针对液压信号复杂且难以诊断的难点,提出一种多尺度一维卷积神经网络与多传感器信息融合的深度神经网络模型(MS1D-CNN-MSIF)对液压泵与蓄能器进行故障诊断。在提出方法中,采用不同大小的卷积核对故障信号进行多尺度特征提取;然后使用多传感器信息融合策略将多个传感器的特征信号进行融合,最后使用Softmax进行分类识别。诊断蓄能器压力状态与液压泵泄漏状态的实验结果表明,与支持向量机、堆栈自编码、深度置信网络比较,提出模型具有更好的故障诊断性能,蓄能器识别精度可达99.50%,液压泵识别精度可达99.73%。

针对压铸机能耗高、能量利用率低的问题,提出一种基于能量流和仿真的压铸机能耗模型,研究压铸机能耗特性与重要工艺参数对系统能耗的影响;针对压铸机能耗等级评估周期长、成本高的问题,提出一种基于能耗模型仿真测算压铸机能耗等级的新方法。分析压铸机的能量流特性,根据其能耗分布规律和能量守恒原理,构建压铸机能耗计算模型;采用AMESim与C语言联合仿真,建立压铸机液压系统能耗仿真模型,研究压铸机不同增压压力与不同快压射速度对系统能耗的影响;仿真得出压铸机能耗数据,并按相关标准评估压铸机的能效等级。研究结果显示合开模过程能效较高,有用功约占总能耗的50%;压射过程能效较低,有用功约占总能耗的21%,快速压射阶段瞬时功率非常高;增压压力与快速压射速度变化均对压射机构能耗影响较小;仿真测算出的压铸机能效等级与实测结果...