进行了基于神经网络的智能化机构振动主动控制的实验研究;设计了具有压电陶瓷作动器与电阻应变计传感器的宏观智能化机构实验装置及其振动控制系统;根据实验样本数据 ,离线设计了神经网络控制器;采用基于神经网络的直接自校正控制策略对智能化机构实施了在线控制,机构的动力学品质得到了显著改善.

针对柱塞泵早期故障时特征信号微弱的问题,首先对采集到的泵壳体振动信号进行极值域均值模式分解（extremum field mean mode decomposition,EMMD）,得到有限模态分量IMF及余量C,然后对IMF分量进行Teager能量算子解调,提取特征频率点的能量信息组成能占比特征向量,并利用分类敏感度对向量进行筛选,最终获得有效特征向量。实验结果表明,采用EMMD-Teager方法能有效对信号进行滤波,方便从频域提取特征,经过筛选后的能占比特征向量可以准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。

在对柱塞泵常见故障模式进行分析的基础上，针对柱塞泵早期故障时特征信号微弱的问题，提出了基于余弦相邻系数（Cosine Neighboring Coefficients,CNC）降噪和EMMD分解的故障诊断方法。该方法首先对采集到的泵壳体振动信号进行CNC降噪，提高信噪比，降低信息复杂度；然后利用基于极值域均值模式分解（extremum fiel dmean mode decomposition，EMMD）方法对降噪后的信号进行有限固有模态分解，并对每个模态分量进行包络谱分析，提取故障信息。试验结果表明，该方法能有效提取柱塞泵的早期故障特征，准确分类柱塞泵正常、柱塞孔磨损及滑靴磨损3种状态。