典型文献
基于机器学习的水液压高速开关阀退化趋势预测
文献摘要：
高速开关阀以其结构简单、响应速度快、抗污染能力强、稳定性好等优点得到了广泛的应用.水液压高速开关阀的工作介质黏性低,更容易因性能退化发生故障.提出了一种基于机器学习的水液压高速开关阀性能退化状态识别及退化趋势预测方法.搭建了高速开关阀性能测试试验台,将电流信号的变化作为高速开关阀的性能退化指标.根据高速开关阀性能退化程度,将其退化状态定义为正常期、退化期和严重退化期3个阶段.采用BP神经网络(BPNN)方法对高速开关阀的退化状态进行了识别,并采用粒子群优化长短期记忆模型(PSO-LSTM)方法对高速开关阀的退化趋势进行了预测.使用高速开关阀的性能退化试验数据对提出模型的有效性进行了检验,结果表明该方法具有较高的预测精度.
文献关键词：
机器学习;高速开关阀;性能退化;BPNN;PSO-LSTM
中图分类号：
作者姓名：
聂松林;刘庆同;纪辉;洪睿东;马仲海
作者机构：
北京工业大学 材料与制造学部,北京 100124
文献出处：
引用格式：
[1]聂松林;刘庆同;纪辉;洪睿东;马仲海-.基于机器学习的水液压高速开关阀退化趋势预测)[J].液压与气动,2022(11):60-66
A类：
B类：
基于机器学习,水液压,高速开关阀,退化趋势预测,结构简单,响应速度快,抗污染能力,点得,工作介质,黏性,性能退化,退化状态,状态识别,测试试验台,电流信号,退化指标,退化程度,BPNN,粒子群优化,长短期记忆模型,PSO,退化试验,出模
AB值：
0.19327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
