变排量非对称轴向柱塞泵特性仿真分析及试验

直接泵控系统比阀控系统具有很大节能优势和应用前景,但泵控差动缸现有技术都不理想,采用非对称泵平衡差动缸不对称流量是一种有效的解决方案。基于非对称定量泵,提出一种非对称变量泵VAPP(Variable-displacement asymmetric axial piston pump)。采用伺服比例阀和与斜盘固定连接的角位移传感器组成闭环控制方式对VAPP斜盘倾角进行控制,实现VAPP的变量输出。仿真和试验表明,VAPP通过变量机构控制斜盘倾角,B口和T口的油液流量均随着斜盘角度的增大而增大,响应速度也加快。当出油口有工作压力,其流量脉动随着斜盘倾角的增大明显减小,但柱塞腔压力依旧随着斜盘倾角的增大而增大。当配流窗口B、T加载压力相等时,B口的流量脉动周期比T口的长,流量波峰比T口波峰高;T口流量脉动比B口流量脉动大,T口应该连接在低压油箱或者蓄能器上,以免影响VAPP的性能。     

基于Opto22 PAC控制器的多晶硅铸锭炉控制系统设计

为了提高多晶硅铸锭生产过程的自动化程度,设计了一种基于Opto22 PAC控制器的自动化控制系统。系统采用PAC控制器和上位机组态的控制方式,生产的整个过程由PAC控制器自动控制完成,在上位机软件中对整个生产过程进行监控,并能对部分控制参数进行在线修改。PAC控制器通过100Mbps以太网卡接入本地局域网,系统可以实现远程/本地两种控制方式,系统管理员可以远程监控各个设备的运行情况并可对设备进行操作。整体系统可以稳定运行,提高铸锭的生产效率和设备的自动化程度。     

基于超限学习机的轴向柱塞泵滑靴磨损故障诊断

为了提高故障诊断的分类准确度并减少分类时间,运用一种新的分类器即超限学习机(ELM)对轴向柱塞泵滑靴磨损进行故障诊断与识别。采集轴向柱塞泵正常工作状态和不同滑靴磨损工作状态下的信号;对采集到的信号进行预处理,提取出8维的特征向量;运用ELM和其他分类器分别对其进行诊断与识别。对比试验结果表明,新的方法故障诊断准确度高且诊断速度快。     

多晶硅铸锭炉双区加热系统的数值计算

对450型多晶硅型铸锭炉加热系统进行优化,提出了双区加热系统的理论,即对顶部加热器和侧面加热器加热功率分别控制;同时对侧面加热器结构进行优化。利用有限元软件ANSYS对加热系统优化后铸锭生长过程进行数值计算,对优化后硅料熔化过程、硅液内部温度分布、硅锭退火过程及硅锭纵向温度分布进行分析,计算结果显示,优化后硅液等温线较平坦、硅锭退火后温度梯度减小,熔化和退火阶段时间明显缩短,可以降低铸锭生产能耗,提高生产效率。     

电驱动挖掘机流量匹配系统动臂特性研究

以6 t液压挖掘机动臂为研究对象,提出伺服电机驱动定量泵的流量匹配控制系统。在SimulationX中搭建伺服电机仿真模型,通过与伺服电机响应特性试验结果对比,验证伺服电机模型的准确性;建立液压挖掘机动臂机械结构多体动力学与电液系统的联合仿真模型,仿真分析了不同控制方式下,动臂的运行特性和能耗特性。结果表明,与负载独立流量分配(LUDV)系统相比,采用伺服电机驱动定量泵流量匹配控制的动臂能耗降低约13.6%。     

基于ShuffleNetv2-YOLOv3模型的静态手势实时识别方法

针对移动端平台下计算资源有限、存储空间小的特点,提出高效的ShuffleNetv2及YOLOv3集成网络静态手势实时识别方法,以减小模型对硬件的计算能力需求. 通过将轻量化网络ShuffleNetv2代替Darknet-53作为主干网络,减小模型的计算复杂度. 引入CBAM注意力机制模块,加强网络对空间和通道的关注度. 采用K-means聚类算法,重新生成Anchors的长宽比和数量,使重新生成的Anchors尺寸对目标进行精确定位来提高模型的检测精度. 实验结果表明,提出算法在手势识别上的平均识别准确率为99.2%,识别速度为44帧/s,单张416×416图片在GPU上的推理时间为15 ms,CPU上的推理时间为58 ms,模型所占内存为15.1 MB. 该方法具有识别精度高、识别速度快、内存占用率低等优点,有利于模型在移动终端上部署.     

变排量非对称轴向柱塞泵动态特性分析

为研制变排量非对称轴向柱塞泵,依据三配流窗口轴向柱塞泵的配流思想,提出基于斜盘摆角位置反馈的排量控制方案,建立变排量非对称轴向柱塞泵的数学模型,对其频率响应影响因素进行分析。通过AMESim对该泵的变排量特性进行研究,仿真结果表明：当配流窗口A吸油、配流窗口B和T排油时,柱塞对斜盘的合力作用点轨迹具有较长的作用力臂,若配流窗口B和T压差过大,则斜盘摆角减小时响应将显著降低;当配流窗口B和T吸油、配流窗口A排油时,柱塞对斜盘的合力作用点轨迹与对称式轴向柱塞泵相似,配流窗口A压力对斜盘响应影响较小。通过试验验证了仿真模型的正确性,同时试验表明该泵具有较好的动态特性。     

高速开关阀特性试验研究

高速开关阀作为实现电液数字控制技术的关键元件,其工作特性关系到整个系统的工作性能。对目前国内普遍使用的HSV高速开关阀进行了试验研究,分析了卸荷电路、载波频率、供油压力等对高速开关阀动静态特性的影响。结果表明：该阀具有较快的开关响应和良好的线性控制范围。     

基于CBLRE模型的轴向柱塞泵空化状态检测研究

空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展，需要对柱塞泵的空化状态检测与智能故障诊断展开研究，因此，结合深度学习网络与非线性分类器的优点，提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先，对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强，并对其进行了标准化处理；然后，利用卷积神经网络(CNN)自动提取信号的特征，并对其进行了特征降维处理；利用双向长短期记忆(Bi-LSTM)网络学习特征序列的时间依赖性，利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类，实现了对柱塞泵的空化状态检测与智能故障诊断；最后，为测试CBLRE模型的性能，搭建了实验平台，在此之上将CBLRE模型与其他模型进行了对比，分析了该模型在不同工况下的性能表现。研究结果表明：该模型的结构稳定、训练时间短，且在不同负载下均可保持良好的泛化性能，空化状态识别率均达到99%以上，该结果验证了柱塞泵空化状态识别方法的有效性；此外，该模型还可有效识别空化现象与柱塞泵的其他故障。