通过对液压泵效率特性的分析,研究液压泵效率特性的神经网络建模方法。以排量为39.57cm3/r的柱塞液压泵作为建模对象,以少量的试验数据作为神经网络的训练样本,采用3层BP神经网络加贝叶斯正则化方法对网络进行训练,建立液压泵的流量和转矩模型,并以此为基础计算液压泵的总效率。选取不同转速和压差下的试验数据,对流量和转矩神经网络模型的泛化能力进行检验,结果表明,液压泵的总效率误差在0.2%以内。

利用流体的压缩性和热膨胀理论建立了液压泵加载阀上游与加载阀下游输出流量之间关系的数学关系式,建立了液压马达输入流量与输出流量和外泄漏量之间的数学关系式。指出在液压泵试验中采用现行检测方法(即测量加载阀下游流量的方法)测得的容积效率总是大于其真实值、测得的总效率也偏高,建议采用测量加载阀上游流量的方法;指出在液压马达试验中采用现行检测方法(即测量马达输出流量和外泄漏量的方法)测得的容积效率总是小于其真实值,测得的总效率也偏低,建议采用测量液压马达输入流量的方法。

利用流体的压缩性和热膨胀理论建立了液压泵加载阀上游与加载阀下游输出流量之间关系的数学关系式，建立了液压马达输入流量与输出流量和外泄漏量之间的数学关系式。指出在液压泵试验中采用现行检测方法（即测量加载阀下游流量的方法）测得的容积效率总是大于其真实值、测得的总效率也偏高，建议采用测量加载阀上游流量的方法；指出在液压马达试验中采用现行检测方法（即测量马达输出流量和外泄漏量的方法）测得的容积效率总是小于其真实值，测得的总效率也偏低，建议采用测量液压马达输入流量的方法。

通过对液压泵效率特性的分析,研究液压泵效率特性的神经网络建模方法。以排量为39.57cm^3/r的柱塞液压泵作为建模对象,以少量的试验数据作为神经网络的训练样本,采用3层BP神经网络加贝叶斯正则化方法对网络进行训练,建立液压泵的流量和转矩模型,并以此为基础计算液压泵的总效率。选取不同转速和压差下的试验数据,对流量和转矩神经网络模型的泛化能力进行检验,结果表明,液压泵的总效率误差在0.2%以内。