基于物理信息神经网络的轴向柱塞泵缸体倾覆角预测方法OA

轴向柱塞泵是航空航天装备中核心动力源,其中缸体是最关键的旋转组件,其倾覆角对内部故障的响应往往早于压力、振动等外在指标。然而,受泵体封闭结构限制,缸体倾覆角度无法直接测量,成为可靠性评估与早期风险识别中的关键不可测变量。为此,提出一种融合缸体倾覆动力学的物理信息神经网络方法。通过构建包含压紧力、油膜支撑力与剩余支撑力的力矩平衡模型,并将其作为约束嵌入损失函数,物理模型通过有效抑制弱信号计算中的误差放大效应,使得物理信息神经网络在多工况与跨健康条件下具有良好的泛化性能,与无物理约束模型相比,平均误差降低了17%,并保持了较高的预测准确性,预测误差均在5.71%以内。该方法为健康监测、风险识别和维护策略制定提供了可靠的技术途径。