多任务学习网络结构和参数冗余、网络规模过大,导致网络实时性差的问题;无法获取元件的部分或者全部故障类型样本,导致零样本问题。针对上述问题,提出一种基于元学习优化的轻量化多任务学习网络。为了提高实时性,利用MobileNetV3轻量化网络构建具有多个子任务诊断网络的轻量化多任务学习网络模型;研究了跨元件零样本问题,利用模型无关(MAML)元学习方法,对轻量化多任务学习网络的训练方式进行优化,构建基于元学习优化的轻量化多任务学习网络;最后,从不同微调步数和测试任务数角度,测试了所提网络的诊断性能。通过齿轮和轴承多元件的实测故障分析可知,所提方法可以实时高精度地解决多任务故障诊断问题和跨元件零样本问题。

RedNet网络自带的余弦退火算法易使学习率陷入局部极小值,出现拟合现象,导致精度过低。针对此问题,对RedNet进行改进处理,提出了两种MicroNet-RedNet和MobileNetV3-RedNet新型网络。基于RedNet的Involution核思想,用MicroNet网络的微分解卷积和Dynamic Shift-Max动态激活函数对RedNet网络进行改进处理,提出了MicroNet-RedNet新型网络;利用MobileNetV3网络的h-swish激活函数和Squeeze-and-Excitation模块对RedNet进行改进处理,提出MobileNetV3-RedNet新型网络。通过对滚动轴承的实测内圈、外圈和滚动体3种故障的诊断分析可知:所提MicroNet-RedNet和所提MobileNetV3-RedNet可有效地诊断上述故障,诊断精度分别高达98.57%和93.81%,且较传统CNN和原算法RedNet的诊断精度提高很多。

基于充足样本的多个设备元件导致多任务学习网络规模庞大,轻微和严重的跨元件零样本问题难度大。在多种样本量(充足样本和零样本)下,针对基于充足故障样本的多元件诊断网络规模过于庞大问题,引入MicroNet方法对多任务学习网络进行轻量化处理,然后利用热重启余弦退火算法优化上述网络,提出一种多任务轻量化学习网络模型,改善多任务学习网络的准确率和效率。针对更高难度的跨元件零样本问题,引入元学习方法进一步改进上述MT-MN-CA,进而提出一种改进多任务轻量化学习网络模型,解决轻微和严重的跨元件零样本问题。通过实测液压泵和滚动轴承故障验证所提两个网络模型的有效性和优越性,试验结果表明所提网络具有很高的实时性和准确率。

将滑阀微米配合间隙简化为二维模型,敏感颗粒外形近似为方形.运用COMSOL软件中流固耦合模块的任意拉格朗日-欧拉方法,对方形微米颗粒在滑阀间隙内的运动特征进行仿真研究.发现了颗粒在滑阀间隙中的旋转现象,此现象从微观层面科学地解释了非圆球形颗粒物诱发滑阀卡滞的机理.流固耦合计算显示,微米颗粒跟随油液流动的同时,颗粒在间隙中产生旋转运动,同时颗粒中心的运动轨迹有上下波动;均压槽中颗粒中心的运动轨迹呈抛物线状,径向位移的最大值约为均压槽深度的1/4,随着方形颗粒尺寸的增大,其沿径向位移的最大值呈减小趋势.

液压阀口节流升温不仅会造成能量损失,而且会引发热变形,造成滑阀滞卡,影响液压机械的稳定性甚至安全性。深入研究阀口温度分布是准确预测热变形的前提。本研究将微小热电偶嵌入简化的平面阀口,测量了阀口开度x在1~3 mm、入口压力p_(in)在0.5~3.0 MPa范围内、阀口节流过程中的壁面温度分布。实验表明:阀口节流升温速度随压差增大而增大,x=2 mm,p_(in)=3.0 MPa时,初始升温速度可达到0.79℃/min;节流作用下的阀口温度分布不均匀,阀口开度较小时温度梯度对压差较为敏感,x=1 mm、p_(in)=3.0 MPa时,阀口壁面的最大温差可达到7.86℃;阀口尖角部位通常会产生明显的局部高温,在3.0 MPa下升温110 min可达到72.9℃,但是在大开度或大压差情况下,阀口竖直壁面亦会产生局部高温。针对这一现象,结合ANSYS Fluent软件中的Fluid-solid-heat coupling模块和Mixture多相流模型进行了综合分析,结...

针对滚动轴承的内圈和外圈故障诊断问题,提出了一种基于辛几何模态分解(SGMD)、敏感参数和核模糊C均值聚类(KFCMC)相结合的方法。基于SGMD研究了实际测量的液压泵多模态故障振动信号;基于所提出的相似性分析法,将含有丰富运行特征信息的模态分量进行重构,并将其作为数据源;基于数据源提取时域和频域参数,并利用流行学习法筛选出峭度、裕度指标和峰值指标等敏感参数作为特征向量;利用KFCMC实现对内圈和外圈不同故障的诊断。通过对滚动轴承内、外圈故障振动信号的仿真和实测,验证了该方法可以有效地诊断滚动轴承不同故障。

空化现象常发生在液压阀口处,严重影响着液压系统的控制精度,并伴有强烈的振动和噪声。针对液压阀口空化现象,运用可视化的实验方法,研究了油温对空化体积的影响。结果表明,在液压阀口处,当进出口压差一定时,随液压油温度升高,空化体积逐渐增大。当油液温度在30℃到60℃之间时,油温与空化体积近似呈线性关系。

针对车辆悬架使用最优控制时,评价指标难以客观选取加权系数的问题,提出一种基于遗传算法的半主动悬架最优控制方法。在MATLAB/Simulink环境下,首先建立1/4半主动悬架模型、被动悬架模型及随机路面模型。其次,进行磁流变阻尼器的标定试验,得到不同工况下的阻尼器位移、速度曲线。利用参数拟合工具箱和BP神经网络建立修正的Dahl参数化正向、逆向模型,并进行拟合验证。再次,在最优控制理论的基础上,应用遗传算法对半主动悬架评价指标的加权系数进行选取,建立遗传最优控制器。最后,进行仿真验证与分析。结果表明:应用遗传算法来确定最优控制器的加权系数,提高了车辆的平顺性。

锥阀是压力控制阀中常用的阀结构形式,其阀芯的轴向振荡直接影响着压力控制阀的调压精度和工作稳定性。针对先导级锥阀,将动态重叠网格技术与可视化试验相结合,对锥阀振荡时启闭空化的产生原因进行了研究。结果表明:开阀时产生空化的原因是由于阀口开启时的射流;关阀时产生空化的原因是由于断流后液体惯性产生的低压压力波,且改变阀芯运动速度会对流动造成影响。

综述了近来年电液伺服系统动态特性的研究成果及现状，并对其发展趋势进行了分析与展望。提出将现代非线性振动理论引入电液伺服系统，应用非线性动力学的理论揭示伺服系统动态过程的本质和机制，对系统进行状态监测和智能故障诊断，具有十分重大的意义，在科学与工程中具有广阔的应用前景。