传统的工控机控制系统具有成本高、功耗高、体积大、操作复杂等特点,针对这些问题,提出了一种基于嵌入式技术的比例方向阀控气缸位置伺服控制方法。首先,分析了气动位置伺服控制器的实际需求,设计了控制器的最小系统、主控板、模数扩展板和数模扩展板的硬件电路;然后,在集成开发环境Keil MDK下,使用C语言进行了嵌入式软件编写,在跨平台嵌入式软件编程环境Qt下,使用Visual C++语言进行了上位机软件编写;最后,为了验证气动位置伺服控制器的有效性,搭建了比例方向阀控气缸位置伺服控制实验平台,利用所开发的嵌入式气动位置伺服控制器,分别进行了气缸的定位控制和轨迹跟踪实验。实验结果表明:该伺服控制器能够简单、有效地实现气缸位置控制的目的,在跟踪频率为0.5 Hz的参考轨迹时,轨迹跟踪最大误差约为4.6 mm;在跟踪频率为0.25 Hz的参考轨迹时,...

针对柱塞副油膜超薄、易破坏进而加速柱塞副磨损失效的问题,将黏温-黏压效应考虑在内后,建立了油膜热-流耦合模型。开展了对不同柱塞腔入口油温下柱塞副油膜特性的分析,建立了入口油温与整体油温、油膜厚度之间的关系;使用有限体积法离散雷诺方程和能量方程,结合周期性三对角循环算法对离散方程进行了求解;随后,在一种360°油膜特性试验台上,对柱塞副油膜3个区域内的温度及偏心量进行了测量。研究结果表明:在入口端和出口端,柱塞副油膜温度整体变化较为平缓,但有微小凸峰的存在,在中段整体呈“线性”上升;柱塞副最小油膜厚度随温度上升而变薄,且处于排油区时,变化更为明显;当油温超过45℃时,油膜热平衡被破坏,最小油膜厚度急剧减小。

针对单一传感器检测易受到环境干扰,很难准确分辨出液压泵故障类型的问题,将神经网络分类识别及证据理论融合技术应用到液压泵故障诊断中。对自适应调节方法优化的粒子群神经网络(PSO-BP)故障分类、D-S证据理论中融合悖论及失效问题的改进进行了研究;使用认知因子、社会因子动态指导粒子寻优,并利用引力思想构造两条故障证据间新的冲突系数,进而提出了符合液压泵故障诊断的多源传感器数据融合模型;通过实验构造液压泵的6种运行状态并分别进行了故障诊断测试。研究结果表明:使用自适应调节方法优化的粒子群神经网络对液压泵的故障诊断准确率有所提高,分别达到93.50%、93.67%,融合诊断结果支持度均接近1,降低了诊断的模糊性。

针对轴向柱塞泵松靴故障在强噪声干扰下故障信号微弱、故障特征提取困难和故障诊断识别精度低等一系列问题,提出了基于最小熵反褶积、集合经验模态分解和超限学习机相结合的轴向柱塞泵松靴故障诊断的方法。首先采集了轴向柱塞泵在正常和松靴故障两种状态下的振动信号;然后对振动信号进行了最小熵反褶积降噪,排除了噪声干扰,增强了冲击特性;之后利用集合经验模态分解将去噪后的信号分解成了若干个本征模态函数分量,并通过奇异值分解获得了特征矩阵;最后将得到的特征矩阵输入超限学习机、反向传播神经网络和支持向量机等3类分类器,并将识别结果与集合经验模态分解特征提取方法的识别结果进行了对比。研究结果表明:最小熵反褶积和集合经验模态分解结合的方法弥补了最小熵反褶积在强背景噪声下提取特征的局限性,克服了经验模态...

针对高速液压泵的研制过程中,配流阀响应频率与泵转速的匹配问题,对柱塞泵系统的流量特性、配流阀滞后问题及结构优化进行了研究。通过阀芯力平衡方程,建立了配流阀动力学模型,基于经典控制理论,通过求解力平衡方程确定了系统传递函数,并对其时间响应进行了验证;在理论分析的基础上,应用AMESim软件,分析了高速阀配流系统的动态流量特性,研究了锥阀和球阀两种阀芯结构以及泵转速对系统动态特性的影响。研究结果表明:随着泵转速的提高,系统回流明显,使容积效率明显下降;锥阀更适合高速阀配流系统,同时在锥阀底部设置阻尼孔,可明显减缓阀芯对阀座的冲击力,提高阀座的使用寿命。

