机床与液压

作者：郭媛，刘迎春，李孟飞，吴凛

单位：武汉科技大学冶金装备及其控制教育部重点实验室；武汉科技大学精密制造研究院；武汉科技大学冶金装备及其控制教育部重点实验室；机械传动与制造工程湖北省重点实验室；武汉科技大学冶金装备及其控制教育部重点实验室；机械传动与制造工程湖北省重点实验室；武汉科技大学冶金装备及其控制教育部重点实验室；武汉科技大学精密制造研究院

关键词：智能故障诊断;粒子群灰狼融合优化;随机森林

基金：湖北省科技计划项目（2021CFB141）

为了检测液压系统的多源信息故障，提出一种基于粒子群优化（PSO）与灰狼优化（GWO）融合算法（PSO-GWO）的随机森林（RF）超参数优化方法（PSO-GWO-RF）。PSO-GWO算法结合PSO的快速收敛性和GWO的全局搜索能力，通过混合更新策略（交替采用GWO围猎机制和PSO速度更新）优化RF的超参数，显著提升模型的分类性能。对原始数据集进行多维度特征提取与融合，采用最小-最大归一化方法对数据进行标准化预处理，并合理划分训练集与测试集。基于公开液压数据集开展实验，结果表明：经PSO-GWO算法优化的RF模型在交叉验证准确率和训练准确率上均表现优异，二者相互验证，证明了该模型具有良好的泛化性能、较强的鲁棒性以及较快的收敛速度。与传统方法（RF、SVM、CNN等）及其他优化算法（GA、BWO）进一步进行对比，结果表明：PSO-GWO-RF的分类准确率达97.58%，较未优化的RF提升了11.13%，且具有更强的泛化能力和鲁棒性。所提算法显著提升了故障诊断的准确率，有效提升诊断效率，为液压系统智能故障诊断提供了新的技术途径。

来源：2026年第5期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第5期