基于机器学习的液压摆缸叶片密封 性能预测模型

• 作者: 陈华 陈荣 鲍春波
• 来源期刊: 计算机测量与控制
• 学科: 工学
• 关键词: 机器学习 液压摆缸 叶片密封 性能预测 模型构建 BP神经网络
• 年，卷（期）: 2024,（9）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 77-82
• 页数: 6页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.09.012

摘要

液压摆缸运行时若液压油从叶片与缸体的间隙泄露，会导致压力下降，减少输出扭矩，无法实现预期操作效果；由此，提出一种基于机器学习的液压摆缸叶片密封性能预测模型；采用Morris方法计算敏感性指标，基于断裂力学角度，采用能量释放模式分析橡胶密封材料疲劳破坏过程，建立疲劳性函数；通过敏感性与疲劳性分析密封性能指标，确立评价标准，并划分性能等级，获取液压摆缸叶片密封性能的关键因素；根据密封磨损失效极限损伤的计算，确立泄漏率和密封环的热量样本数据；将泄漏率、密封环热量作为BP人工神经网络输入层单元的输入值将性能预测指标作为输出值，构建液压摆缸性能预测模型；实验结果表明：所建模型液压摆缸叶片密封性能预测精度高、效率快，为相关领域机械设计工作提供可靠参考。