基于逆物理信息神经网络的轴向柱塞泵故障诊断方法

来源：机床与液压杂志2026年第2期北京时间：

作者：常远，储焰，汤何胜

单位：温州大学机电工程学院；温州大学机电工程学院；温州大学机电工程学院

摘要：针对轴向柱塞泵斜盘故障样本稀缺导致的样本不平衡问题，提出一种融合逆物理信息神经网络（IPINN）的数据增强与故障诊断方法。构建含有斜盘缺陷的轴向柱塞泵动态模型，并结合龙格-库塔法生成仿真数据，以缓解实验数据样本不平衡的问题；鉴于传统经验设定的动力学参数准确性不足，运用逆物理信息神经网络对动力学模型中的6个关键参数进行优化，有效减小仿真数据与实验数据之间的偏差。将增强后的数据集输入到卷积神经网络（CNN）中进行故障诊断，验证所提方法的有效性与准确性。结果表明：优化后的仿真数据在时域和频域上与实验数据更接近，PRD、RMSE、MMD指标验证了优化效果。对比不同数据集，基于IPINN扩充的数据集在故障诊断中表现优异，其准确率较仅实验数据集提升22%，较经验扩充数据集提升2.53%，有效解决了样本的不平衡问题，显著提高了诊断精度，为轴向柱塞泵的故障诊断提供了有效途径。

关键词：轴向柱塞泵;逆物理信息神经网络;故障诊断;样本不平衡