多任务学习网络结构和参数冗余、网络规模过大,导致网络实时性差的问题;无法获取元件的部分或者全部故障类型样本,导致零样本问题。针对上述问题,提出一种基于元学习优化的轻量化多任务学习网络。为了提高实时性,利用MobileNetV3轻量化网络构建具有多个子任务诊断网络的轻量化多任务学习网络模型;研究了跨元件零样本问题,利用模型无关(MAML)元学习方法,对轻量化多任务学习网络的训练方式进行优化,构建基于元学习优化的轻量化多任务学习网络;最后,从不同微调步数和测试任务数角度,测试了所提网络的诊断性能。通过齿轮和轴承多元件的实测故障分析可知,所提方法可以实时高精度地解决多任务故障诊断问题和跨元件零样本问题。

RedNet网络自带的余弦退火算法易使学习率陷入局部极小值,出现拟合现象,导致精度过低。针对此问题,对RedNet进行改进处理,提出了两种MicroNet-RedNet和MobileNetV3-RedNet新型网络。基于RedNet的Involution核思想,用MicroNet网络的微分解卷积和Dynamic Shift-Max动态激活函数对RedNet网络进行改进处理,提出了MicroNet-RedNet新型网络;利用MobileNetV3网络的h-swish激活函数和Squeeze-and-Excitation模块对RedNet进行改进处理,提出MobileNetV3-RedNet新型网络。通过对滚动轴承的实测内圈、外圈和滚动体3种故障的诊断分析可知:所提MicroNet-RedNet和所提MobileNetV3-RedNet可有效地诊断上述故障,诊断精度分别高达98.57%和93.81%,且较传统CNN和原算法RedNet的诊断精度提高很多。

基于充足样本的多个设备元件导致多任务学习网络规模庞大,轻微和严重的跨元件零样本问题难度大。在多种样本量(充足样本和零样本)下,针对基于充足故障样本的多元件诊断网络规模过于庞大问题,引入MicroNet方法对多任务学习网络进行轻量化处理,然后利用热重启余弦退火算法优化上述网络,提出一种多任务轻量化学习网络模型,改善多任务学习网络的准确率和效率。针对更高难度的跨元件零样本问题,引入元学习方法进一步改进上述MT-MN-CA,进而提出一种改进多任务轻量化学习网络模型,解决轻微和严重的跨元件零样本问题。通过实测液压泵和滚动轴承故障验证所提两个网络模型的有效性和优越性,试验结果表明所提网络具有很高的实时性和准确率。

针对实际中出现的先导式溢流阀调压失效现象,运用FLUENT中的欧拉-欧拉多相流模型对溢流阀中含有均压槽的主阀配合间隙内流场进行液固两相流二维轴对称数值计算.研究发现固体颗粒物在均压槽内有高度聚集现象,均压槽内贴近阀体壁面的半月形区域中固相体积分数最大值是进口的10倍左右,液流主流束和均压槽底部固相体积分数较低;当阀芯运动方向与间隙内压力梯度方向相反时,均压槽出口间隙将浸入高体积分数固相区,部分颗粒在压差作用下将嵌入均压槽出口后的间隙中,引起阀芯卡滞,进而诱发调压失效.

将滑阀微米配合间隙简化为二维模型,敏感颗粒外形近似为方形.运用COMSOL软件中流固耦合模块的任意拉格朗日-欧拉方法,对方形微米颗粒在滑阀间隙内的运动特征进行仿真研究.发现了颗粒在滑阀间隙中的旋转现象,此现象从微观层面科学地解释了非圆球形颗粒物诱发滑阀卡滞的机理.流固耦合计算显示,微米颗粒跟随油液流动的同时,颗粒在间隙中产生旋转运动,同时颗粒中心的运动轨迹有上下波动;均压槽中颗粒中心的运动轨迹呈抛物线状,径向位移的最大值约为均压槽深度的1/4,随着方形颗粒尺寸的增大,其沿径向位移的最大值呈减小趋势.

针对车辆悬架使用最优控制时,评价指标难以客观选取加权系数的问题,提出一种基于遗传算法的半主动悬架最优控制方法。在MATLAB/Simulink环境下,首先建立1/4半主动悬架模型、被动悬架模型及随机路面模型。其次,进行磁流变阻尼器的标定试验,得到不同工况下的阻尼器位移、速度曲线。利用参数拟合工具箱和BP神经网络建立修正的Dahl参数化正向、逆向模型,并进行拟合验证。再次,在最优控制理论的基础上,应用遗传算法对半主动悬架评价指标的加权系数进行选取,建立遗传最优控制器。最后,进行仿真验证与分析。结果表明:应用遗传算法来确定最优控制器的加权系数,提高了车辆的平顺性。

针对实测振动信号易受噪声污染,而淹没有用信息和克服利用数学形态学滤波器对一维信号进行滤波时结构元素长度选择的经验性和任意性的问题,提出了一种基于形态学差值算子和功率谱熵理论相结合,并与特征能量比相配合的方法来确定最优扁平型结构元素长度以实现最优滤波。首先,利用在不同扁平型结构元素长度下的形态学差分算子对一维振动信号进行滤波处理;其次,对滤波后的信号计算功率谱熵和特征能量比;最后,根据功率谱熵理论和特征能量比方法得出,功率谱熵的最小值所对应的长度即为最优扁平型结构元素的长度。通过对仿真信号和液压泵故障信号的实验验证,表明在通过该方法所得到的最优扁平型结构元素长度下,采用形态学差值算子能够对液压泵故障信号达到最优滤波效果,保留更多的故障特征信息。

针对液压泵滑靴磨损状态的评估问题,提出了一种基于形态差值滤波和形态指数（MI）的方法来有效地诊断滑靴磨损故障并评估其劣化程度。首先,利用形态差值滤波器对现场实测的正常状态和四种不同磨损程度的滑靴故障的振动信号进行滤波处理,提取出清晰的特征信息;其次,对滤波后的振动信号进行有量纲参数和无量纲参数的提取,其中有量纲参数包括首次引入到液压泵健康状态评估领域的MI;最后,通过分析MI对滑靴磨损故障及其劣化程度的敏感性和变化规律,得出MI可以有效地诊断出滑靴磨损故障及评估其劣化程度。

针对液压马达的滑靴磨损故障诊断问题，该文提出了一种基于局部均值分解（Local Mean Decomposition，LMD）和时域参数的方法。首先，利用LMD方法对实测液压马达滑靴磨损振动信号进行分解处理，将多模态信号分解为若干个单一模态乘积分量（ProductionFunction，PF）；其次，将前三个含有运行特征信息丰富的单模态PF分量重构作为故障诊断用数据源；再次，对数据源提取时域参数；最后，通过分析时域参数对滑靴磨损故障的敏感性，有效地诊断出液压马达滑靴磨损故障，进一步完备了基于时域参数的诊断方法。

针对电液伺服系统非线性振动问题利用SimHydraulics对阀控对称缸位置伺服系统进行建模仿真研究在黏性阻尼、负载弹簧刚度、负载质量等自身结构参数和压力脉动、外负载、库仑摩擦力、管道长度及材质等外部主要因素的影响下系统的非线性动力学行为.研究结果表明：对伺服系统非线性动力学行为进行研究能够发现系统参数对系统动态特性的影响规律对优化伺服系统的结构参数、提高系统运行的稳定性、防止系统产生非线性振动有重要的理论指导意义和工程实际意义.