针对液压泵振动信号具有非线性、非平稳性,以及信噪比低等特点,提出了基于完备总体经验模态分解和模糊熵结合的液压泵性能退化特征提取方法。首先,使用完备总体经验模态分解方法对液压泵振动信号进行分解,得到若干个固有模态函数分量。其次,求取各个分量与原始信号的相关性,选取相关性较高的前几个分量作为有效分量并求其模糊熵,实现液压泵的退化特征提取,形成特征向量。最后,以液压泵不同退化状态下的实测数据为例,使用基于变量预测模型的模式识别方法对提取的特征向量进行验证。实验结果表明,该液压泵退化特征提取方法具有较高的精度,使退化状态识别的准确率提高到了100%。

简要介绍了建立挖掘机执行器状态识别系统重要性,以中联重科20t级履带式液压挖掘机为实验机械,使用实验设备对其最常用的执行器甩方工况的运行状态开展识别实验,通过数据采集、数据预处理和模型训练,通过分析识别结果,得出预训练LIBSVM模型可以实时识别挖掘机执行器的运行状态,证明了该方法的可行性。

局部气象参数实时数据是船舶航行、飞机起降所需要的非常重要的海洋气象参数。这些参数实时数据中的奇异数据对航行导航可能会导致危险后果。提出了一种基于径向基概率神经网络的气象重要参数状态识别方法用来识别奇异数据。将气象参数实时数据作为神经网络的输入，参数对应状态作为输出，通过对径向基概率神经网络模型训练，实现数据状态识别，将故障奇异数据进行有效识别。保证了气象观测系统输出数据的可靠性。实验结果表明，该方法可靠，且具有较好的泛化能力，能够实现气象参数实时数据状态的有效识别。

针对液膜密封状态监测领域无损监测开发不足、信号特征评估困难以及摩擦状态判别智能化特性缺乏的问题,提出一种基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法。该方法将声发射无损监测技术应用于液膜密封的摩擦状态监测,卷积神经网络作为液膜密封摩擦状态自主决策的实现手段,声发射信号的时频信息作为卷积神经网络的特征输入,分析短时傅立叶变换、S变换以及小波变换3种时频分析方法对卷积神经网络识别性能的影响。结果表明:对于液膜密封的声发射信号,3种时频分析方法与卷积神经网络结合的优选顺序为:短时傅立叶变换、S变换、小波变换;基于声发射时频分析与卷积神经网络的液膜密封摩擦状态识别方法准确率较高,相比其他识别方法取得了较好的识别效果。

精冲机液压系统元部件数量众多,能量损耗特性复杂,一直缺少低成本高性能的监测方法。为解决该问题,提出了一种基于三相电信号的精冲机液压系统工作状态和能耗智能云端监测平台,将液压系统功能元部件绑定为功能单元,建立了总消耗的功率信号与液压系统工作阶段预测和功能单元能耗之间的深度学习模型,实现了精冲机工况和功能单元能耗的智能识别与预测。以KHF500型液压精冲机为研究对象,基于一维卷积神经网络模型搭建了精冲机智能云端监测平台。结果表明,该平台能高精度识别精冲机的工况类别和预测各功能单元的实时能耗。

机车牵引座的安全可靠性对机车运行的安全性起到重要作用,因此对机车牵引座状态识别研究具有重要的经济价值和社会意义。为了开展牵引座的正常、小裂纹、大裂纹等3种状态识别研究,搭建机车牵引座的模拟实验台,用加速度传感器采集不同状态的振动信号,对原始数据进行时域特征提取,并进行集合经验模态分解(EEMD)提取时频域特征,采用K邻近算法(KNN)进行牵引座状态识别。实验结果表明:基于EEMD-KNN模式识别方法能对机车牵引座状态进行有效识别,识别率达到83.3%;而且添加时域特征之后的识别率更高一些,识别率达到90.5%。

为了提高泵站驱动液压扳手作业的工作效率及实现扳手的自动判停,分析泵站输出油压、扳手活塞位移、螺栓扭矩随时间变化的对应关系,提出一种基于PCA-SVM油压状态识别的液压扳手判停方法,通过主成分分析(PCA)提取不同油压状态下的特征参量,作为支持向量机(SVM)的输入,完成对油压阶段的准确识别,间接实现对泵站做功状态的识别。通过缩短泵站无用功时段以提高有用功时段在加压周期所占比重,达到提高扳手工作效率的目的;并根据有用功时段油压与螺栓扭矩的对应关系实现扳手的自动判停。实验结果表明:该方法能够在提高泵站作业效率的同时实现扳手的准确判停。

为了给机械设备提供更准确的故障预测诊断,采用小波分析的方法对滚动轴承的振动信号进行特征提取与分析,并提出一种新混合模型（即将状态空间模型与隐半马尔可夫模型相结合的混合模型）的故障预测诊断方法。首先在动态观测系统中建立故障状态方程,将故障作为关键因子,并在混合后的模型中给予相应的证明,通过对其分析处理、使用预测模型进行训练以及对比分析设备的退化状态,给出合理的预测方案,然后对其进行深入分析,最后得出研究结论。

以机械工程中液压动力系统为对象，在理论分析以及大量试验研究的基础上，给出了基于电流信号功率谱特征的液压动力系统4种运行状态标准模式。提出了基于灰色关联度计算的模式识别方法，该方法能很好地识别出液压动力系统正常以及电动机故障、机械故障、油泵故障的发生。此外，灰色关联度算法简单、计算量小，可以实现在线监测

以液压系统运行状态在线监测、故障诊断以及功率优化控制为研究目标,提出将电动机三相交流电源的电压、电流信号用李萨如图产生单相及三相信息融合方法。利用机电动力学建立交流电动机驱动液压系统的动态功率平衡方程,分析电、机、液能量的转换和耦合过程,在此基础上提出用三相电气参量提供的幅值、相位、相间和相序信息绘制单相和三相李萨如动态图形,由数学分析推导出李萨如图形面积、外接矩形、摆动角度等特征量与交流电功率之间的函数关系,通过计算李萨如图特征量的变化实现对液压系统运行状态、运行工况以及功率匹配情况进行在线监测,形成基于电参量信息融合的液压系统运行状态识别技术。研究结果表明,单相李萨如图形面积可线性表示液压系统负载功率的在线状态,其外接矩形面积表示电源负荷状态,由此构成的功率圆可以...