液压与气动

作者：林子彦, 李晓明

单位：浙江理工大学 机械工程学院, 浙江 杭州 310018

关键词：电液执行器","物理信息神经网络","一维卷积","力平衡方程","非线性建模

基金：浙江省重点研发计划(2025C03013)

针对电液执行器非线性强且内部状态难以观测导致的建模精度低、泛化能力弱等问题,提出一种改进的物理信息神经网络建模方法。该方法采用一维卷积神经网络模块提取时序特征,并将电液执行器动力学中的力平衡方程作为物理约束嵌入损失函数,以弥补纯数据驱动模型可解释性差的不足,提高模型的收敛速度。此外,针对传感器噪声干扰物理约束计算的问题,设计了基于局部线性拟合的信号平滑策略。多工况试验结果表明,该方法在有限数据下能有效平衡数据拟合与物理一致性,相比传统模型显著提升了预测精度与鲁棒性。

来源：2026年第2期

《液压与气动》期刊编辑部

查看液压与气动杂志2026年第2期