电力电缆运行中导体的温度是确定其栽流量的重要依据．为确保电缆安全运行．采用精确的方法确定地下电缆的载流量和温度分布是非常有意义的。以热电偶为主要测温传感器．用高精度ICL7135芯片作为A，D转换器，以AT89C51为控制核心制作用于测量电缆温度的数字式温度计，可以克服传统温度计的不足。实测结果表明该温度计的分辨率能达到0.01℃，精度能够达到0．05℃．符合对电力电缆的导体及周围土壤温度测量的要求．

该文在PID控制的基础上引入了模糊逻辑的概念,提出了一种较新的模糊PID控制算法,并使之应用在多电机同步控制装置中,实验结果表明该控制器能够大大增强系统的动态特性,使多电机良好地以一定速度同步运行.

对磨损测试设备的发展历史及现状进行了综合阐述，提出了利用单摆冲击划痕法改造单颗粒凿削磨损测试设备的方法和技术。对设备的设计和改装进行了说明，对实验的数据处理原理和设计流程进行了阐述。

液压泵健康状态评估对工程设备的运行状态监测有极其重要的意义,现有基于振动信号分析的方法数据来源单一、可靠性低,为此,提出了一种基于多传感器信息融合和多粒度级联森林模型的液压泵健康状态评估方法。通过试验系统采集了不同工作时间下液压泵的压力、温度、流量等信号,分别提取信号的时域特征组成初步特征。使用多个分类器获取初步特征的类别概率向量,将其与随机森林模型选出来的重要特征进行拼接形成最终特征,并使用多粒度级联森林模型进行健康状态评估。试验结果表明,所提方法在仅有5%训练比例的情况下分类精确率仍可达99.5%,可以有效提高液压泵健康状态评估的准确度。

为了实现汽车起重机液压系统状态监控及故障诊断，该文基于UML面向对象建模思想，建立了整个系统的功能模型，分析了系统主要功能模块的信息流向，阐述了系统的关键部分-模型生成工具和故障诊断功能的构建方法。基于．NET框架，利用Visual Studio 2008开发平台以及Microsoh SQLSe Ser2008数据库系统完成了诊断系统的开发，并以起重机液压系统中主泵的关键构件轴承为例给出了系统的工作过程。

柱塞泵是工程机械的关键部件，其性能好坏将直接影响整个设备的正常工作。针对柱塞泵提出基于特征选择支持向量机的智能诊断方法。对采集的振动信号基于小波包分解提取能量特征，然后利用Fisher准则函数选择对智能诊断最有利的特征，利用支持向量机进行训练，并将每个二类支持向量机按二叉树的组织形式构成系统的诊断模型。以汽车起重机柱塞泵为研究对象，其6种故障形式，包括正常、轴承内圈故障、滚动体故障、柱塞故障、配流盘故障、斜盘故障，用于检验所提算法的诊断能力，并与传统的BP神经网络和最近的蚁群神经网络方法进行对比。诊断结果表明：所提出的算法优于另外两种方法，具有较好的诊断效果。

针对土壤采样机的效率与冲击速度的关系，给出了液压伺服系统的设计。该伺服系统在建立阀控缸数学模型的基础上引入了串联校正环节，改善活塞响应性能，能较好地满足效率最优。经试验，适用于现场土壤采样工况。

现场状态信息的远程实时采集是远程监控与远程故障诊断的基础。在研究分析液压履带起重机CAN总线电控系统的基础上，设计基于CAN总线与GPRS的分布式远程状态信息实时采集系统。提出分类数据采集方式与混合组态传输，以及参数化设计与远程设置方法；分析数据流的冗余特性，提出字符串相对编码的压缩算法。采用高性能数字信号处理器（DSP）实现上述技术，并在液压履带起重机远程维护系统中成功应用。应用表明，具有良好的兼容性与可扩展性。