为定量评价雨荷载对超大型冷却塔气动力和风效应的影响,以国内某在建世界最高的220m超大型双曲线间接空冷塔为例,基于计算流体动力学(computational fluid dynamics,简称CFD)方法对冷却塔周围风场进行数值模拟,验证模拟结果的有效性后添加离散相模型(discrete phase model,简称DPM)进行雨强为50mm/h的暴雨模拟,系统分析了风雨共同作用下冷却塔表面流体绕流特性、风雨荷载特征值及平均压力系数的变化。在此基础上,采用有限元方法分析了风荷载和风雨荷载共同作用下超大型冷却塔风致稳定性和受力性能。研究表明:冷却塔表面所受总雨荷载占总风荷载的6.71%,部分区域内雨压系数可达0.07以上,与风压系数的比值最高可以达到26.98%;相比于风荷载,风雨荷载共同作用降低了冷却塔整体屈曲稳定和局部稳定性能,增大了塔筒、支柱和环基结构内力响应,屈曲位移最大增量达10%,

为更好地实现液压泵故障定量诊断,对故障定量诊断中的退化特征提取和故障程度诊断方法进行研究。针对排列熵算法的不足,提出空间信息熵（spatial information entropy,简称SIE）的概念,分析了空间信息熵3个参数（时间序列的分区数s、相空间重构的嵌入维数m和延迟时间τ）变化对其性能带来的影响,为其选取提供了依据。仿真分析结果也验证了其作为液压泵退化特征的有效性和优越性。基于空间信息熵算法提取液压泵故障退化特征集,针对退化特征与故障程度之间存在的非线性关系,提出采用果蝇优化算法优化参数的支持向量回归机实现液压泵的故障定量诊断。对实测液压泵振动信号分析结果表明,空间信息熵在表征液压泵故障程度方面具有更好的性能。将果蝇算法优化参数的支持向量回归机用于液压泵的故障定量诊断得到了理想的定量诊断效果,并通过对比

针对泵车液压泵早期故障特征信号微弱、故障特征难以提取的问题,提出了一种基于符号动力学信息熵与支持向量机（support vector machine,简称SVM）的泵车液压泵故障诊断方法。分别模拟了液压泵9种故障状态,测取了各状态下多测点的振动信号样本值。利用时间序列的符号动力学信息熵,计算各振动信号的符号动力学信息熵Hk,确定了各状态下相应的信息熵特征向量。建立了不同状态特征向量训练集,再结合支持向量机对液压泵故障模式进行诊断与识别,测试结果准确率为98.71%。将该方法与改进的BP（back propagation,简称BP）神经网络诊断结果进行了对比,结果表明该方法的识别率更高,诊断时间更短,适用于现场液压泵故障的在线诊断。

针对飞机液压泵故障难以准确预测的技术难题,提出了基于模糊综合评判和层次分析法的飞机液压泵故障预测方法。根据液压泵的工作机理及形成机制,分析液压泵在运行过程中的几种常见故障形式,得到液压泵常见故障模式和故障因素集,采用层次分析法计算故障预测中的各项权重,运用模糊综合评判法对液压泵的故障进行预测。以某型飞机液压泵为具体研究对象,对提出的方法进行试验验证。结果表明,该方法能够实现飞机液压泵故障预测的效能,对其他航空设备的故障预测也具有良好的应用前景。

针对传统方法对液压泵故障预测效果不佳的问题,提出了一种基于改进的Newman-Watts小世界-回声状态网络（improved Newman-Watts-echo state network,简称INW-ESN）的故障融合预测方法。首先,对回声状态网络（echo state network,简称ESN）储备池结构进行优化,建立INW-ESN基础预测模型,并重新定义邻接矩阵元素取值,以改善网络预测性能;其次,在此基础上建立故障融合预测模型,利用Dezert-Smarandache理论（Dezert-Smarandache theory,简称DSmT）将INW-ESN预测信息与液压泵性能退化模型信息进行融合,以提高预测精度;最后,通过对液压泵性能退化试验的应用分析,验证了该方法的有效性。

为实现"蛟龙号"水面支持液压系统故障准确及时的诊断及排除,引入故障树分析方法理论,结合已有的模糊集合法和可能性基础,提出了一种基于梯形模糊数算术运算的液压系统故障树分析策略,并结合实际操作经验获得顶事件的故障可能性概率和各底事件的模糊重要度,综合利用定量概率值、专家经验判断、可靠性大数据等获得了较为精确的故障区间结果,最后对该结果进行了功能载荷试验验证.经过验证,故障结果区间能够较为准确地反映故障问题,为"蛟龙号"载人潜水器水面支持系统的故障分析提供了较好的理论指导和应用借鉴。

针对斜轴式柱塞泵零部件故障信息被耒本身的流体冲击、机械振动所淹没的问题，采用小波包将振动信号分解到不同的频带以提取有关部件的故障信息，并将小波包分解在不同频带反映斜轴泵工作状况的振动特征信息作为故障样本，研究人工神经网络结合小波分析对斜轴泵进行故障诊断的方法，建立了相应的ＢＰ神经网络。研究结果表明训练成功的ＢＰ网络可作为智能分类器对斜轴泵的常见故障进行识别和诊断。

采用液压激振力为驱动力的运动机构方法，将脉动压力引入到注塑成型熔融塑化整个过程。简介了塑化部分结构，分析了螺杆在动态塑化时的轴向受力状况，利用集中质量的方法建立了塑化过程广义螺杆轴向动态响应的物理和数学模型，研究了此种振动装置在塑化过程中螺杆的动态响应。结果表明，在工作频率范围内，随着振动频率增大，螺杆响应振幅减小，低频率激励的振幅放大系数高于高频率激励振幅放大系数，实验结果与理论分析相一致。