针对电静压伺服机构存在的内泄漏难以直接观测且缺乏有效间接检测方法的问题,利用电机运行状态变化与闭式循环液压系统内泄漏之间的关联关系,提出了一种基于电机电流、转速数据的电静压伺服机构内泄漏检测方法。为从运行状态数据中精准提取微弱故障特征,基于深度学习建立了一种能够定向提取数据特征的卷积神经网络算法。经故障植入实验验证,所提方法的内泄漏检测的准确率高达98.7%,从而为解决电静压伺服机构内泄漏检测难题提供了有效方法。

电静压伺服机构属于泵控液压系统,驱动控制器将直流电转换为三相交流电以驱动伺服电泵旋转,进而使伺服机构产生往复运动。驱动控制器与伺服机构进行集成化设计可以有效降低强电电磁辐射,减小电缆长度,减少电接触点。但是在集成化设计中,需要降低直流侧支撑电容容量以减小驱动控制器体积。小容量支撑电容情况下,伺服机构作动时直流侧电压会出现不稳定振荡现象。通过主动缓冲的方法降低直流侧电压振荡幅度,满足集成化设计对直流侧电压稳定性和驱动控制器小体积的要求。