01 产品介绍

液压伺服控制系统作为高精度、高响应的执行系统，广泛应用于航空航天、工程机械、冶金装备等高端制造领域。该系统主要由伺服阀、液压缸以及控制器等组成，其性能直接影响整个装备的响应速度、控制精度与稳定性。

图 1-1 液压伺服系统示意图

液压伺服系统的典型特征是非线性强、参数耦合复杂、工作状态变化剧烈，同时受限于液压油压缩性、管路容积效应、阀控特性和执行元件摩擦等物理因素，这些特征使得系统建模与控制面临较大挑战。 ## 02 难点分析 基于上述特征，液压伺服作动系统属于多物理场强耦合的非线性动态系统，机理建模与数据建模均面临系统复杂性及物理限制带来的挑战，其中主要困难包括：

03 解决方案

由以上分析可知，单一的数据驱动或纯机理模型方法难以同时兼顾模型的准确性与泛化能力，而新型融合仿真技术通过结合机理模型的物理可解释性与数据驱动模型的学习能力，有效克服各自局限，提升建模精度与泛化能力，是实现复杂液压系统建模分析需求的有效路径。

表1 建模方式对比分析

基于机理-数据融合方法，依托液压模型库构建系统机理，结合实验数据提高模型精度，进而建立高精度液压伺服模型。具体建模内容见表2所示：

表2 高精度液压伺服系统模型建模内容

表3 高精度液压伺服系统应用模型库及工具箱列表

高精度液压伺服系统模型的构建包含机理模型与数据残差模型两部分，其中机理模型基于Modelica 4.0.0.TY.1、TYHydraulicComponents V2.3.0、TYHydraulics V2.2.1、TYElectroMagnetic及TYOilMedia V2.2.1等模型库构建，继而通过敏感度分析工具箱与参数估计工具箱完成参数优化，实现精度初步提升；随后利用模型降阶及融合仿真工具箱训练数据残差模型，最终将机理模型与数据残差模型结合，构建机理-数据融合的高精度液压伺服系统模型，如图 3-1所示。

图3-1 高精度液压伺服系统模型

电液伺服系统机理模型与残差模型输入相同指令信号后，通过融合两者输出，利用残差模型补偿机理模型中未建模的系统特性（如非线性动态、参数时变等），使融合模型输出更贴近实际系统响应。
基于上述系统建模与分析，可为设计人员提供全面解决方案，各流程细节详见下文子章节。

3.1 机理模型构建

本文构建的液压伺服作动系统由伺服阀与非对称液压缸组成，其中伺服阀直接集成于液压缸本体，可有效提升系统动态响应与稳定性；作动系统结构简图如图3-2所示。

图3-2 液压伺服作动系统简图

喷嘴挡板式电液伺服阀主要由永磁力矩马达、喷嘴挡板液压前置级和滑阀功率放大级组成。其工作原理是：当控制线圈通入电流时，衔铁在电磁力作用下偏转，带动挡板改变与两侧喷嘴之间的间隙，从而调节油压差，推动滑阀移动，实现对液压油流量和方向的精确控制，最终驱动执行机构动作。

图3-3 伺服阀结构简图

伺服阀模型基于液压元件设计模型库与电磁模型库构建，可完整模拟从输入电流信号到液压流动输出的两级放大过程，实现电液伺服系统中电信号与液压能的精准传递。液压缸模型则基于液压模型库构建，主要用于模拟流体-机械系统的功率转换机制，包括泄漏、摩擦等动态特性；其液压油介质从液压介质模型库调用，可模拟液压油的体积压缩性、粘性阻力等流变特性，从而更真实地反映系统在压力变化等工况下的能量损耗与响应行为。
图3-4为液压伺服作动系统和伺服阀在Sysplorer 2025b中的具体建模结果。

图3-4 液压伺服作动系统及伺服阀机理模型

机理模型初步构建后，结构参数、惯性相关参数是元件的固有特性，可以通过参考产品手册来获得，而能量损耗、流量控制及部分元件内部参数则无法获得精确数值。为解决此问题，可采用敏感度分析工具箱量化关键参数的敏感性，进而通过参数辨识工具对高敏感参数进行估计，从而提升机理模型的精度。

