为了保证航空发动机燃油柱塞泵性能试验台测试结果的稳健性,以便准确测试燃油柱塞泵的性能状态,基于燃油柱塞泵液压原理,建立了其数学模型,并结合其性能试验台的液压原理,确定了影响测试结果稳健性的5种主要因素分别为柱塞泵入口压力、控制油压力、出口压力、排油压力及燃油温度。基于燃油柱塞泵的主要测试性能,研究了5种因素对燃油柱塞泵性能测试结果的影响。结果表明:在进行燃油柱塞泵性能测试时,泵出口调压阀的压力控制稳定性、排油压力以及燃油温度都会对测试结果产生较大的影响;在性能测试给定的公差范围内,柱塞泵入口压力和控制油压力的波动对性能测试结果影响极小。在进行燃油柱塞泵性能测试时应重点关注出口压力、排油压力及燃油温度,以提高测试结果的稳健性。

针对电液伺服阀动态特性测试精度低、高频控制效果较差的问题,在GB/T 15623.1—2003基础上构建电液伺服阀联合测控平台,利用PLC系统对作动筒进行低频控制,减小了测试原理误差。提出了一种对扫频控制信号进行积分计算来进行频率响应特性分析的计算方法。利用Lab VIEW软件采取定采样、变采样率的方法发出信号,实现对扫频信号的精确控制。给出了MOOG D761-2716A型机械反馈伺服阀及MOOG D661-1945E型电位移反馈伺服阀的动态性能实测曲线,试验证明,所提方法对电液伺服阀动态性能测试精度可达±4%。

针对标准BP神经网络用于故障诊断时学习效率低、收敛速度慢、易陷入局部极小点及对初始参数较为敏感等不足,提出了一种组合优化的方法,即采用遗传算法（GA）确定BP神经网络的最佳初始权值矩阵,以规避BP神经网络对初始参数较为敏感的不足;应用LM（Levenberg-Marquardt）算法在局部解空间里对BP神经网络进行精确训练,搜索全局最优解。该方法在保留BP神经网络的广泛映射能力的前提下,提升了网络的学习速度和精确搜索能力,进而大幅提高了基于BP神经网络的电液伺服阀故障诊断的效率和精度。通过对MOOG D761-2716A机械反馈伺服阀进行故障诊断,进一步说明了该方法的实用性和高效性。

以一种典型轴向柱塞泵为研究对象，模拟其工作过程中压力脉动在壳体外表面产生的振动，获得在此激励下的动态响应。利用有限元分析软件ANSYSWorkbench，建立轴向柱塞泵壳体的有限元模型，进行瞬态响应分析。分析壳体在不同压力级别下的振动响应，通过分析结果确定泵壳位移、应力和应变的动态变化过程，从而找到泵壳的“敏感区域”，为轴向柱塞泵振动测试和结构优化奠定基础。

为解决航空液压系统高速高压化发展带来的航空液压管路振动加剧问题，将液压管路与管路支架视为整体振动系统。基于灵敏度分析方法，采用ANSYS软件平台中的灵敏度分析工具，分析航空液压管路支架参数对振动响应的灵敏度；在灵敏度分析结果基础上，采用基于Pareto最优的多目标遗传算法对管路支架参数进行优化设计，得到振动控制效果更好的管路支架布局，形成一种有效的航空液压管路被动振动控制参数优化方法。为控制航空液压管路振动、推动国产大飞机发展提供理论和技术基础。