基于神经网络的液压缸内泄漏在线测量研究

内泄漏是液压缸最常见故障，严重影响液压缸的正常工作，因此对其在线测量显得尤为重要。提出内泄漏在线测量的工作原理，包括在线测量系统、应变片的固定方式和流量-应变信号转换的数学模型，并搭建实验系统采集内泄漏和应变数据并进行数据处理。分别采用BP神经网络和卷积神经网络对液压缸内泄漏进行预测，结果表明，卷积神经网络准确度高、效率高，为其他液压元件微小流量的在线测量提供一种新的思路。