机床与液压

作者：刘文忠，张世杰，金兰，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;LSTM-CNN;PSO-KNN;故障诊断

基金：中国长江电力股份有限公司科研项目（Z412202018）；国家自然科学基金面上项目（72171037）;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）

针对自动抓梁液压系统故障诊断正确率低、深层特征提取困难的问题，提出一种基于长短期记忆卷积（LSTM-CNN）特征提取网络和粒子群优化K最近邻（PSO-KNN）结合的自动抓梁液压系统故障诊断模型。以自动抓梁液压系统关键节点压力信息为输入，采用LSTM提取一维特征与CNN提取的二维特征融合，采用优化后的KNN模型对提取的特征进行故障分类。基于真实数据搭建AMESim自动抓梁模型进行仿真，验证所提方法的有效性与先进性。结果表明：所提模型的诊断正确率达到97.92%，能够有效识别自动抓梁液压系统中的常见故障。

来源：2024年第18期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第18期