针对液压信号的高度复杂性以及难以识别的特点,构建了一种基于堆栈稀疏自编码器和Softmax的深度神经网络来对液压泵泄漏状态进行识别。利用小波变换和希尔伯特-黄变换提取液压信号的低维特征,并输入深度神经网络。通过堆栈稀疏自编码器的逐层学习对特征进行优化并提取出高维特征,然后使用Softmax进行识别。实验结果表明,堆栈稀疏自编码器能够有效地提取液压泵泄漏状态的高维特征,构建的深度神经网络可有效地识别液压泵泄漏状态,识别精度达到了97.6%。此外与支持向量机、极限学习机、卷积神经网络以及长短期记忆网络相比,深度神经网络具有更好的识别效果。

基于微流体芯片技术提出了一种液压油微传感器。微传感器由内嵌硅钢片的平面电感检测线圈与对置硅钢片构成。电感检测模式下对金属颗粒进行检测,电容模式下检测水滴与气泡,实现了对油液中铁磁性颗粒、非铁磁性颗粒、水滴、气泡4种污染物的区分检测。通过实验证明新型结构的微传感器在电感模式下对金属颗粒检测精度的提高,并可以检测到油液中28μm的铁颗粒与85μm的铜颗粒;在电容模式下验证了微传感器在激励电压为2 V、激励频率为0.9 MHz时检测效果最好,并能检测到油液中95μm的水滴和160μm的气泡。该研究在对液压系统的故障预测和故障诊断有着十分重要的意义。

为了获得气浮导轨设计的更为准确的结果，需要在设计计算中将导轨所受的正压力和倾覆力矩同时考虑进去，为此将有限单元体上的分布力简化成集中力，并通过力的等效替换求得了导轨在复合载荷作用下的设计方法，为了分析这种简化可能带来的误差，又推导出了事先估计的事后校验误差公式。

建立了采样数据为直角坐标值、坐标原点可以任意选取、各离散采样点之间也不要求为等角度间隔情况下，圆柱度误差评定的最小二乘数学模型。通过精度分析，证明该模型具有理论的正确性与实际的可行性。

柔性铰链作为无摩擦的支点有着成千上万的应用 ,以力学的基本公式和微积分为基础 ,给出了一般柔性铰链转动刚度计算公式的推导过程。在此基础上 ,得出了常用的直圆柔性铰链的设计计算公式 ,计算公式是精确的推导结果 ,且在表达上较迄今沿用的 Paros给出的柔性铰链精确设计计算公式来得简洁 ,有利于柔性铰链及其机构的计算和分析。当直圆柔性铰链的切割半径与最小厚度相当时 ,Paros给出的简化公式存在一定的误差 ,这里的计算公式尤其适用于该类直圆柔性铰链。

恒温供油系统是超精密加工中的一项环境条件保障技术。本文介绍了系统的组成、工作原理，以及为达到高精密恒温所采取的措施。该系统温控精度达±０．００５℃。

利用ANSYS软件建立了可变压差下自动调节阀阀门内部流场模型以及阀芯模型,对流场和阀芯进行耦合力学分析阀芯的大位移运动,同时做实验验证此方法。用任意拉格朗日-欧拉(ALE)有限元计算方法分析流场。阀芯和流场有大位移运动的共同边界采用流体-固体耦合约束,并在计算中采用预测-多步校正算法,避免了反复迭代所导致的过大计算量。通过理论研究和实验发现,当由气动执行机构控制的调节阀开度调节时,阀芯有个振动的过程,且阀芯的振动是一种有规律的衰减振动。

自然增压充液拉深是一种综合了液体压边、摩擦保持、流体润滑、径向推力和预胀形优点的充液拉深方法.这里阐明了该方法对计算机智能化控制系统的要求,在YES-100试验机上建立了相应的计算机控制系统,通过对PCL-818数据采集卡的扩展实现了多种输入、输出量的采集与控制.使用Visual C++和ODBC编写了智能化充液拉深控制程序,主程序可以分为三个部分:工艺参数设定、实时过程控制和智能化模块,有效保证了筒形件充液拉深过程的有序进行和液体压力闭环控制.

为提高大口径光学抛光设备的加工工艺，在具有行星式旋转结构的末端执行器的基础上，提出了一种高精度、高稳定性的气动压力控制系统，解决了整个系统设计中的气动关键技术问题。从整个系统的设计角度分析了执行装置的工作原理和整个气动部分不同参数对控制的影响，以指导压力控制系统的设计。利用压力传感器和比例阀及多组双模态PID控制算法构建了闭环压力控制系统，以实现高精度、高稳定性的抛光盘压力控制。实验结果表明，该气动压力控制系统可以满足大口径抛光系统对压力的设计要求。

针对液压四足机器人在关节位置控制模式下引起的机器人内力问题建立液压四足机器人单腿运动学方程和单腿动力学方程分析机器人内力产生的机理及其对机器人性能的影响提出基于动力学模型的机器人内力自适应抑制策略。自适应控制器利用关节理论力与实际力间的差值对位置指令进行补偿以实现消除内力的目的。通过液压四足机器人HD平台进行控制策略验证实验结果表明机器人在位置控制模式下机器人内力抑制策略可有效降低系统内力使得机器人实际驱动力与理论驱动力接近验证了控制策略的有效性。