基于机器学习的液压摆缸叶片密封性能预测模型

来源：计算机测量与控制杂志2023年第9期北京时间：

作者：陈华,陈荣,鲍春波

单位：四川工业科技学院 电子信息与计算机工程学院

摘要：液压摆缸运行时若液压油从叶片与缸体的间隙泄露，会导致压力下降，减少输出扭矩，无法实现预期操作效果。由此，提出一种基于机器学习的液压摆缸叶片密封性能预测模型。利用敏感性与疲劳性指标组建叶片密封性能指标体系，收集密封性能相关指标的样本数据，计算密封泄漏率与密封环热量，利用雷诺方程计算油膜厚度与密封间隙油膜压力的耦合关系；基于机器学习方法中的BP人工神经网络训练数据，将连续S型函数转化成神经元激活函数，全局误差低于设定的极小值，即可获得密封性能预测结果。实验结果表明:所建模型液压摆缸叶片密封性能预测精度高、效率快，为相关领域机械设计工作提供可靠参考。

关键词：机器学习;液压摆缸;叶片密封;性能预测;模型构建;BP神经网络