邱寒雨，张春峰，徐 兵，苏 琦，王润林

(1.浙江大学 流体动力与机电系统国家重点实验室，浙江 杭州 310027；2.北京机械设备研究所，北京 100854)

引言

液压起竖装置是将物体由水平状态提升到某一角度状态的机构，在基础设施建设和国防军工领域均有广泛应用。液压系统作为起竖装置的重要组成部分，存在元件众多、回路复杂等特点，其故障具有隐蔽性，一旦发生故障，将造成经济损失和安全事故。

LINARIC D等[1]使用神经网络算法对液压系统进行故障诊断，可以对液压系统多重故障状态进行识别；李胜等[2]提出基于决策树的AdaBoost算法并将其应用于某型装甲车辆液压系统故障诊断研究，结果表明该算法优于普通“一对一”算法与“一对余”算法；周大星等[3]利用Elman神经网络对液压起竖系统建立了故障诊断模型，对计算得到的样本数据进行仿真，在4种故障模式时准确率达到100%；宋涛等[4]将蚁群算法和BP神经网络相结合应用于发射系统柱塞泵故障诊断，对神经网络的权值和阀值进行优化，使用MATLAB/Simulink进行仿真，对BP神经网络进行了一定的改进。上述研究各有特点，但对计算机运行内存要求较高，运算量较大，针对特征量多、故障类别多的快速起竖装置液压驱动系统，仍需研究更加准确有效的故障诊断方法。

在对快速起竖装置液压驱动系统进行故障诊断时[5]，需要分析位移、压力、流量等多个特征量对不同故障类型的影响。针对传统BP神经网络模型分类准确率较低的问题，本研究搭建某型快速起竖装置液压驱动系统的实验平台，利用BP-AdaBoost算法构造分类器对实验数据集进行分类。……