基于深度学习的液压系统泄漏在线识别与定位方法
张守增 （ 河南中孚高精铝材有限公司 ）
崔军营 （ 河南中孚高精铝材有限公司 ）
https://doi.org/10.37155/2717-5197-0809-56Abstract
随着工业自动化程度的提升，液压系统泄漏的精准检测与定位成为保障设备安全运行的关键。本文提出 一种基于深度学习的液压系统泄漏在线识别与定位方法，该方法结合YOLOv8目标检测算法与多尺度特征融合技术， 通过构建包含172张工业场景标注图像的数据集，实现对液压管路、接头及泵体等部位的微小泄漏实时检测，检测精 度达92.7%，定位误差小于3mm。
Keywords
深度学习；液压系统；泄漏在线识别；定位方法Full Text
PDFReferences
[1]赵志宏,杨绍普.液压系统故障诊断技术的研究现状
及发展趋势[J].机械工程学报,2021,55(2):51-53.
[2]张锴锋,王少萍.基于油液分析的液压系统故障诊断
技术研究进展[J].航空学报,2020,41(3):110-112.
[3]刘建,李长春.基于多传感器数据融合的液压系统泄
漏故障诊断方法[J].农业机械学报,2021,52(5):405-408.
[4]王新华,吴文江.露天矿山设备液压系统故障诊断及
预防措施[J].矿业研究与开发,2022,42(6):132-134.
及发展趋势[J].机械工程学报,2021,55(2):51-53.
[2]张锴锋,王少萍.基于油液分析的液压系统故障诊断
技术研究进展[J].航空学报,2020,41(3):110-112.
[3]刘建,李长春.基于多传感器数据融合的液压系统泄
漏故障诊断方法[J].农业机械学报,2021,52(5):405-408.
[4]王新华,吴文江.露天矿山设备液压系统故障诊断及
预防措施[J].矿业研究与开发,2022,42(6):132-134.
Copyright © 2026 张守增,崔军营
Publishing time:2026-05-01
This work is licensed under a Creative Commons Attribution 4.0 International License