机床与液压

作者：刘星宇，殷晨波，杨超，马伟，刘效忠

单位：南京工业大学车辆与工程机械研究所；南京工业大学车辆与工程机械研究所；南京工业大学车辆与工程机械研究所；南京工业大学车辆与工程机械研究所；三一重机有限公司

关键词：液压挖掘机;云端工况识别;深度学习;CNN-LSTM

基金：国家重点研发计划项目（2021YFB2011904）

为了实现挖掘机挖掘-破碎工况的在线精准识别，提升设备运行状态监测的智能化水平，基于企业云平台数据，搭建基于卷积神经网络(CNN)与长短期记忆网络(LSTM)的挖掘-破碎工况识别CNN-LSTM模型。分析挖掘机在挖掘与破碎两类工况下的作业机制差异，量化参数间相似性并筛选关键特征，最终确定发动机转速、挡位、前泵压力和后泵压力4个参数作为输入特征。利用企业多台设备云端连续运行数据作为输入数据集，结合特征分析与深度学习方法，构建CNN-LSTM模型。与其他常用深度学习模型进行多种性能指标的对比分析，进一步探讨不同时间窗、迭代次数及样本量等因素对分类效果的影响，并提出优化策略。最后，基于最优模型搭建工况识别模型并配置于企业云平台。结果表明：优化后的CNN-LSTM模型识别准确率高达99.45%，同时模型在鲁棒性和收敛速度方面均显著优于对比模型。搭建的识别模型已在企业云平台部署并投入使用，有效支撑了设备运行状态监测、云端集中管理与调度决策，为工程机械智能化管理提供了可行方案。

来源：2025年第19期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第19期