为了实时调整高帧频CCD相机，获得高质量图像，提出了一种基于分档电子快门控制和增益控制相结合的复合控制方法，实现了快速、高精度调光。其算法主要由三部分构成：二次均值灰度权值的累加，基于分段二次函数的自动快门控制和基于数据分析的自动增益控制。采用共享的乒乓缓存策略来保证算法在自行设计的硬件平台得到有效验证并连续显示。实验结果表明，该算法具有良好的图像质量，捕获的视频图像在各种条件下，均具有快速的收敛性和适应性。

针对早期微弱故障信号易受噪声干扰、难以提取和识别的问题,提出一种基于变分模态分解(variational mode decomposition,简称VMD)多尺度散布熵(multiscale dispersion entropy,简称MDE)和极限学习机(extreme learning machine,简称ELM)的柱塞泵微弱故障诊断方法。首先,采集各状态的振动信号进行VMD分解,得到若干模态分量,根据各模态分量Hilbert包络谱中特征频率能量贡献率大小,提出以归一化特征能量占比(feature energy ratio,简称FER)为重构准则的变分模态分解特征能量重构法(variational mode decomposition feature-energyreconsitution,简称VMDF),对各模态分量进行信号重构;其次,计算重构信号的MDE,对各尺度散布熵进行分析,选择有效尺度散布熵作为特征向量;最后,将提取的特征向量输入ELM完成故障模式识别。柱塞泵不同程度滑靴端面磨损故障的实验结果表明,该方法不仅提高了模式识别效率,还可以更...

针对柱塞泵故障特征难以提取、故障分类困难、故障诊断准确度不高的问题,提出局部均值分解(LMD)样本熵和支持向量机(SVM)结合的柱塞泵故障诊断方法研究。采集柱塞泵四种状态(正常、松靴、配流盘磨损、滑靴磨损)的多测点振动信号,将振动信号进行LMD分解和重构,提取重构信号的样本熵与原始信号标准差作为特征向量,将其输入SVM中进行训练和诊断,并与原始信号的特征向量诊断结果进行比较,诊断准确度可达99.5%以上。最后将SVM诊断结果与BP神经网络进行比较,结果表明SVM具有更高的速度和准确度。

为了改善纯电驱液压挖掘机工作过程中大量能量浪费的情况,提出一种基于超级电容和蓄能器的挖掘机复合动作能量回收与再利用系统。首先对该系统的主要元件进行参数匹配和泄漏分析,然后基于SimulationX平台建立某6 t纯电驱液压挖掘机能量回收再利用系统仿真模型,对标准工况下的一个循环周期进行运行及能耗特性的仿真研究。结果表明,该系统比原纯电驱液压挖掘机系统实现了29%的节能,达到了良好的节能效果。

针对纯电驱液压挖掘机传统的动臂电气式回收系统无法实现回收能量再利用的问题,提出一种势能回收再利用系统。以某型6 t纯电驱液压挖掘机为研究对象,对其回收系统各主要元件进行了参数匹配与损耗研究,基于SimulationX平台建立起该系统机电液联合仿真模型,对系统的动态特性与能耗特性进行了仿真研究。结果表明,系统在动臂下落时回收能量效率达到了60%。相比普通纯电驱液压挖掘机的动臂系统实现了21.8%的节能,该项研究实现了动臂回收能量的再利用。