机械工程学报

作者：赵孝礼, 胡渊豪, 孙辉, 邓文翔, 胡健, 姚建勇, 李杨, 邵海东

单位：1. 南京理工大学机械工程学院 南京 210094;2. 江苏汇智高端工程机械创新中心有限公司 徐州 221000;3. 西南交通大学智慧城市与交通学院 成都 611756;4. 湖南大学机械与运载工程学院 长沙 410082

关键词：电静液作动器,复合故障,最大化聚合,注意力卷积胶囊网络,解耦分类；

基金：国家自然科学基金资助项目(52175066)。

电静液作动器(Electro-hydrostatic actuator，EHA)作为一种复杂的机、电、液综合系统，在航空航天等领域具有重要作用。然而，由于其内部结构复杂、工作环境恶劣等因素，复合故障是其最为常见的故障形式之一，不仅具有隐蔽性和耦合性，还具有不确定性和因果关系复杂性，往往被误认为是单一故障从而导致漏警或误判。考虑到液压系统复合故障数据采集成本高昂、单一传感器信息感知有限及故障特征不明显等问题，提出一种基于最大化聚合注意力卷积胶囊网络(Maximizing aggregation attention convolutional capsule network，MAACCN)的电静液作动器复合故障智能解耦诊断方法。该方法利用多维传感信息的特征级融合与深度特征提取，使模型在仅使用单一故障数据训练的情况下，即可准确识别并解耦复合故障。EHA故障数据集验证表明，所提出的方法达到了97.4%的子集准确率，且汉明损失仅为0.025。

来源：2026年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2026年第4期