选择液压锻锤作为测试对象,再以多项式拟合和集成算法结合的过程,开发出了锻锤磨损阶段建立回归模型的方法。再把AdaBoost集成算法也加入统一回归模型内,从而降低磨损过程中的回归模型预测误差。研究结果表明给出了基于AdaBoost集成回归模型的液压锻锤磨损状态识别表达式。平稳磨损阶段所需时间最短,最长的为急剧磨损阶段。该研究为进一步识别锻锤磨损状态提供了一定的理论支撑作用,该研究可以拓宽到其它的磨损领域,具有很好的实际应用价值。

针对煤矿综采工作面液压支架传统控制方式存在安全性能差、控制精度较低、压力波动较大等问题,研究了煤矿综采工作面液压支架协同控制安全运维技术,结合智能传感检测技术和耦合控制机理,提出了一种液压支架自适应协同控制安全运维系统,采集和分析液压支架的姿态和位置全过程数据,以实现液压支架之间的协同控制。通过在某煤矿井下1107综采工作面现场安装和应用后得出液压支架协同控制技术能根据围岩性质自动协调控制液压支架状态,集中控制采集的现场数据,从而实现对液压支架的协同控制,控制系统可自动调整千斤顶,控制误差不超过3.5%,取得了满意的实验结果。

常规的液压泵健康状态识别方法,主要采用信号幅值特征识别出健康状态,忽略了共振频率的影响,导致识别结果状态相关度较低,因此,提出了基于可变记忆深度长短时记忆网络(Variable Memory Depth Long Short-Term Memory,VMD-LSTM)的液压泵健康状态识别研究。利用VMD-LSTM结合的算法,通过3个步骤对液压泵信号进行去噪、预加重以及分帧处理,分析了处理信号与液压泵材料之间的共振频率,由此提取出排除共振频率影响的时域特征,将该特征代入到算法中识别得出液压泵的退化率健康状态。实验结果表明方法能够实现对液压泵健康状态的识别,并且状态相关度较高,识别结果较为准确,满足了液压泵在实际应用中的安全运维需求。

简要介绍了建立挖掘机执行器状态识别系统重要性,以中联重科20t级履带式液压挖掘机为实验机械,使用实验设备对其最常用的执行器甩方工况的运行状态开展识别实验,通过数据采集、数据预处理和模型训练,通过分析识别结果,得出预训练LIBSVM模型可以实时识别挖掘机执行器的运行状态,证明了该方法的可行性。

局部气象参数实时数据是船舶航行、飞机起降所需要的非常重要的海洋气象参数。这些参数实时数据中的奇异数据对航行导航可能会导致危险后果。提出了一种基于径向基概率神经网络的气象重要参数状态识别方法用来识别奇异数据。将气象参数实时数据作为神经网络的输入，参数对应状态作为输出，通过对径向基概率神经网络模型训练，实现数据状态识别，将故障奇异数据进行有效识别。保证了气象观测系统输出数据的可靠性。实验结果表明，该方法可靠，且具有较好的泛化能力，能够实现气象参数实时数据状态的有效识别。

精冲机液压系统元部件数量众多,能量损耗特性复杂,一直缺少低成本高性能的监测方法。为解决该问题,提出了一种基于三相电信号的精冲机液压系统工作状态和能耗智能云端监测平台,将液压系统功能元部件绑定为功能单元,建立了总消耗的功率信号与液压系统工作阶段预测和功能单元能耗之间的深度学习模型,实现了精冲机工况和功能单元能耗的智能识别与预测。以KHF500型液压精冲机为研究对象,基于一维卷积神经网络模型搭建了精冲机智能云端监测平台。结果表明,该平台能高精度识别精冲机的工况类别和预测各功能单元的实时能耗。

机车牵引座的安全可靠性对机车运行的安全性起到重要作用,因此对机车牵引座状态识别研究具有重要的经济价值和社会意义。为了开展牵引座的正常、小裂纹、大裂纹等3种状态识别研究,搭建机车牵引座的模拟实验台,用加速度传感器采集不同状态的振动信号,对原始数据进行时域特征提取,并进行集合经验模态分解(EEMD)提取时频域特征,采用K邻近算法(KNN)进行牵引座状态识别。实验结果表明:基于EEMD-KNN模式识别方法能对机车牵引座状态进行有效识别,识别率达到83.3%;而且添加时域特征之后的识别率更高一些,识别率达到90.5%。

为了提高泵站驱动液压扳手作业的工作效率及实现扳手的自动判停,分析泵站输出油压、扳手活塞位移、螺栓扭矩随时间变化的对应关系,提出一种基于PCA-SVM油压状态识别的液压扳手判停方法,通过主成分分析(PCA)提取不同油压状态下的特征参量,作为支持向量机(SVM)的输入,完成对油压阶段的准确识别,间接实现对泵站做功状态的识别。通过缩短泵站无用功时段以提高有用功时段在加压周期所占比重,达到提高扳手工作效率的目的;并根据有用功时段油压与螺栓扭矩的对应关系实现扳手的自动判停。实验结果表明:该方法能够在提高泵站作业效率的同时实现扳手的准确判停。

为了给机械设备提供更准确的故障预测诊断,采用小波分析的方法对滚动轴承的振动信号进行特征提取与分析,并提出一种新混合模型（即将状态空间模型与隐半马尔可夫模型相结合的混合模型）的故障预测诊断方法。首先在动态观测系统中建立故障状态方程,将故障作为关键因子,并在混合后的模型中给予相应的证明,通过对其分析处理、使用预测模型进行训练以及对比分析设备的退化状态,给出合理的预测方案,然后对其进行深入分析,最后得出研究结论。

以机械工程中液压动力系统为对象，在理论分析以及大量试验研究的基础上，给出了基于电流信号功率谱特征的液压动力系统4种运行状态标准模式。提出了基于灰色关联度计算的模式识别方法，该方法能很好地识别出液压动力系统正常以及电动机故障、机械故障、油泵故障的发生。此外，灰色关联度算法简单、计算量小，可以实现在线监测