阀控非对称缸全液压转向系统建模与动态性能分析

随着无人驾驶汽车的发展,对汽车转向系统响应的快速性、准确性和稳定性要求越来越高。分析阀控非对称缸液压转向系统的四边滑阀压力-流量特性、阀控缸的连续性方程和液压缸的力衡方程,对转向系统的转向阻力矩进行分析,建立双阀控非对称缸液压转向系统的数学模型,采用MATLAB/Simulink软件对系统的时域和频域特性进行仿真分析。开发试验系统的数据采集程序,对转向系统试验平台的数据进行采集并对试验结果进行分析。仿真结果和试验结果对比表明:该系统满足工程实际要求,仿真结果与实测结果一致性较高,建模准确。     

免疫支持向量机方法在液压泵故障诊断中的应用

针对在液压泵故障诊断中故障样本难以获得的问题,融合人工免疫系统中的实值否定选择算法和支持向量机算法提出了一种混合的故障诊断方法。在该混合方法中使用算法产生非己集合（故障样本）,将其作为算法的输入进行训练,解决了难以获得故障样本的难题。应用小波分析完成液压泵端盖振动信号的消噪及特征提取。最后用柱塞泵脱靴故障样本进行诊断,正确率可达90％,验证了混合诊断方法的有效性。     

强噪声中弱信号检测的混沌方法及超声系统的实现

本文对混沌振子Duffing方程进行了研究,推导出系统发生间歇混沌现象的频差条件.结合该振子阵列的间歇混沌现象锁定强噪声背景下微弱信号频率,从而可以确定有用信号幅值和相位,并给出超声信号检测系统的实现方法和实验结果分析.     

液压CAT技术的发展现状与展望

依托于计算机技术、微电子技术的飞速发展，液压计算机辅助测试(CAT)技术也不断进步。从液压CAT系统的硬件、软件方面介绍了其发展现状，并对其发展前景作了预测。     

多模型Stacking集成学习的旋转机械故障诊断方法

针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题，提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提取；然后通过贝叶斯优化和网格搜索结合的方法调节各基学习器的超参数，采用DT、KNN、SVM及RF作为初级学习器，LR作为次级学习器构建Stacking异质集成学习模型；最后通过滚动轴承和液压泵故障模拟试验，将所提模型与单一模型、同质集成模型进行比较分析。试验结果表明，异质集成Stacking模型在不同旋转机械的故障诊断中均获得了最佳的整体诊断性能。异质集成是提高旋转机械故障诊断性能的有广阔应用前景的解决方案。     

电液伺服阀性能测试试验台的改造

介绍了电液伺服阀性能测试试验台的改造方案。改造后的试验台既能进行静态特性测试又能进行动态特性测试。系统采用比例节流阀加载方法以及基于虚拟仪器的ＣＡＴ技术,实现了测试过程的自动化。