液压泵振动信号具有非线性、非平稳性的特点,熵算法在该类信号分析方面有着独到的优势,但传统的熵算法在液压泵振动信号特征提取中有计算速度慢、熵值不准确、不稳定等不足,为了更有效地提取故障特征信息并提高故障诊断准确性,将精细复合多尺度波动散布熵(refined composite multiscale fluctuation dispersion entropy,RCMFDE)引入到液压泵的故障特征提取中,提出了一种基于RCMFDE和粒子群优化支持向量机结合的液压泵故障诊断方法。计算不同故障振动信号的RCMFDE,并选取合适尺度下的多个RCMFDE值作为特征向量形成特征样本,输入粒子群优化支持向量机中进行故障分类识别。通过仿真信号和液压泵故障实测信号进行分析,并将所提出的方法与基于多尺度样本熵(multiscale sample entropy,MSE)、多尺度排列熵(multiscale permutation entropy,MPE)、多尺度符号动态熵(multiscale symbolic dynamic ...

阐述液压系统故障检测与诊断技术的研究现状，指出现有各种单一诊断方法存在的缺陷，论述解析冗余与ＡＮＮ融合，小波分析、模糊逻辑与途径，并对今后的发展方向进行展望。

分析了（Ｄｕｆｉｎｇ）振子的混沌运动和间歇混沌动力。利用该振子与参考信号频差较小的周期小信号的敏感性，对白噪声及与参考信号频差较大的周期信号的免疫力，通过监测轴向柱塞泵壳体振动加速度信号，对柱塞泵松靴故障进行诊断，克服了传统的频谱分析和倒频谱分析诊断方法的缺陷，避免了伪警和漏报。

将神经网络运用到动态流量的软测量中,探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的一个难点和热点问题,该文在概要介绍了神经网络动态流量软测量系统的总体设计和神经网络结构的确定方法之后,重点讨论了神经网络的训练策略,最后通过实验验证了该训练策略的性能.

将神经网络运用到动态流量的软测量中,探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的一个难点和热点问题,文中在概要介绍了神经网络动态流量软测量系统的总体设计和神经网络结构的确定方法之后,重点讨论了神经网络的训练策略,最后通过实验验证了该训练策略的性能.

在对可拓控制器的结构进行深入研究的基础上对可拓控制算法进行了改进并将这类可拓控制器应用于电液伺服系统中.经过仿真研究表明基于可拓控制器的电液伺服系统具有优良的动态品质和鲁棒性.

针对在液压泵故障诊断中故障样本难以获得的问题，融合人工免疫系统中的实值否定选择算法和支持向量机算法提出了一种混合的故障诊断方法。在该混合方法中使用算法产生非己集合（故障样本），将其作为算法的输入进行训练，解决了难以获得故障样本的难题。应用小波分析完成液压泵端盖振动信号的消噪及特征提取。最后用柱塞泵脱靴故障样本进行诊断，正确率可达90％，验证了混合诊断方法的有效性。

针对液压泵故障诊断的现实需要，提出了基于粗糙集理论的故障诊断方法。该方法利用小波分析对测量的原始数据进行去噪处理并结合Labview软件进行特征提取，得到揭示其内在规律的数据信息并建立故障诊断决策表。采用粗糙集理论提取决策表中的诊断规则，为液压泵的故障诊断提供有效的依据。通过实验证明了该方法可有效的应用于液压泵的故障诊断。