机床与液压

作者：闫锋，肖成军，孙一伟，孙有朝，谭忠睿

单位：中国民用航空飞行学院航空工程学院;南京航空航天大学民航学院；中国民用航空飞行学院航空工程学院；中国南方航空河南航空有限公司；南京航空航天大学民航学院；中国民用航空飞行学院绵阳分院

关键词：液压系统;多尺度卷积神经网络;支持向量机;贝叶斯搜索优化;故障诊断

基金：中央高校基本科研业务费专项资金（J2023-030）；中国民用航空飞行学院研究生教育教学研究项目（XKJ2022-7）；四川省通用航空器维修工程技术研究中心重点项目（GAMRC2021ZD04）；四川省自然科学基金（No.2022NSFSC1885）;西藏自治区科技厅重点研发与转化项目（XZ202402ZY0017）

针对液压系统故障特征提取困难、诊断准确率低等问题，提出一种基于多尺度一维卷积神经网络(MS1DCNN)和贝叶斯搜索优化支持向量机(SVM)的智能故障诊断模型。将多个传感器信号合并为单一输入信号；通过多尺度卷积处理提取关键故障特征，构建特征向量；然后，利用贝叶斯搜索优化SVM进行分类识别，构建故障诊断模型；最后，对模型进行训练。结果表明：该模型对柱塞泵和蓄能器的故障诊断准确率分别为99.63%、99.17%；与MS1DCNN、1DCNN、SVM模型相比，该模型在液压系统故障诊断方面具有高准确率、高可靠性和强泛化能力的优势。

来源：2025年第8期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第8期