提出基于粒子群优化(Particle Swarm Optimization,PSO)的极限学习机(Extreme Learning Machine,ELM)的液压油性能衰退预测方法。以L-HM46抗磨液压油为研究对象,设计液压油性能衰退实验,检测油液的黏度、张角、水分含量、衰退度。基于提出的液压油性能衰退预测方法,利用遍历搜索和PSO算法分别对ELM的外部、内部参数进行优化选取,从而建立最优的性能衰退预测模型。将油液的黏度、张角、水分含量作为模型输入特征向量,衰退度作为模型输出,采用PSO-ELM性能衰退预测模型对液压油性能进行仿真分析。结果表明:PSO-ELM算法计算结果与实验数据吻合较好;PSO-ELM算法预测精度达到了98.47%,高于ELM算法的预测精度,表明PSO-ELM算法能更准确地预测液压油的衰退情况,为确定换油时机提供参考。

对由变频装置、压力变送器、数显仪表及工业水泵组成的控制系统进行了理论分析和工程实践.通过分析各个组成部分的原理、功能及整体的系统构成,提出了一种可靠稳定的控制方式,为由此衍生出的各类复杂控制系统提供了详实的理论依据及工程案例.