液压泵作为液压系统中的主要动力提供者,其内部若发生故障,将对液压系统运行稳定性和可靠性产生威胁。针对其在多故障模式下的故障程度诊断问题,提出一种将深度神经网络(Deep Neural Network,DNN)与胶囊网络(Capsule Network,CapsNet)相结合的液压泵故障程度诊断方法。首先,采用DNN网络替换胶囊网络中的特征提取层来充分挖掘液压泵故障数据中的关键特征;其次,利用胶囊网络数字胶囊层中的动态路由算法更新模型参数;最后,计算输出层输出向量模长实现对液压泵多故障模式下故障程度的准确识别。通过搭建液压泵数字孪生体采集压力故障数据来进行实验。结果表明:相比于传统深度神经网络、胶囊网络,该方法对于液压泵故障程度诊断的准确率达到99.67%。

该文基于CFD技术利用动网格模型同时采用标准k-ε模型和SIMPLEC算法运用CFD软件FLUENT对新型节流芯轴式液气缓冲器进行几何建模、数值模拟和可视化研究分析模型关键部位的流场特性得到内部流场压力和速度分布特性以及缓冲特性曲线分别对不同缓冲间隙节流芯轴形状和冲击速度进行仿真实验获得各参数对液气缓冲器缓冲特性的影响为新型液气缓冲器关键部位参数的确定和内部结构的优化提供了参考依据。同时将仿真结果与试验进行对比分析结果表明采用CFD方法对缓冲器流场进行仿真分析是可行的。