挖掘机液压系统的端到端预测建模

摘要

论文摘要

准确预测挖掘机液压系统的动态响应，是应用基于模型的控制方法的重要前提。然而，现有研究尚未建立从液压缸输出到操纵信号的直接映射。为此，论文提出一种将操纵信号基线与数据驱动建模结合的端到端预测模型。操纵信号基线由液压缸运动与液压流量之间的机理关系，以及预先定义的电液控制映射共同确定，为模型提供初始预测参考。在此基础上，论文采用两阶段长短期记忆网络：第一阶段根据灵敏度动态调整输入变量权重，以表征系统的动态非线性；第二阶段将加权特征与操纵信号基线组合，并通过多层LSTM建模。论文还设计了延迟感知结构，用于处理操纵信号与液压缸状态之间并不固定的响应延迟。同分布验证中的预测误差保持在10%以内；在另一台同型号挖掘机独立采集的碎石挖掘数据上，各运动方向的R²均高于0.88。该架构约需4 MB存储空间，单次推理时间小于2 ms。

Excavator
Hydraulic system modeling
Data-driven
LSTM

总体框架

从信号采集到阀电流预测

总体流程包括信号采集、数据预处理和液压系统建模。三个工作装置液压缸的长度、速度、加速度以及有杆腔和无杆腔压力共同构成15维输入，阀电流作为操纵信号的等效表示。

操纵信号基线由液压缸运动与液压流量之间的机理关系以及预定义电液控制映射共同确定；最终预测值由操纵信号基线与DA-TSLSTM的输出共同组成。

Fig. 1 总体框架 — 论文原图 · Fig. 1 **总体框架**

挖掘机液压系统建模的总体框架。

Overall framework for excavator hydraulic system modeling.
查看高清原图 ↗

液压系统

液压系统结构与控制信号

操纵手柄信号进入控制器，控制器分别输出阀电流和泵电流。阀电流通过电磁阀建立先导压力并驱动主阀芯，泵电流用于调节泵流量；主阀控制动臂、斗杆和铲斗液压缸。

操纵信号基线通过液压缸运动—流量关系，以及泵流量、先导压力和阀电流之间的预定义映射计算得到。

Fig. 2 液压系统结构与工作原理 — 论文原图 · Fig. 2 **液压系统结构与工作原理**

挖掘机液压系统的结构和工作原理。

Structure and working principle of the excavator hydraulic system.
查看高清原图 ↗

网络

两阶段LSTM与延迟感知结构

Stage I使用LSTM根据历史状态生成15维灵敏度系数，并对输入逐项动态加权。Stage II将加权输入与操纵信号基线拼接，再送入三层LSTM。

延迟感知结构用于处理操纵信号与液压缸状态之间的非固定延迟；最终预测值由操纵信号基线与网络输出共同组成。

Fig. 4 DA-TSLSTM网络结构 — 论文原图 · Fig. 4 **DA-TSLSTM网络结构**

DA-TSLSTM网络结构。

Architecture of the DA-TSLSTM network.
查看高清原图 ↗

实验

土壤模型开发与独立碎石测试

模型开发数据来自一台中型挖掘机，采集设备包括IMU、拉线编码器、流量计、压力传感器以及CAN总线信号。土壤数据约20 min，采样间隔10 ms，覆盖空载、轻载和重载，以及挖掘、举升、卸载和整平动作。

独立测试数据由另一台同型号、同配置挖掘机在独立时段采集，作业物料为碎石，持续约15 min、采样频率100 Hz；该数据不参与训练、调参或模型选择。

Fig. 5 实验挖掘机与传感器安装 — 论文原图 · Fig. 5 **实验挖掘机与传感器安装**

实验挖掘机和传感器安装。

Experimental excavator and sensor installation.
查看高清原图 ↗

独立测试

另一台同型号挖掘机上的独立测试

在另一台同型号挖掘机独立采集的碎石数据上，六个运动方向的R²均高于0.88。

Fig. 8 动臂举升与下降的独立测试结果 — 论文原图 · Fig. 8 **动臂举升与下降的独立测试结果**

独立碎石挖掘测试集上的动臂举升和下降预测结果。

Prediction results for boom lifting and lowering on the independent gravel excavation test set.
查看高清原图 ↗

工况

连续三次挖掘的预测结果

连续三次挖掘分别包含空载、轻载和重载阶段。轻载和重载阶段的R²分别为0.977和0.961；空载阶段触发PCM特殊控制逻辑时，R²为0.826，预测误差范围为−80～75 mA。

PCM触发样本未纳入训练数据。

Fig. 10 连续三次挖掘的铲斗液压缸回收电流预测 — 论文原图 · Fig. 10 **连续三次挖掘的铲斗液压缸回收电流预测**

连续三次挖掘作业的铲斗液压缸回收电流预测结果。

Predicted bucket cylinder retraction currents for three consecutive digging operations.
查看高清原图 ↗

结论

结论与后续工作

在典型工况下，DA-TSLSTM的阀电流预测误差主要处于阀电流控制范围的±10%以内；在另一台同型号挖掘机独立采集的碎石数据上，六个运动方向的R²均高于0.88。

论文提出，后续将加强极端载荷和特殊控制逻辑触发条件下的数据采集，并通过闭环控制实验评估模型在实际作业中的适应性和性能边界。

第二层阅读

需要更快地把握方法链和核心机制？

AI简报不会替代上方的论文原文导读；它只在您主动打开时加载。

引用

引用本文

以下格式根据论文正式题录生成；使用前请按目标期刊或机构规范复核。

GB/T 7714

WU G, LI X, WANG Y, et al. End-to-End predictive modeling of excavator hydraulic systems[J]. Mechanical Systems and Signal Processing, 2026, 259: 114842. DOI:10.1016/j.ymssp.2026.114842.

APA

Wu, G., Li, X., Wang, Y., Pan, B., Dong, B., Bi, Q., & Yao, Z. (2026). End-to-End predictive modeling of excavator hydraulic systems. Mechanical Systems and Signal Processing, 259, 114842. https://doi.org/10.1016/j.ymssp.2026.114842

IEEE

G. Wu, X. Li, Y. Wang, B. Pan, B. Dong, Q. Bi, and Z. Yao, “End-to-End predictive modeling of excavator hydraulic systems,” Mechanical Systems and Signal Processing, vol. 259, Art. no. 114842, 2026, doi: 10.1016/j.ymssp.2026.114842.