为了提高正流量变量泵的性能,提出基于RBF最小参数学习法的正流量变量泵滑模自适应控制方法。分析正流量变量泵电液伺服系统的动力学特性,并进行系统辨识实验获得较为精确的系统数学函数模型;基于RBF最小参数学习法设计滑模控制器,在系统参数不确定性、摩擦力干扰和系统泄漏等非线性因素的情况下实现对目标流量的跟踪响应和自适应控制;最后利用MATLAB/Simulink对正流量变量泵的控制系统性能进行仿真实验,并和传统的PID控制器和模糊PID控制器进行比较。仿真实验结果验证了所设计控制方法的可行性和有效性。

为实现对挖掘机作业循环各工作阶段的自动识别,采用以执行机构先导压力、主泵压力和功率为识别对象的智能识别方法.根据执行机构先导压力的变化划分工作阶段,并用主泵压力和功率验证.以各工作阶段起始特征波形作为其起始标志,以时间窗滑移方式提取起始特征并确定最佳时间窗宽度,采用深度学习的方法识别各标志.对比了深度学习中分类识别领域应用广泛的ResNet和LSTM的识别效果,发现LSTM的识别效果更好,对测试集的识别准确率最高可达到99.75%.采用LSTM对测试数据进行识别,识别正确率仅有82.54%,说明存在误识别.提出以挖掘机工作阶段的逻辑顺序和设定主泵功率阈值作为校正依据对误识别进行校正,识别正确率可提升至99.72%.结果表明,该方法识别准确率高,可有效识别作业循环各工作阶段.

大型挖掘机的散热系统通常采用独立散热的方式,独立散热方式可根据散热需求动态调整功率消耗,能明显降低给整车带来的负载。掌握液压独立散热系统稳态负载特性,能为整机功率匹配、节能控制提供基本依据。通过理论建模、实车理论数据代入计算、实验测试,对比了理论计算和实测结果,验证了液压独立散热系统稳态模型的有效性、准确性。