以传统1DCNN模型分析柱塞泵故障时无法完成深度学习过程,对最终数据精度造成不利影响。在设计模型时加入更高比例的卷积层,促进D-1DCNN模型特征提取效率的显著增强。以型号25YCY轴向柱塞泵为测试对象,通过三轴加速度计和耦合器完成振动信号的获取,开展故障诊断测试分析。研究结果表明:对D-1DCNN进行网络参数调节优化确定,学习率为0.3,卷积核高度3,批处理量保持50,最大池化模型,Adam优化器。在10次迭代后再进行第二次迭代时达到100%准确率,训练时间共124 s,表明D-1DCNN能够满足对轴向柱塞泵故障进行准确诊断的结果,完全符合智能故障诊断指标。该研究对提高25YCY柱塞泵的故障诊断具有很好的实际应用价值。

为探讨基于磁流变阻尼器(MRD)的拖拉机半主动座椅悬架在动态舒适性方面的优越性,在正弦激励和白噪声激励环境下,构建了拖拉机动力学模型和磁流变阻尼器(MRD)力学模型,并给出了模糊控制器的设计方法。在Mat Lab/Simulink仿真环境中分别对被动和半主动座椅悬架进行时域和频域仿真,得出两种悬架的加速度动态特性曲线及相应的频谱特性曲线。仿真结果表明:所构建的阻尼器模型及控制策略可以有效衰减座椅悬架在低频区段的垂直振动,改善了拖拉机的动态舒适性。