针对柱塞泵配流副的温度特性问题,建立了柱塞泵配流副的数学模型,在考虑弹性变形情况下,对柱塞泵配流副温度特性进行了研究。运用Fortran和MATLAB软件对数学模型进行了计算仿真,在油膜压力作用下,计算了配流副的弹性变形分布形态,得到了配流副的热弹流分布;对比了不同工况参数下的油膜温度最高值,分析得出了油膜的油液黏度、缸体转速、缸体倾角、初始油膜厚度、密封带宽度等单一参数对油膜温度特性的影响,并与未加入弹性变形的配流副的温度特性进行了比较;最后通过温度测试的实验,验证了该计算结果的正确性。研究结果表明:在两种不同情况下,油液黏度不同时各工况参数对温度的影响趋势保持一致;在考虑弹性变形的情况下,各工况参数对温度的影响程度不同;该结果可对后续柱塞泵配流副热流固耦合这一研究方向提供理论基础和计算依据。

针对锥形缸体轴向柱塞泵工作时,柱塞腔内油液体积急剧变化,腔内产生的压力脉动和压力冲击会造成柱塞泵振动以及噪声的问题,采用了AMESim建立锥形缸体柱塞泵模型的方法,研究了斜盘倾斜角度和油液的可压缩性及粘性对柱塞腔内压力的影响特性。首先,分析了A4VSO锥形缸体柱塞泵的工作原理和运动学关系,以及柱塞腔内压力的理论分析;其次,通过AMESim的二次开发对原有的柱形缸体模块进行了改进,在考虑泄漏的影响下,建立了锥形缸体轴向柱塞泵的仿真模型;最后,使用实验数据验证了仿真模型的可靠性。研究结果表明:随着斜盘倾角、油液体积弹性模量和动力粘度的增大,柱塞腔内压力增大,且油液体积弹性模量的脉动率由最初0.6%的涨幅降为0.34%。

通过变分模态分解特征能量重构法(VMD)来实现对故障进行分析时,存在准确性不高的问题,针对这一问题,提出了一种通过变分模态分解特征能量重构法(VMD)和多尺度散布熵实现的柱塞泵滑靴磨损故障诊断方法。首先,对原始信号先进行了VMD分解,获得了能量余量;然后,设计了一种建立在特征能量占比(FER)基础上的变分模态分解特征能量重构法(VMD)和多尺度散布熵(MDE)的方法;最后,以柱塞泵故障诊断为研究对象,通过仿真分析方法,依次对柱塞泵在正常状态与滑靴端面磨损为0.1 mm、0.2 mm、0.3 mm状态下的情况进行了分析。仿真及研究结果表明:在逐渐增加时间尺度的过程中,粗粒化序列的随机性和复杂性都明显下降;故障程度增大后,形成了更加规律的变化过程;与DE、MSE和MFE相比,该方法的计算速度更快,分离效果更好;ELM相对SVM的训练时间缩短了12.5%,同时测试精度提升了17%...

由于传统浅层模型对故障的表征能力有限,同时信号特征的提取又过分依靠专家经验,针对这些问题,提出了一种基于深度一维卷积神经网络(D-1DCNN)的轴向柱塞泵故障诊断方法。首先,采集了柱塞泵正常、松靴、滑靴磨损、中心弹簧失效、配流盘磨损5种状态下的振动信号,并将这些信号制作成样本集,加以标签标记,将样本集划分为训练样本与测试样本;然后,将样本输入到D-1DCNN中,进行了训练样本信号的特征提取工作,通过前向传播和反向传播方式得到了D-1DCNN的具体模型;再使用SoftMax分类器对测试样本进行了分类,并对网络模型中的参数进行了调整,得到了柱塞泵故障诊断的准确率值;最后,通过西储大学的轴承故障信号对此进行了仿真对比。研究结果表明:采用该方法对轴向柱塞泵故障进行诊断,其准确率可达到100%;使用D-1DCNN对柱塞泵进行故障诊断时,不需要人工设...

针对轴向柱塞泵配流副内的空化现象,建立了考虑配流盘表面形貌的柱塞泵配流副空化模型,分析了压力、转速和配流盘表面形貌对轴向柱塞泵配流副内空化现象的影响。首先,由于机加工零部件表面具备分形特征,采用了分形理论模拟配流盘表面形貌,在此基础上建立了轴向柱塞泵配流副空化模型;然后,采用有限差分法和松弛迭代法求解了数学模型,得到了符合精度要求的数值解,从而得出了配流副油膜压力分布特征,在此基础上分析了配流盘表面容易发生空化的位置;最后,通过改变配流副的压力、转速和分形参数,得到了不同的压力、缸体转速和表面形貌对配流副空化现象的影响。研究结果表明:配流盘表面易在高压和低压的过渡区域发生局部空化,当配流副排油腔压力达到30 MPa,且配流盘表面较粗糙时,配流盘局部气体体积分数达到92%左右;采用提高配流盘表面...