针对我公司自主研制煤矿用掘锚一体机的液压泵异响、使用寿命低问题,在煤矿施工现场进行实际工况数据采集,利用贺德克数据采集仪得到液压泵吸油口实际压力参数曲线,并根据液压泵A11VLO自身结构特点,针对现有液压系统提出优化设计改进。经过最终试验验证,得出A11VLO液压泵安装位置、油箱液位高度、设备施工地形均为A11VLO液压泵异响、使用寿命低的重要影响因子。据此对煤矿用掘锚一体机液压泵站设计、性能参数标示和恰当使用提出合理化建议。

针对变分模态分解(Variational Modal Decomposition,VMD)特征能量重构法实现故障算法存在准确性不高问题,对原始信号先通过VMD分解获得能量余量,在特征能量占比(Feature Energy Ratio,FER)基础上对VMD特征能量重构法,并选择有效的多尺度散布熵(Multiscale Dispersion Entropy,MDE)作为向量。以液压泵故障诊断为研究对象,依次分析了液压泵在正常状态与滑靴端面磨损为0.1 mm、0.2 mm、0.3 mm状态下情况。仿真结果得到:时间尺度持续增大,形成了排列更有序的粗粒化序列,系统复杂性大幅降低。重构信号MDE在正常运行状态和滑靴磨损达到0.10 mm时都可以保持稳定状态。VMD-MDE方法进行处理获得了98.1%准确率,与VMD相关系数分类方法相比提高了7.1%,与模态分解(Mode Decomposition,DE)方法相比提高19.32%。极限学习机(Extreme Learning Machine,ELM)处理时间比支持向量机(Support Vector Machine,SVM)降低13.2%,而准确率...

针对液压泵数据退化特征维数高以及故障诊断精度不高的问题,提出了一种基于变分模态分解(Variational mode decomposition,VMD)与卷积神经网络(Convolutional Neural Network,CNN)的液压泵故障诊断方法。利用VMD良好的分解能力处理高维度数据,进行数据扩展,提取详细特征;基于CNN良好的特征提取和分类性能,在不需要先验知识的情况下直接从数据中提取特征,实现高精度故障诊断。该方法因具有端到端特征学习能力,在实测液压泵数据上进行验证,具有较高的故障诊断精度和稳定性。

本文提出了电液比例负载敏感变量泵的恒功率控制方案，并对其进行了理论分析和计算机数字仿真研究。理论分析和仿真研究的表明：该泵的性能令人满意，是一种有广阔应用前诉液压产品。

传统液压泵工作特性测试方法需大量的多工况测试数据,测试过程繁琐,且由于测试数据的离散性,难以获得准确的工作特性曲线。提出基于多元非线性回归模型的液压泵工作特性测试方法。该方法通过少量测试数据建立液压泵数学模型,预测其工作特性,并获得各工况下的特性曲线。对数学模型进行了分析,结果表明：应用该模型可将测试误差控制在0.1%以内。与传统测试方法相比,该方法可简化测试过程,提高测试效率和测试精度。

为了提高液压泵故障诊断的速度与准确性，提出了将敏感度分析与概率神经网络相结合的液压泵故障诊断方法。分析了不同状态下振动信号的时域图与频谱图，得出使用传统方法不易对液压泵进行故障诊断的结论。对各种状态下的振动信号提取特征参数，并对所提取特征参数进行敏感度分析。将敏感度高的特征参数以向量的形式输入概率神经网络进行训练和测试。实验表明：概率神经网络能快速、有效的诊断出液压泵的故障，节约诊断时间。将敏感度分析与概率神经网络相结合能提高概率神经网络诊断的正确率。

本文介绍了一种 模拟柱塞式液压泵滑靴－斜盘摩擦副工况的摩擦磨损试验台。

本文通过对轴向柱塞泵噪声信号的监测，利用噪声信号的功率谱和倒频谱分析技术，成功地诊断出轴向柱塞泵的松靴故障，实现了非接触式的故障诊断，为液压泵的故障诊断提供了更加简捷，方便的途径。．

本文通过对轴向柱塞泵壳体振动加速速度信号的监测，利用倒频谱分析技术，不仅有铲地识别出了松靴故障，而且消除了传感器安装位置对监测分析结果的影响，为液压泵的故障诊断技术提供了方便。

介绍了高压低噪声机电控制式径向柱塞泵系列产品的结构特点及性能参数。