针对传统的可靠度计算方法在求解多目标函数的约束优化及高非线性结构功能函数的可靠度求解时计算效率低、收敛性不高等问题,提出了一种基于序列二次规划法的结构可靠度计算方法。该方法引入序列二次规划法的约束优化模型并结合可靠度指标计算模型,在每一迭代步通过求解一个二次规划子问题来确定目标函数的下降方向,构造价值函数确定搜索步长,使其全局收敛以获得可靠度最优解及验算点。通过三个算例验证了该方法的有效性。

为了进一步提高数控机床的定位精度,文章提出了一种软件补偿算法——速度箝制法。该算法通过对机床的进给速度进行控制来实现机床的反向间隙补偿与螺距补偿,从而有效提高机床定位精度。速度箝制算法是通过减小机床进给速度的变化幅度,让进给轴的速度一点一点变化而不是骤然降速,使轴的速度具有一定的平滑性,从而减小机床由于振动过大引起的误差。利用英国雷尼绍公司（RENISHAW）生产的XL-80激光干涉仪对配有实验室自主研发的沈阳计算所L10数控系统的CAK3665数控机床进行定位精度的在线检测,并对机床的定位精度进行在线补偿。对补偿前后的数据进行对比分析。试验结果表明,该软件补偿法使机床Z轴的定位精度从11.3μm减小到了1.6μm,误差减小86%以上,具有一定的实际意义和应用前景。

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。

大型薄壁构件在位检测是保障大型薄壁构件制造精度的重要手段，进而也是提高产品质量和安全性的重要方法。应用双目结构光技术实现大型薄壁构件的在位检测，将双目测量与多频多相结构光测量相结合，通过选择基准面的方式间接测量薄壁结构壁厚，利用坐标转换将点云转换到转台坐标系，结合数控机床转角信息完成数据拼合，规划测量与加工流程，完成整个在位测量系统的设计与应用。实验结果表明该技术在大型薄壁构件在位检测方面有很大的提高和很好的效果。

轴系齿轮齿形偏差检测是变速箱装配过程的重要环节之一。文章基于双面啮合同步测量技术,对使用同类型齿轮检测齿轮齿形偏差的测量方法进行研究。使用快速傅立叶变换将齿轮整体误差曲线在时-频域中进行转换并对其进行分析处理。从中提取径向综合总误差、单齿径向综合误差、径向跳动误差、跨球距等齿轮单项偏差,并设计试验台对测量方法进行实验验证。研究结果对快速获得齿轮单项偏差、提高变速箱生产的自动化与智能化具有理论与实用价值。

起落架系统的热设计是起落架系统设计的重要组成部分，收放过程中油液等温度的变化会对其性能产生一定的影响。为了解其热力学特性，文章建立了组成起落架收放系统的液压元件的热力学模型，在AMESim软件平台上搭建了起落架收放系统的热力学仿真模型，进行了仿真试验研究，仿真结果表明，所建模型可以实现对压力、流量、温度等多参数的联合仿真，仿真结果能够较好地反映起落架收放系统的热力学特性。

CNC粉末冶金液压机电液伺服系统具有时变性、易受干扰等特点运用常规的PID控制难以达到满意的控制效果。运用模糊PID控制实现对PID参数的在线自适应整定提高了PID控制器对电液伺服系统的调节控制能力。为了进一步提高模糊PID控制器的控制性能采用遗传算法对模糊PID控制器的初始PID参数和比例因子进行了优化。仿真结果表明：基于遗传算法优化的模糊PID控制器在CNC粉末冶金液压机电液伺服系统的控制中具有良好的自适应性、鲁棒性和稳定性。

基于液压折弯机工作原理及存在的问题采用运动同步控制领域的虚拟轴原理虚拟出一根主轴直接驱动液压折弯机同步系统;同时建立了虚拟主轴模型以及基于虚拟主轴的液压折弯机系统模型并进行了MATLAB仿真。结果表明采用虚拟主轴同步控制策略的液压折弯机同步控制系统可以获得更好的跟随性、稳态性能和抗干扰性提高了液压折弯机运动的同步性和稳定性。

针对液压泵振动信号信噪比低、非线性及小样本等特点提出了一种基于小波包（ Wavelet Packet WP）分解、遗传算法（Genetic Algorithm GA）和支持向量机（Support Vector Machine SVM）的液压泵故障诊断模型即WP-GA-SVM模型。首先对液压泵振动信号进行小波包消噪预处理然后将消噪后的信号进行小波包分解与重构提取频带能量作为支持向量机分类器的输入特征向量。采用遗传算法来实现支持向量机核函数参数g和惩罚因子C的自动快速最优选择。最后通过与概率神经网络方法对液压泵故障诊断的对比分析验证了该模型的有效性和优越性。

液压系统泄漏故障原因众多，故障机理复杂，常规手段难以取得较好的故障诊断效果。提出基于小波包变换和RBF神经网络相结合的故障诊断方法。给出了基于小波包的故障特征提取方法和RBF神经网络训练算法。通过试验获取液压系统的振动信号，通过三层小波包分解，获取8个频段的能量信号，并以此作为神经网络的输入，通过网络训练，进行故障特征识别。该方法将小波包的时频分解能力和RBF神经网络的学习能力有机结合，取得了较高的故障诊断效率。