粗糙集在液压泵故障诊断研究中的应用

针对液压泵故障诊断的现实需要,提出了基于粗糙集理论的故障诊断方法.该方法利用小波分析对测量的原始数据进行去噪处理并结合Labview软件进行特征提取,得到揭示其内在规律的数据信息并建立故障诊断决策表.采用粗糙集理论提取决策表中的诊断规则,为液压泵的故障诊断提供有效的依据.通过实验证明了该方法可有效的应用于液压泵的故障诊断.     

变结构控制中抖振问题的研究

研究了变结构控制理论产生抖振的主要原因,并给出了多种削弱抖振的方法.在此基础上,为某液压伺服系统设计了一种新型变结构控制器,并进行了仿真研究.仿真结果表明,该变结构控制器既能保持较强的鲁棒性能,又能有效地削弱系统抖振现象.     

基于RQA与GG聚类的滚动轴承故障识别

提出递归定量分析与GG聚类相结合的滚动轴承故障识别方法。利用能够表征信号发散程度的RQA参数--确定率和分层率组成轴承故障识别的特征向量,结合GG模糊聚类实现滚动轴承故障模式识别。对实际故障数据进行分析,结果表明,该方法不仅能够识别滚动轴承的不同程度损伤,而且能够实现不同部位的轴承故障诊断。研究结果为滚动轴承故障识别提供了一种高效、直观的新方法。     

混沌运动特征的数值试验分析

阐述了混沌运动的特征,以Duffing方程系统为例详尽地阐述了混沌运动特征的数值试验分析方法,包括相轨的直接观察法、频闪采样法、Poincare截面法、赝相空间法、自功率谱法、Lyapunov指数及分维数分析法,对混沌工程学的研究具有一定的指导意义。     

二通插装阀非线性动力学行为

为研究二通插装阀主阀芯在压力脉动条件下开启过程中的非线性振动问题,考虑管道容积效应,建立了插装阀主阀芯动态过程的非线性动力学模型,利用MATLAB/Simulink进行了数值仿真。首先根据模型中油源压力不存在脉动项和存在脉动项两种情况,通过时域图以及相图研究了插装阀主阀芯的开启特性;然后,在考虑油源压力脉动的条件下,分析了油源的不同压力等级对插装阀主阀芯动力学行为的影响;最后,针对不同管道长度,研究了管道长度对插装阀主阀芯动力学行为的影响。结果表明：油源压力脉动会引起插装阀主阀芯出现振动行为;在相同油源压力脉动条件下,随油源压力增大,主阀芯振动行为减弱,不易发生碰撞行为;泵出口到阀组间管道长度越长,主阀芯越容易发生非线性振动行为,并伴随着阵发性振动行为的产生。研究结果为探究大型插装阀的失稳机理提供了理论依据。     

神经网络软测量模型中全共轭梯度算法

将神经网络运用到动态流量的软测量中,探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的一个难点和热点问题,详细论证了一种新的BP神经网络算法——全共轭梯度算法及其改进,最后通过试验验证了该算法的性能。该项研究对BP神经网络具有广泛的参考价值。     

基于双树复小波和深度信念网络的轴承故障诊断

提出了一种基于双树复小波(DTCWT)和深度信念网络(DBN)的轴承故障诊断新方法。采用DTCWT对轴承振动信号进行分解实验,结果表明DTCWT能够很好地将信号分解到不同频带。进而提取能量熵作为故障特征,采用DBN小样本分类模型对轴承故障进行分类,并与传统分类器进行比较,结果表明该方法能准确识别不同故障类型,扩展了DBN在机械故障诊断中的应用。     

基于混沌振子的微弱信号检测方法及应用

分析了Duffing振子的混沌运动，阐述了该振子相变对与参考信号频差较小的周期小信号具有的敏感性，对白噪声和与参考信号频差较大的周期干扰信号具有免疫力，使Duffing振子应用于微弱信号检测具有可行性，检测不同频率的信号需要不同频率的参考信号，不同的参考信号频率会对系统产生很大影响，通过调整系统参数使得振子对不同频率牟信号检测具有普遍性，给出了基于混沌微弱信号检测的具体方案。     

基于最优扁平型结构元素长度的液压泵故障诊断研究

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。     

基于神经网络软测量的动态流量测量方法研究

文章以圆管中的粘性流体为研究对象,分析了管道中压差、温度、速度的变化对动态流量的影响,设计出了用于软测量建模的RBF神经网络结构;与此同时,还设计了动态流量测量管,并在伺服阀动态性能试验台上采集了相关数据,其间采用超声波类时差法测量了流速信息;利用采集的数据基于NeuroSolution软件对RBF网络进行了学习训练、检验和测试,最后建立了动态流量的软测量模型;通过将流量预测曲线与实测曲线相对比,结果发现该软测量模型具有很高的逼近精度,它可为动态流量的测量提供一条新的途径.