针对普通φ260镗床的结构特点,提出了机械和液压系统必须改造的内容。介绍了西门子840Ds L数控系统功能,用PLC软件编程实现电气辅助控制功能,完成S120伺服驱动系统优化调整,通过机电一体化的整体安装调试,使该机床的定位精度、控制功能、可靠性等各项指标均达到了较高的设计要求,将普通旧机床升级改造成具有现代技术水平的数控机床。

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明:与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明:所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。