机械工程学报

作者：谭林, 马伟, 殷晨波, 杨中良, 王大宇

单位：1. 南京工业大学车辆与工程机械研究所 南京 211816； 2. 三一重机有限公司大挖研究院 苏州 215300； 3. 中国工程机械工业协会科技质量部 北京 100032

关键词：压力传感器,失效,长短时记忆网络,互信息,贝叶斯优化；

基金：国家重点研发计划(2021YFB2011904)和江苏省自然科学基金(BK20221342)资助项目

压力信号是参与挖掘机电液比例控制的重要参数。目前，压力信号的获取依赖于压力传感器，但在恶劣的工作条件下，传感器容易出现故障，导致挖掘机控制失效。因此，提出一种基于长短时记忆(Long-short term memory, LSTM)网络的压力软测量模型。先分析SY375IDS挖掘机的液压系统原理，然后利用互信息法(Mutual information, MI)，确定了模型的输入。为了解决LSTM网络超参数选择困难的问题，利用贝叶斯优化(Bayesian optimization, BO)算法进行调优。最后，使用挖掘机90°甩方作业的实测压力数据验证了该模型的有效性。试验结果表明，与其他模型相比较，基于BO-LSTM的压力软测量模型具有更高的准确性和稳定性。考虑到多个传感器同时失效的情况，进行了进一步研究，构建基于BO-LSTM的多输出传统预测(Multi-output traditional prediction, MOTP)模型和多输出循环预测(Multi-output cyclic prediction, MOCP)模型。通过试验比较，MOCP模型表现出更优异的性能。

来源：2025年第16期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第16期