物理约束泄漏预测网络

高压大间隙更稳

在预测中嵌入流动方程残差，提升了高压与大间隙工况下泄漏预测的物理一致性与稳定性。

Donglai, Li · 李建英 · Tiefeng, Li · Xiaoyan, Du

Engineering Applications of Artificial Intelligence 2026

技术优势

抑制泄漏过冲

嵌入纳维-斯托克斯和雷诺方程残差，使预测在高压大间隙下不会出现泄漏过冲。

找准主导因素

SHAP分析指出径向间隙是泄漏的主因，其次为阀口开度和入口压力，为优化设计提供依据。

物理一致预测

网络结构驱动学习，保证预测在稳态和瞬态下与物理规律一致。

应用场景

• 液压伺服控制：实时泄漏预测可用于伺服阀前馈补偿，提高控制精度。
• 工业装备健康监测：将泄漏量作为健康指标，提前预警密封件退化。
• 工程机械数字孪生：在数字孪生中嵌入高保真泄漏模型，提高仿真可信度。