深度学习因其强大的学习能力使得数据驱动的轴承剩余寿命预测方法发展迅速,人工建立性能退化指标费时费力,缺少不同传感器数据之间相关性的考虑;宜采用一种新的深度可分卷积神经网络DSCNN(Deeply Separable Convolutional Neural Network),将多种传感器采集的监测数据作为DSCNN网络输入,基于可分离卷积和信息特征响应自动调节运算,构造具有残差连接功能可分离卷积构造块。通过叠加多个可分离的卷积构造块,从输入数据中自动学习高维表示。通过将学习到的信息输入到完全连接的输出层来估计RUL(Remaining Useful Life)。利用滚动轴承加速退化试验振动数据对所提出的DSCNN进行了验证。实验结果表明,所提出的DSCNN能够基于原始的多传感器数据提供准确的RUL预测结果,并且优于现有数据驱动预测方法。

本文分析了独立光伏系统在解决边防及海岛部队供电难题和生态营区建设等方面的应用，讨论了独立光伏系统存在的主要问题，分析了能量控制策略的现状和蓄电池分组控制策略，给出了分组原则，研究了控制电路的结构和原理。实践证明，分组充放电对于提高供电可靠性，延长蓄电池寿命有一定的现实意义。

本文讨论了电液比例控制器的PWM控制原理，介绍了比例电磁铁线圈电流的数学模型。在此基础上对电液比例控制器的控制方法进行了分析，并以FPGA为核心构建了电液比例控制器的硬件平台，具有很好的灵活性和稳定性。

根据偏导射流阀前置级的结构以及内部油液的流动特性,将前置级射流过程分为两个阶段。采用标准k-e模型对前置级流场进行了两相流二维数值计算,对两次射流过程中油液的流动形态以及流场压力和速度分布特点展开研究。分析得出,初次射流为自由紊动射流,二次射流为冲击射流,并发现在偏转板处于中位时两接收腔外侧圆弧拐角低压区处出现空化现象。偏导射流阀实际工作过程中偏转板会发生偏移,因此,建立了不同偏移量下的仿真模型,分析了不同偏移量下流场信息的变化规律,获得了前置级流场的压力云图以及对应的速度矢量图。利用仿真结果中两接收腔压力值和V形槽两侧壁静态压力数据,分别计算出了前置级流场的压力增益和液动力的大小。为偏导射流阀基础特性的深入分析奠定了基础,并对该类阀设计的改进和优化具有理论指导意义。

讨论了电液比例放大器的PWM控制原理，给出了比例电磁铁线圈电流的数学模型。在此基础上对电液比例放大器的控制方法进行了分析并给出了具体电路；利用EDA仿真软件，对该电路进行了仿真。该电路已进行了实物测试，测试结果与仿真结果相符，符合设计要求。研究结果为电液比例放大器的设计提供了依据。