针对煤矿综采工作面液压支架传统控制方式存在安全性能差、控制精度较低、压力波动较大等问题,研究了煤矿综采工作面液压支架协同控制安全运维技术,结合智能传感检测技术和耦合控制机理,提出了一种液压支架自适应协同控制安全运维系统,采集和分析液压支架的姿态和位置全过程数据,以实现液压支架之间的协同控制。通过在某煤矿井下1107综采工作面现场安装和应用后得出液压支架协同控制技术能根据围岩性质自动协调控制液压支架状态,集中控制采集的现场数据,从而实现对液压支架的协同控制,控制系统可自动调整千斤顶,控制误差不超过3.5%,取得了满意的实验结果。

常规的液压泵健康状态识别方法,主要采用信号幅值特征识别出健康状态,忽略了共振频率的影响,导致识别结果状态相关度较低,因此,提出了基于可变记忆深度长短时记忆网络(Variable Memory Depth Long Short-Term Memory,VMD-LSTM)的液压泵健康状态识别研究。利用VMD-LSTM结合的算法,通过3个步骤对液压泵信号进行去噪、预加重以及分帧处理,分析了处理信号与液压泵材料之间的共振频率,由此提取出排除共振频率影响的时域特征,将该特征代入到算法中识别得出液压泵的退化率健康状态。实验结果表明方法能够实现对液压泵健康状态的识别,并且状态相关度较高,识别结果较为准确,满足了液压泵在实际应用中的安全运维需求。

针对BP神经网络模型在刀具监控中收敛速度慢容易出现局部极小化问题,提出一种基于鱼群算法(AFSA)的BP神经网络优化算法。采集振动钻孔的声发射(AE)信号,使用小波包算法对数据进行降噪和特征提取。使用鱼群优化算法(AFSA)对BP神经网络预测模型进行优化,使用优化后的模型对测试集数据进行模式识别,对比各模型识别精度。结果表明使用鱼群优化后的算法(AF-BP)模型能够降低神经网络陷入局部极小化的情况,提高神经网络对刀具磨损的识别精度。

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。

针对螺栓出现松动故障信号产生非线性、非平稳的现象,提出一种基于VMD与LSSVM模型相结合的螺栓松动状态识别方法。搭建螺栓松动实验平台采集螺栓松动状态下4种工况的振动信号;利用VMD分解对螺栓松动状态各个工况下的振动信号进行分解,并计算VMD分解后各模态分量的能量熵,最后以各工况下VMD分解的各模态分量能量熵为特征构造特征向量矩阵,通过LSSVM模型进行训练与状态识别。实验结果表明:该方法可以有效的识别出的螺栓松动状态,并通过与EMD-LSSVM模型进行对比,验证了该方法用于螺栓松动状态识别的有效性、可行性与相较其EMD分解方法的优越性。

轴向柱塞泵是液压系统的动力元件,其健康状态影响着整个液压系统的性能。磨损是轴向柱塞泵典型的渐进性故障,因此该文针对轴向,在磨损加速寿命实验的基础上,提出了一种基于流场分析轴向柱塞泵磨损退化状态识别方法。首先,对轴向柱塞泵配流副的磨损泄漏机理进行理论分析,通过有限元法计算得到配流副油膜厚度,将其作为柱塞泵内部流场模型的边界条件;其次,采用动态网格技术对轴向柱塞泵内部流场进行仿真模拟,从不同压力、转速、磨损间隙这三个角度,对柱塞泵性能退化进行仿真分析;最后,通过实验对仿真结果进行了验证。结果表明,该方法能够识别六种被试样本的磨损退化状态。研究结果不仅为磨损退化的研究提供了解决方案同时也为柱塞泵的预测性维护提供了强有力的技术支持。

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。

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...