用基础研究计划项目（2025JH2/101330162）；大连市科技创新基金计划（2024JJ11PTOO4）

针对单一浅层学习模型不能有效处理时序数据的时空特征，而导致锚链提升器液压系统故障诊断准确率低的问题，提出一种基于CNN-LSTM的故障诊断方法。该方法结合CNN提取空间局部特征的能力和LSTM捕捉时序依赖关系的性能，实现时序数据时空特征的深度融合。依托锚链提升器实验台，模拟液压泵泄漏、管路老化和单向阀堵塞3种典型故障，并采集各工况下系统压力、流量和温度的多传感器时序数据，为故障的诊断提供数据支撑。诊断结果表明：该模型能准确识别故障严重程度，准确率达到99.62%，相较于单一的CNN、LSTM及RBF模型，准确率分别提高了5.61%、7.38%、11.64%。该方法为复杂机电液系统提供了一种有效的智能故障诊断解决方案，具有重要的工程应用价值。

来源：2026年第6期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第6期