产品详情
液压系统以其传动平稳、承载能力大、体积小等特点，一直是大型工程装备中的主流选择。但是，由于液压设备的密封性和隐蔽性，其故障难以检测和预测。液压系统常见的故障诊断和维修方法可分为两类：基于数学模型的信号分析和基于人工智能的机器学习算法。第一种方法只能基于数学模型诊断特定故障，不具有普适性；第二种方法必须依赖丰富的历史故障数据，在运行初期无法获取。为了解决这些问题，提出了一种将虚拟模型与真实部分相结合的数字孪生框架来解决实际问题。该框架作为五维数字孪生模型的具体实现形式，为液压系统故障诊断提供了更可行的解决模式。
液压系统以其传动平稳、承载能力大、体积小等特点，一直是大型工程装备中的主流选择。但是，由于液压设备的密封性和隐蔽性，其故障难以检测和预测。液压系统常见的故障诊断和维修方法可分为两类：基于数学模型的信号分析和基于人工智能的机器学习算法。第一种方法只能基于数学模型诊断特定故障，不具有普适性；第二种方法必须依赖丰富的历史故障数据，在运行初期无法获取。为了解决这些问题，提出了一种将虚拟模型与真实部分相结合的数字孪生框架来解决实际问题。该框架作为五维数字孪生模型的具体实现形式，为液压系统故障诊断提供了更可行的解决模式。
