液压气动与密封/2024年第1期doi:10.3969/j.issn.1008-0813.2024.01.012基于优化神经网络的轧机HAGC系统内泄漏故障诊断方法研究杨力12,陈新元1,2（1.武汉科技大学机械自动化学院，湖北武汉430081；2.武汉科技大学治金装备及其控制教育部重点实验室，湖北武汉430081）摘要：针对轧机HAGC（AutomaticGaugeControlSystemwithHydraulicActuator）液压伺服阀系统内泄漏故障危害性较大、隐蔽性强、判定和定位难的问题，提出一种基于WOA-BP（WhaleOptimizationAlgorithm-BP）神经网络的内泄漏故障诊断方法。建立轧机HAGC系统仿真模型，可模拟相关故障，获取各类工况数据,并有效提取出故障特征，可解决故障样本数据少、提取难等问题。利用鲸鱼优化算法改进的BP神经网络作为内泄漏故障识别与分类工具，对HACC系统仿真与运行数据进行学习、识别。经验证，该方法能比较准确诊断HAGC系统内泄漏故障。关键词：液压伺服；故障诊断；鲸鱼优化算法；神经网络中图分类号：TH137ResearchonFaultDiagnosisMethodofInternalLeakageinRollingMillHAGCSystemBasedonOptimalNeuralNetwork(1.SchoolofMechanicalAutomation,WuhanUniversityofScienceandTechnology,Wuhan430081,China;2.KeyLaboratoryofMetallurgicalEquipmentandItsControl,MinistryofEducation,WuhanUniversityofAbstract:InordertosolvetheproblemsthattheinternalleakagefaultofrollingmillHAGChydraulicservovalvesystemisharmful,concealedanddfficulttodetermineandlocate,aninternalleakagefaultdiagnosismethodbasedonWOA-BPneuralnetworkisproposed.TheestablishmentofrollingmillHAGCsystemsimulationmodelcansimulaterelatedfaults,obtainvariousworkingconditionsdata,andeffectivelyextractfaultcharacteristics,whichcansolvetheproblemoflessfaultsampledataanddifficultextraction.TheBPneuralnetworkimprovedbywhaleoptimizationalgorithmisusedasaninternalleakagefaultidentificationandclassificationtooltolearnandrecognizethesimulationandoperationdataofHAGCsystem.ItisprovedthatthismethodcanaccuratelydiagnosetheleakagefaultintheHAGCsystem.Keywords:hydraulicservo;faultdiagnosis;whaleoptimizationalgorithm;neuralnetwork0引言轧机液压厚度自动控制系统HAGC是现代轧机工业中的重要组成部分，提升了带钢轧机设备的性能"。轧机HAGC的功能是调整轧机作业时辊缝大小，保证带...
