机床与液压

作者：张兆礼，张建秋，汪鑫，王瑞辰

单位：中国长江电力股份有限公司溪洛渡水力发电厂；电子科技大学航空航天学院；中国长江电力股份有限公司溪洛渡水力发电厂；郑州市科德自动化系统工程有限公司

关键词：液压自动抓梁;CNN-LSTM;健康状态预测

基金：中国长江电力股份有限公司科研项目（Z412202018）；国家自然科学基金青年科学基金项目(71801168)；四川省自然科学基金项目（2023NSFSC0476）

针对监测数据下大型水电站自动抓梁液压系统的退化特征提取和健康状态预测问题，基于卷积神经网络(CNN)和长短时记忆网络（LSTM），构建一种健康预测模型。通过监测数据提取抓梁液压系统退化特征并实现预测。采用随机森林对状态监测信号与外部环境因素进行选择，利用CNN充分挖掘状态监测数据序列的时空特性，并使用LSTM网络捕获序列数据中的信息以及依赖关系。为验证所提预测模型的有效性，采用基于真实数据搭建的AMESim液压自动抓梁模型进行仿真验证。结果表明：相较于传统方法，该模型预测精度得到明显提升。

来源：2024年第23期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第23期