基于神经网络的液压打桩锤代理模型生成技术研究

作     者：刘亚俊 陈文 曾俊峰 庞国达 庞炬东 魏智健 陆扬 

作者机构：华南理工大学机械与汽车工程学院 广东力源液压机械有限公司 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2025年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：液压打桩锤 代理模型 神经网络 

摘      要：液压打桩锤是一种通过冲击或自身重力压入等方式，将预制桩桩杆沉入土壤中指定深度的工程机械。不同液压桩锤控制参数下，桩锤液压效率存在巨大差异。针对液压打桩锤作业过程进行施工过程控制参数的优化，对提升桩机能源利用率具有重要意义。高保真的液压桩锤数字模型能够对指定参数下的液压桩锤能量转换率进行预测，并实现对相关桩机施工控制参数匹配过程的指导。使用神经网络拟合仿真软件计算结果，可大幅降低预测过程的计算开销。基于现有物理知识内嵌神经网络理论，提出使用不等式构建基于物理知识内嵌方法并基于该方法构建了面向液压打桩锤仿真过程的代理模型（PISMN）。经验证，该方法可对代理模型的输出进行约束，提高训练过程的稳定性，对比其他算法可提高预测偏差中位数、均值精度超过54.4%。