针对复杂液压系统中主要元件故障诊断问题,提出一种基于一维卷积神经网络(1D-CNN)和双向长短时记忆网络(BiLSTM)实现多传感器信息融合的故障诊断模型,对柱塞泵和节流阀进行故障诊断。在模型中,首先对多种传感器采集到的信号进行数据级融合,然后利用CNN提取融合信号的故障特征并进行降维,之后利用BiLSTM学习信号中正反向数据特征,最后使用Softmax进行分类,实现对柱塞泵和节流阀故障的诊断。实验结果表明,提出的方法能够自动提取信号中的故障特征并考虑信号中所包含的正反向数据特征,柱塞泵诊断精度可达96.3%,节流阀诊断精度可达94.28%,实现了对柱塞泵和节流阀故障状态的准确可靠诊断。

设计以PLC为核心变频调速恒压供水控制器，采用双闭环自整定模糊PID控制算法，以水泵电动机的转速和管网水压为设定参数，实现恒压供水。该系统实时控制性能良好，节能效果显著。

为达到虚拟检测光纤水听器信号的软件程序设计的目的,采用其输出信号特点,依据非NI采集卡特性,对3×3耦合解调原理和数学模型进行分析和比较,做了干涉型光纤水听器ITT虚拟检测方案,通过调用动态链接库开发基于Lab-VIEW的数据采集程序,编写数据处理和显示程序,开发光纤水听器3×3耦合器零差解调法虚拟检测系统。得到该虚拟检测系统具有很好的幅值适应性和低频特性的结论。

中央空调作为广泛使用的高能耗系统,其节能问题受普遍关注。针对传统的定流量方法存在的问题,本文提出采用改进的负荷随动跟踪方法,实时监测中央空调的负荷,并由计算机控制水泵电机,降低主机能耗。利用模糊神经网络理论,建立符合随动跟踪的模型,并利用实际数据进行系统仿真。仿真结果表明,此方法提高中央空调的工作效率,实现良好的节能效果。

以SolidWorks 2004和Windows XP为平台，采用Visual C＋＋、Microsoft Access等开发工具，应用面向对象的程序开发方法，开发出一个具有可扩展性和实用性的机床夹具三维标准件库。

仿真分析是对复杂的起落架和液压系统进行性能分析的主要方法。针对起落架液压收放系统的健康管理问题,在分析系统工作原理和故障特性的基础上,以AMESim软件作为仿真平台,建立起落架液压收放系统的结构模型,仿真了系统的工作过程,获取多个部件不同健康状态的性能参数数据,为后续故障诊断、健康状态监测与评估奠定了基础。

为了实现液压系统中冷却器的故障状态识别,本文提出一种利用粒子群算法优化的深度置信网络(PSO-DBN)实现多传感器信息融合的故障诊断模型。在所提出的模型中,对来自不同传感器的信号进行特征计算与选择并采用多传感器融合方法进行特征级融合送入深度置信网络实现冷却器故障状态的识别。同时采用粒子群算法自适应地选择深度置信网络的超参数,包括隐藏层节点数、反向迭代次数和反向学习率,以确定网络的最优结构,进而提高深度置信网络的诊断精度。本文采用加利福尼亚大学欧文分校机器学习与智能系统中心的液压系统数据集进行验证,实验结果表明,与深度置信网络、遗传算法优化的深度置信网络、粒子群算法优化的支持向量机相比,PSO-DBN能够有效地提取数据中的内在特征,冷却器的故障状态平均识别精度可达98.77%,实现了对冷却器故障状态的...