针对汽车起重机阀前补偿负载敏感(LS)系统预设泵压力裕度带来的能耗问题,以及系统流量饱和时对变幅伸缩机构进行复合动作带来的操控性问题,提出了一种基于变转速的电液流量匹配控制系统和一种抗流量饱和控制算法。首先,分析了负载敏感(LS)系统的工作原理,并提出了一种应用于汽车起重机的变转速电液流量匹配控制系统;然后,分析了变转速电液流量匹配控制系统的工作特性和能耗特性,并设计出了一种抗流量饱和控制策略;最后,利用AMESim软件搭建了负载敏感(LS)系统和电液流量匹配系统的仿真模型,并对系统的节能和抗流量饱和特性分别进行了仿真分析。研究结果表明:相比于负载敏感(LS)系统,变转速电液流量匹配系统节能5%~7%,且在系统流量饱和时,变幅伸缩机构的流量可根据各联主阀的开度比例分配,提升了复合动作的协调性。

针对掘进机液压系统定量泵供油、换向阀中位机能卸荷,系统耗能多、换向主阀阀芯设计复杂等问题,设计掘进机摇臂升降负载敏感系统。在验证负载敏感变量泵模型、换向阀HCD模型、掘进机摇臂平面机构模型基础上,搭建掘进机摇臂升降负载敏感控制系统仿真模型,分析掘进机摇臂升降系统中位卸荷性能,研究了平衡阀先导比、摇臂液压缸尺寸、液压缸大腔回油主阀阀芯节流面积对摇臂升降性能的影响。结果表明:换向阀处于中位,系统中位卸荷阀开启,泵处于低压卸荷工况;增大摇臂液压缸缸径、平衡阀先导比、B口→T口回油背压,摇臂下降启动冲击均增大;平衡阀先导比取1.0、摇臂液压缸缸径取160 mm、B口→T口回油节流面积取24.68 mm^(2)时,摇臂下降起动冲击较小。

对工程机械液压系统中使用的节流控制系统和负载敏感控制系统的原理和回路组成进行了阐述,节流系统根据其回路连接方式可分为串联系统回路和并联系统回路,而负载敏感系统又按其使用液压泵形式的不同分为定量泵和变量泵负载敏感系统。文中对这两种不同形式回路的控制特性进行了比较分析,并绘制出其控制特性曲线,对比了这两种回路的适用场合和成本差异。

介绍了负载敏感系统的工作原理，总结了系统在掘锚机组上应用的优缺点，进行了局部改进，为从事相关工程设计人员提供了经验和参考。

对进口节流调速系统和主液压缸负载敏感系统的动态性能利用AMESim软件进行仿真,得出普通溢流阀加节流阀由于存在较大的压力和流量损失,负载适应性不好,节能效果差;负载敏感系统由于其流量和压力可根据负载需要自动调节,负载适应性好,节流及溢流损失不大,所以负载敏感系统相比普通进口节流调速具有较大的节能效果。

针对高空作业车工作过程中的能耗损失问题，对工作平台调平液压系统进行改进，并利用AMESim软件中的基本液压元件设计库构建三通压力补偿阀的模型，进而建立改进后的具有负载敏感特性的调平系统仿真模型，最后结合高空作业车的工作特性，对改进后的调平系统的动态特性进行仿真研究。研究结果表明：采用三通压力补偿阀的开芯式负载敏感系统能够根据负载的变化实时调整系统压力，进而对系统所需流量进行自动补偿，从而有效地减少高空作业车液压系统在工作过程中的流量损失及热损耗，达到节能效果。

负载敏感系统是液压系统节能控制的主要环节之一.对一具有负载敏感系统的挖掘机在不同工况、不同负载压差,以及不同操作动作下泵的出口压力、流量进行了测试,分析了负载敏感系统工作特性,提出了压差的设定值应随负载的大小按正比例调节,以提高系统对负载的跟随性并减少波动.在标准负载工况下,压差设定为1.7 MPa 时,系统工作比较理想.

负载敏感系统精密地控制速度如果这个负载使在每个负载回路中有精确的流量和在控制杆上的感觉不变化的话，操作人员能够控制一部机器的速度，使其更有效地工作．Ｏ－Ｊｏｈｎｓｏｎ在液压系统中，负载敏感是接收或“敏感”负载压力的一种方法以及将它反馈到控制系统，以控...

木墩机粉碎系统工作时由于负载变化频繁，常会出现液压马达输出动力不足导致粉碎鼓卡死等现象。设计了以负载敏感变量柱塞泵为核心元件的液压粉碎系统。在深入分析木墩机粉碎系统不同工况基础上．在AMESim平台下建立了基于负载敏感控制的木墩机粉碎系统仿真模型，并对其进行了静动态仿真。仿真结果表明：通过调节负载敏感阀和恒压阀的弹簧刚度可以缩短系统响应时间，实现系统优化；负载敏感粉碎系统输入执行元件的流量只与换向阀阀口的开度有关，与外界的压力（负载）大小无关。负载敏感粉碎系统能够实现木墩机节能降耗，提高整机的工作可靠性。

针对目前施工单位所使用的HZY-06型抓岩机液压系统中所存在的复合动作不连贯、抓斗张开速度过慢、油温过高等问题设计一种新型中心回转式抓岩机的液压系统。该系统采用负载敏感变量泵和负载敏感多路阀并在抓斗油缸回路中设置差动连接以满足复合动作连贯、功率损失小、张斗速度快的设计要求。为了验证系统设计的合理性采用AMESim软件对变幅回转联动回路、抓斗油缸回路进行仿真分析与研究仿真结果表明:复合动作可连贯运行且抓斗张开所用时间仅1.55s。