液压马达的故障具有非线性、复杂多样以及信号噪声多的特点,基于这些特点论文针对液压马达的故障诊断方法,提出了将T-S模糊推理模型与神经网络相结合的机器学习的研究。论文细致地阐述了T-S模糊推理数学模型的推理过程以及神经网络模型的工作原理。通过仿真实验验证,该方法用于液压马达的故障诊断是有效的。

针对液压设备的故障数据具有非线性、不确定性以及信号噪声多等特点,本文提出一种基于T-S模糊神经网络的液压设备故障诊断,T-S模糊神经网络是将T-S模糊推理模型与神经网络相结合的机器学习方法。对于采集的液压设备振动数据提取相关特征构成特征矩阵,将特征矩阵输入建立的T-S模糊神经网络模型,利用其自适应提取能力,自主选择最佳故障特征进行分析,实现液压设备故障诊断。通过液压设备数据验证,说明该方法具有较快收敛速度、较高诊断精度高和稳定性。