大型AGC伺服液压缸结构复杂、价格昂贵、维修成本高,故障模拟代价巨大。为解决大型液压缸实际工作过程中故障数据难收集难处理的问题,提出利用仿真模拟液压缸模型,从中提取故障数据,通过遗传算法(Genetic Algorithm,GA)来优化BP神经网络处理数据的故障诊断方式。运用仿真软件AMESim建立对应的液压缸仿真模型,通过改变仿真参数模拟出液压缸5种故障类型,获取故障数据。分别用传统的BP网络和经过遗传算法优化后的BP网络进行训练和测试。测试结果表明,GA-BP神经网络比传统BP神经网络测试误差小、预测精度高,能够准确实现故障诊断。该方法也为大型液压缸故障诊断提供了一种解决思路和方法。

液压阀在很大程度上影响着液压系统的正常工作,为了检验液压阀的性能指标,设计了对多种液压阀进行多项性能测试的综合试验台。同时为了实现试验台的自动化,提高测量精度,减少人为因素,利用计算机强大的数据处理功能,基于LabVIEW平台开发了液压阀性能测试软件,以NI采集卡为信号连接中端,进行信号输出控制和数据采集处理。引入模块化设计思想,进行测试软件的二次开发,将所需功能以模块化的方式处理,大大缩短了测试软件的开发周期,实现了试验台自动化调节系统压力及流量,满足性能测试要求;并能高精度采集试验数据,绘制特性曲线;试验结束后自动卸荷,存储数据、打印试验报告等功能。

液压缸的内泄漏是工程机械故障中难以避免的,该故障会降低液压系统的工作效率,严重的内泄漏还会引发安全事故。构建一种实时测量液压缸内泄漏的系统,提出一种模拟液压缸微小内泄漏的方法,采用压力应变片将流量变化转换为应变信号的实验模型,对实验数据进行分析并建立应变-流量的数学模型,利用神经网络的学习与训练,对内泄漏量进行预测。最后将实际微小内泄漏量与神经网络的预测值相比较。实验结果表明,神经网络具有高精度和高效率的预测能力,为液压系统的微小泄漏监测奠定了基础。

层级材料具有优异的力学性能和吸能特性。提出一种面内分形的形内自相似六边形蜂窝结构,运用应变能密度优化方法,对三维形内自相似六边形蜂窝结构进行尺寸优化,分别得到应变能密度最大和应变能密度最小的优化结构,并与未经优化的形内自相似蜂窝结构及典型的圆形蜂窝结构进行吸能特性比较。结果表明:应变能密度最大的自相似蜂窝结构比应变能密度最小的结构吸能特性强,但整体刚性相比较弱,应变能密度最小的形内自相似蜂窝结构抗冲击刚性较强;两种应变能密度不同的形内自相似六边形蜂窝结构都具有较强的吸能特性,其比吸能比未经优化的形内自相似蜂窝结构和典型圆形蜂窝较好。结构的自相似分形方式和应变能密度优化能够很好改善蜂窝结构的耐撞性和吸能特性,同时实现结构轻量化。

大型钢坯加热炉采用步进式,使钢坯一步一步往前运送,直至出坯,这种装置克服了过去用推钢机推钢的缺陷。文中对步进梁的运行速度进行了分析,应用液压伺服系统,PLC控制,使步进梁运行速度平稳,无冲击,在使用中效果良好,可供有关冶金企业参考。

针对间隙密封液压缸，采用CFD技术对不同结构的间隙内部流场进行仿真分析，得出流场分布及速度分布，并计算出液压缸的泄漏量，以寻求间隙密封液压缸的最优结构。液压缸的泄漏量随活塞速度、间隙的增大而增大，在加工精度允许条件下，可通过减小间隙来减小泄漏量。

内泄漏是液压缸最常见故障,严重影响液压缸的正常工作,因此对其在线测量显得尤为重要。提出内泄漏在线测量的工作原理,包括在线测量系统、应变片的固定方式和流量-应变信号转换的数学模型,并搭建实验系统采集内泄漏和应变数据并进行数据处理。分别采用BP神经网络和卷积神经网络对液压缸内泄漏进行预测,结果表明,卷积神经网络准确度高、效率高,为其他液压元件微小流量的在线测量提供一种新的思路。

液压伺服系统应用十分广泛,可靠性与使用寿命是人们非常关心的问题。要提高可靠性,必然会影响成本、体积和重量,因而在配置上需要优化。提出了液压系统可靠性最优化原则,应用这些原则能合理地优化系统。同时,还叙述了冗余设计应考虑的几个问题,并通过MATLAB软件仿真一具体实例来实施最优化原则与冗余技术。

简要介绍了SimHydraulics软件的一些特点，利用其特点创建一个有效并能获得方向阀相关动态特性的物理模型，展示怎样利用MATLAB的优化工具箱Optimization Toolbox来辨识方向阀的相关模型参数。通过这种方法来匹配方向阀的流量特性，获得了很好的结果。

分析了武钢热轧{1}1#步进梁式加热炉液压系统的特点及存在的问题，并对其进行了工况分析；提出了该液压系统改造的具体方案，设计了新的液压系统，并简要介绍了该系统的特点。