图3-5 机理模型参数辨识原理图

3.2 数据模型构建

液压伺服作动系统的机理模型虽经参数估计（基于敏感度分析筛选关键参数并优化其值）后精度有所提升，但因系统存在未建模动态和时变误差，仿真结果与实验数据间仍存在偏差。为实现模型对实际系统的高保真替代，需进一步引入数据驱动模型进行误差补偿，从而提升模型在多工况下的预测精度与控制可靠性，支撑预测性控制、实时智能控制等高阶应用需求。

图3-8 残差模型训练原理图

在模型降阶及融合仿真工具箱中，采用长短期记忆神经网络（LSTM）对残差模型进行训练。该模型的训练输入数据包含两部分：一是施加于系统的激励信号；二是在相同激励信号条件下，实际物理系统测得的响应与电液伺服系统机理模型仿真输出之间的差值（即残差）。

图3-9 模型降阶及融合仿真工具箱训练流程及界面

3.3 机理数据融合模型构建

在完成电液伺服系统的物理机理模型构建与数据驱动残差模型训练后，通过将残差模型的输出（即机理模型与实际系统响应的偏差）叠加至机理模型预测结果中，可形成融合修正的高精度液压伺服系统模型。该模型通过数据模型对机理模型未建模的非线性动态、参数时变性或不确定性进行补偿，显著缩小仿真与实验的误差，从而满足高精度预测控制、实时仿真验证等对模型保真度的严苛需求。

图3-10 高精度液压伺服系统模型

04 结果分析

针对构建的高精度液压伺服系统融合模型，通过在相同输入指令下采集实际系统的实验响应数据与模型仿真输出数据，基于时域响应曲线对比分析验证模型与实物系统的匹配度，该验证过程为模型在高精度预测控制、实时仿真验证及系统优化设计中的应用提供支撑。

图4-1 机理模型、融合模型与实验结果对比

从T1、T2和T3三段对比结果分析可知，波峰区域内机理模型均方根误差（RMSE）为0.00263，融合模型均方根误差为0.00147，平均精度提升率为44.2%；波谷区域内机理模型均方根误差为0.00265，融合模型均方根误差为0.00050，平均精度提升率为81.1%。融合模型输出结果与实验结果的拟合度显著高于传统机理模型，表明融合模型在模拟真实液压伺服作动系统物理特性方面具有更强的准确性。

05 总结

通过使用MWORKS平台中Sysplorer、液压商业库模型及工具箱进行高精度液压伺服作动系统建模，可以实现：

• 基于系统物理规律构建较高精度机理模型，可模拟液压伺服系统在典型工况下的动态响应、稳态特性及非线性行为等核心功能与特性；
• 通过实验数据驱动的参数辨识方法（敏感度分析工具箱、参数估计工具箱）确定液压伺服系统的关键参数后，可显著提升机理模型精度，使其更贴合实际系统的物理特性与运行规律；
• 使用长短时记忆神经网络（模型降阶及融合仿真工具箱）训练数据驱动的残差模型，实现对机理模型动态误差的实时补偿；
• 构建高精度液压伺服作动系统模型，可实现仿真与实验结果在动态响应、稳态特性及非线性行为等关键指标的误差控制，为智能控制策略设计、系统行为预测及数字孪生平台提供可靠支撑。
  本文解决方案基于全新发布的MWORKS 2025b版本实现，该版本经过持续的工程实践与打磨，在性能、易用性与智能化方面取得重大突破，可下载最新版MWORKS 2025b体验。同时，解决方案相关资料已上传MoHub，可登录平台进行下载。

06 参考文献

[1]蒋亚坤.数控机床进给系统融合建模及轮廓误差补偿方法研究[D].华中科技大学,2021.DOI:10.27157/d.cnki.ghzku.2021.006224.

资源链接

液压系统机理-数据融合应用案例：https://mohub.net/model/25272/summary