航空发动机液压管路故障信号中存在强大的噪声干扰,导致其诊断模型的故障识别率较低和诊断模型的泛化性不强。针对这一问题,提出了一种基于改进的时间信息融合模型的航空液压管路故障诊断方法。首先,基于循环神经网络原理,设计了正向和反向的时间信息融合的变形结构,构建出了航空液压管路时间信息融合模型,并通过引入LeakyReLU函数,对模型进行了改进;然后,将实测的一维航空管路时序数据集输入到改进的时间信息融合模型双向循环神经网络(Bi-RNN)中,进行了权重参数的更新;最后,基于同一实测的数据集,分别将其输入到改进的时间信息融合模型、长短期记忆神经网络(LSTM)、循环神经网络(RNN)、支持向量机(SVM)和反向传播神经网络(BPNN)5种故障诊断方法中,进行了训练和对比分析,对相关方法的优越性进行了验证。研究结果表明:利用改进的时间信息融合模

介绍了一种应用液压控制油路的螺旋阻尼带。分析了三角形过流断面的螺旋阻尼器的特点及主要参数的近似计算公式，将新的螺旋阻尼器应用于抽油杆检测台液压系统的压力继电器的控制油路中，起到了良好的阻尼缓冲作用，避免了由压力冲击引起的压力继电器误动作。

在分析教材中典型现有基本回路的基础上 ,提出了一种二调速阀串联两工进速度换接新回路 ,本文对其来源、组成、原理、特点及其应用进行了阐述。新回路具有各调速阀可独自调节及能耗低等新特点 (而现有回路则刚好相反 )

针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影响,提出了非线性自适应卡尔曼滤波器,并用其对仿真信号进行了降噪处理;然后,对液压管路实测振动信号中的随机噪声进行了去除,对深度信念网络模型参数进行了设计,并将液压管路数据集输入到深度信念网络模型中进行了训练;最后,基于同一样本数据,分别采用支持向量机(SVM)和反向传播神经网络(BPNN)等模型进行了训练处理,利用分类准确率等两个指标,对3种故障诊断模型进行了综合评估,对3种模型分类性能进行了对比分析。研究结果表明:采用NAKF-DBN智能故障模型得到的液压管路故障诊断准确率能达到99.72%,SVM模型和BPNN模型等

在图1所示的液压回路中，可以依靠平衡阀平衡活塞及其所受载荷的重力，使活塞可靠地停留在液压缸上端行程中的任意位置其缺点是:由于每个平衡阀的性能不尽相同，所以无法确保几个液压缸同步动作。而且当液压缸与平衡阀之间的元件或管路破损漏油时，活塞还有超速下落的危险。为此设计出图2所示的回路。活塞上升时，工作油以四通换向阀的A口经平衡阀和二通阀流入液压缸下腔。液压缸上腔的工作油则经油管2，四通换向阀的B口和R口返回油箱。

本文对液压系统设计中存在的问题进行了分析，用具体实例阐明了设计系统过程中所存在的误区和解决的办法。

在分析现有基本回路的基础上,文中提出了一种两调速阀串联二工进速度换接的新回路,并对其来源、组成、原理、特点及其在动力滑台双泵供油二工进液压系统新回路中的应用进行了阐述.新回路具有各调速阀可独自调节与能量消耗较低等新特点.(而现有回路则刚好相反.)

在分析现有回路的基础上，文中提出了二调速阀串联两工进速度换接的新回路，且对其来源，组成，原理，特点及应用进行了阐述，新回路具有各调速阀可独自调节及能耗低等新特点而现有回路则不具备。