苏欣平，解 亚，周 鑫，任 武

（1.军事交通学院 军事物流系，天津 300161；2.军事交通学院 研究生大队，天津 300161）

液压马达是液压系统的常见执行元件，也是液压系统中发生故障率较高的元件之一.其工作性能决定着整个液压系统的正常运行.因此采用简单有效的故障诊断方法对液压系统的正常运行有着重要意义.

由于液压系统故障发生的原因具有不确性和多样性，在工程实际中故障多表征为一些可见的征兆，而故障征兆与故障原因之间没有明确的映射关系，再加上边界条件的不确定性及运行工况的多变性，使故障征兆和故障原因之间难以建立准确的对应关系.传统的故障诊断方法希望从故障现场采集一些信号，从中提取有用的故障特征信息.但这样使得故障诊断的实时性有所降低，且对工程人员的素质有较高要求.因此如何从一些可见的故障表征中提取出故障的本质原因成为了人们迫切需要解决的问题.

神经网络通过对典型故障样本的训练和学习，用分布在神经网络中的权值和阈值来表达所学习的故障诊断知识，具有对故障的联想、记忆、模式匹配和相似归纳的能力，可以实现故障征兆和故障原因间的复杂的非线性映射关系.因此，避开了模式识别中建模和特征提取的麻烦，从而消除了模式不符和特征提取不当所带来的影响，使故障状态易于识别.

本文运用BP神经网络，采集工程用液压马达的典型故障样本……