高 谦 肖 维

（香港城市大学 香港 999077）

1 引言

随着液压技术的普及，液压设备逐渐地被运用在高精度、高压力、大功率的场合，其工作的可靠性得到了人们的广泛关注［1］。液压马达作为液压系统中的执行机构，其工况错综复杂，导致液压马达呈现出故障率高、故障多样性等特点［2］。在工业4.0的背景下，人们对液压马达的故障诊断技术提出了智能化的需求。

工业4.0旨在将制造业向智能化转型，神经网络作为智能化技术的典型代表，将其运用在液压马达的故障诊断研究上，可以有效地弥补传统液压设备故障诊断方法的不足，为液压设备故障诊断技术提供智能化的方法［3～5］。

2 模糊推理数学模型

2.1 模糊数学理论

液压马达的工作环境恶劣且外部载荷不稳定，导致传感器监测的数据中存在大量噪声，进而使得训练出的神经网络模型的工作性能达不到预期效果［6～7］。模糊数学是研究具有模糊特性数据的理论，运用该理论可以将数据中的冗余信息进行分离，从中挖掘出有效信息［8］。

模糊数学理论的原理是：模糊数学可以为数据中各单元进行赋值，该值被称为隶属度，隶属度的数值表征了对应单元u属于模糊子集f的程度，隶属度的数学表达为隶属度函数：μf(u)，其范围为［0，1］。隶属度的取值越趋近于0，表示对应单元u属于模糊子集的程度越小；反之，隶属度的取值越趋近于1，表示对应单元u属于模糊子集的程度越大。

2.2 T-S模糊推理模型

T-S模糊推理模型是一种具有强自适应能力的模糊数学模型，该模型可以进行自我更新，而且可以通过迭代的方式不断校正模糊子集的隶属度函数以提高系统的自适应能力以及鲁棒性［9～10］。……