在动态流量的测试方法上做了新的尝试,提出了一种新的动态流量测量方法.以动态层流流量为研究对象,利用管道中压力脉动包含了流量信息这一原理,通过采集相距为L的两点压力信号对其进行互相关处理,得到渡越时间,从而求得管道内的平均流量.这一过程按一定的时间步长不断地进行,当时间步长趋近于零时,平均流量就逼近于瞬时流量.用无载伺服油缸进行对比实验,证明了这种方法的准确性和有效性,并对相关法的测量结果进行了标定.

针对滚动轴承的内圈和外圈故障诊断问题,提出了一种基于辛几何模态分解(SGMD)、敏感参数和核模糊C均值聚类(KFCMC)相结合的方法。基于SGMD研究了实际测量的液压泵多模态故障振动信号;基于所提出的相似性分析法,将含有丰富运行特征信息的模态分量进行重构,并将其作为数据源;基于数据源提取时域和频域参数,并利用流行学习法筛选出峭度、裕度指标和峰值指标等敏感参数作为特征向量;利用KFCMC实现对内圈和外圈不同故障的诊断。通过对滚动轴承内、外圈故障振动信号的仿真和实测,验证了该方法可以有效地诊断滚动轴承不同故障。

针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题,提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提取;然后通过贝叶斯优化和网格搜索结合的方法调节各基学习器的超参数,采用DT、KNN、SVM及RF作为初级学习器,LR作为次级学习器构建Stacking异质集成学习模型;最后通过滚动轴承和液压泵故障模拟试验,将所提模型与单

在对旋转机械进行故障诊断时，通常要从时域、频域或时频域提取故障特征参数，组成原始的故障特征向量，然而在众多的故障特征当中并不是每个特征对于故障分类都是敏感且有效的。为此，本研究提出了基于ReliefF算法和相关度计算结合的故障特征降维方法。采用ReliefF加权特征选择算法对原始各特征的分类能力进行评价，选择出分类能力较强的特征；再通过特征相关度算法剔除其中分类能力相近的冗余特征，将剩余的分类能力较强的特征组成最终的降维特征向量用于故障分类和诊断，实现原始特征的降维。通过液压泵和滚动轴承的故障诊断实验，并与传统的主元分析（PCA）方法对比，结果表明该方法能够用较少的降维后的信号特征获得更高的故障正确识别率。

根据非线性动力学原理，建立电液伺服系统的非线性动力学模型，探索非线性弹簧力和非线性摩擦力等非线性因素对伺服系统运动特征的影响规律。通过理论研究，指出非线性弹簧力和非线性摩擦力的耦合作用特征可以用Duffing—VanDerPol方程描述。通过数值试验分析，发现系统外加激振力、阻尼系数和弹簧力非线性项系数的大小影响系统的运动状态，当三者参数变化时系统可能做极限环型振荡、倍周期运动和混沌运动。

针对冷连轧机液压AGC系统轧制力的精确设定问题，提出了一种基于差分进化算法优化支持向量机的轧制力精确设定方法。该方法在支持向量机预测模型的基础上，引入差分进化算法对支持向量机的训练参数进行优化，提高支持向量机的预测精度。之后，利用海量生产数据对支持向量机进行训练并进行轧制力偏差的预测，最后将预测结果用于修正轧制力模型设定计算值。通过预测结果和实际数据的对比表明，利用该方法能够有效地提高冷连轧机AGC系统轧制力的设定精度，使设定的相对误差从单纯模型计算的15％降到6％，为进一步提高冷连轧机的设定计算精度提供了一种有效可行的方法。

主要介绍了液压泵、马达性能测试技术的现状.综述了当前液压泵、马达试验台液压系统的研究热点及其进展,并列举了几种典型的试验台,据此介绍了近年来出现的液压新技术:比例技术、变频技术、虚拟仪器技术.并结合测试内容概括了液压泵、马达试验台在节能、自动化、智能化等相关方面的进展.

提出了一种基于小波簇的带通滤波和包络解调新方法。通过合理的选择小波参数，用多个单Morlet小波组成的小波簇可构成具有零相移、平顶通带及快速衰减过度带特性的带通滤波器，用于提取振动信号的高频成分。由于该小波簇的虚部是实部的Hilbert变换，可实现包络解调，从而提取振动信号在高频谐振带的包络成分。将该方法用于轴向柱塞泵故障的诊断中，结果表明可有效地提取了故障特征频率，诊断结果验证了该方法的有效性。

提出了一种基于最大Lyapunov指数分析的微弱信号检测新方法，依据该方法对柱塞泵的脱靴故障进行了实验诊断。实验结果表明，故障压力信号的最大Lyapunov指数比无故障时的正常信号的小，可以作为故障发生与否的定量判据，为旋转机械故障诊断提供了一条新途径。

文章以圆管中的粘性流体为研究对象，分析了管道中压差、温度、速度的变化对动态流量的影响，设计出了用于软测量建模的RBF神经网络结构；与此同时，还设计了动态流量测量管，并在伺服阀动态性能试验台上采集了相关数据，其间采用超声... 展开更多