针对阀控非对称缸位置控制系统,通过理论公式搭建非对称液压缸的数学模型,采用前馈PID控制方法实现其位置控制并进行仿真和实验验证。利用传递函数推导出基于轴控阀的阀控非对称缸位置控制系统数学模型;根据所推导的数学模型采用前馈PID控制算法,利用AMESim搭建了非对称液压缸位置控制系统仿真模型;通过对阀控非对称液压缸位置控制系统进行实验,验证了搭建的轴控阀阀芯位置控制系统与非对称液压缸位置控制系统的正确性和有效性,实现了轴控阀阀芯精确位置控制与对外负载的控制。

针对电液伺服阀故障预测中故障类型复杂多变、早期故障较弱、时间序列难以处理等问题,构建了卷积神经网络(CNN)和长短期记忆神经网络(LSTM)相结合的电液伺服阀故障预测模型,取代人工特征选择和提取,解决故障预测的时序问题。以G761型电液伺服阀为例,利用AMESim软件对伺服阀阀芯磨损和孔板堵塞故障数据集进行了仿真,并用仿真故障数据验证了模型的预测精度。同时将LSTM,CNN,CNN+LSTM 3种模型针对电液伺服阀故障预测诊断的精度进行对比,CNN+LSTM故障预测模型训练时间更快,得到更高的预测精度,具有更好的适应性。

为了解决单向电磁铁比例阀的非线性特性对系统位置控制精度和动态响应速度的问题,设计了不严格依赖于精确数学模型且具有较好控制精度的非线性补偿策略。基于系统的位置反馈偏差和偏差的变化率,提出了速度和加速度反馈的补偿思想,同时引入了前馈校正提高比例流量阀的跟踪精度。在AMESim仿真平台上验证了非线性补偿策略的有效性。结果表明:非线性补偿算法的引入,消除了比例阀存在的滞后性和不稳定性,提高了高频率下的响应速度和跟踪精度。

为解决液压型风力发电机组风能利用率问题,以机组输出功率最佳为控制目标,研究机组最佳功率追踪控制方法。建立了风力机特性数学模型和液压主传动系统数学模型,在数学模型的基础上提出了一种用直接风力机转速控制的最佳功率追踪控制方法,并对其控制率进行推导与分析。以30 k VA液压型风力发电机组实验台为基础,针对所提出的最佳功率追踪控制方法进行仿真与实验研究,结果表明该控制方法具有良好的控制效果。