基于改进密集连接卷积网络的射流管伺服阀磨损故障诊断

来源：机床与液压杂志2025年第20期北京时间：

作者：戴航，戴晓强，丁建军，刘成业，刘虎

单位：江苏科技大学自动化学院；江苏科技大学自动化学院；上海衡拓液压控制技术有限公司；江苏科技大学自动化学院；江苏科技大学自动化学院

摘要：射流管式电液伺服阀使用过程中精密元件易发生磨损，影响液压系统的工作性能，其磨损故障诊断研究中存在磨损样本数据较少、变化幅度微弱、多模态数据融合困难等问题。针对此提出一种融合密集连接卷积网络（DenseNet）与加权通道注意力机制（WCA）的射流管伺服阀磨损故障诊断方法。利用DenseNet中各卷积层密集连接的特点对伺服阀磨损小样本进行特征复用，实现深层特征提取。在模型中加入WCA层，针对不同磨损部位对射流管特性参数中的压力、流量及动态响应时间等分配不同的权重，从而有效改善DenseNet数据冗余问题并提升故障分类准确性。结果表明：所提方法能够准确、有效地对射流管式电液伺服阀磨损故障进行诊断，在测试集上取得了98.7%的准确率，相较于相同深度的CNN和普通DenseNet网络模型具有更高的准确率和稳定性。

关键词：射流管伺服阀;冲蚀磨损;密集连接卷积网络;加权通道注意力;故障诊断