以激光加工多孔端面机械密封为研究对象,建立符合Gauss概率分布的表面粗糙度模型,利用Fluent软件模拟研究了密封端面不同部位表面粗糙度对密封性能的影响规律,并通过正交试验进一步分析了不同部位粗糙度对密封性能的影响程度.结果表明液膜开启力和摩擦扭矩随端面粗糙度、转速的增大而增大;泄漏量随端面粗糙度的增大而减小、随转速的增大而增大;3个部位表面粗糙度对开启力增大、摩擦扭矩增大和泄漏量减小的影响程度为动环凹腔区粗糙度影响最大,静环端面粗糙度影响次之,动环非凹腔区粗糙度影响最小.

针对复杂机械振动信号压缩感知过程中存在的稀疏字典构造困难问题,提出了基于QPSO分类的自适应稀疏字典构造方法。该方法根据信号的分割尺度,将信号进行分块,并利用每一信号块的能量大小,构造能量序列,利用QPSO对能量序列进行优化分类,保证不同类别间能量序列的方差最大,从而实现对信号块的分类,采用K-SVD对不同类信号块分别进行稀疏字典的自适应学习训练,产生与信号相适应的稀疏字典,用于机械振动信号的压缩感知重构过程。通过滚动轴承实测信号在不同状态下的压缩感知实验表明：所提方法能够有效提高信号重构的峰值信号比,改善机械振动信号的重构效果。

针对振动信号非平稳性和特征优化选择的问题,提出一种基于EMD和GA-PLS的特征选择算法。在该算法中,首先,采用EMD方法将振动信号分解成多个固有模态函数（Intrinsic Mode Function,IMF）,对IMF分量建立自回归（AR）模型,以AR模型系数和残差作为初始特征向量,然后,遗传算法与偏最小二乘法相结合（GA-PLS）的算法对初始特征向量进行筛选得到新的特征向量,最后,以新的特征向量为输入,建立分类器,用来识别手动换向阀的工作状态和判断故障类型。实验结果表明,采用该特征选择算法能准确地选择出特征,并能应用于手动换向阀的故障诊断。

针对装备油液磨粒在线超声检测技术的重点和难点问题该文在深入研究机械设备磨损机理和检测技术的基础上分析了磨粒声散射理论模型的建立、超声散射信号处理、超声散射信号特征提取、磨粒智能识别及超声在线检测系统研发五个方面的研究现状为后续的研究提供理论依据和技术支持。

油液污染是引起液压系统故障的主要原因。该文建立了基于灰色残差的修正模型、时间序列和神经网络的优化组合预测模型，并将该模型应用于液压油液污染度的预测，实验结果表明，该模型在油液污染度预测中取得良好的效果，对实际油液污染监测具有一定的价值。

主要研究了AdaBoost算法在液压系统故障诊断中的应用。为了解决＂一对一＂算法和＂一对余＂算法的分类速度随着训练样本数或类别数的增多而变慢的问题提出了基于决策树的AdaBoost算法。利用CART算法构造决策树建立AdaBoost分类器并根据样本数据的分布情况使得在决策树中每一个节点的最可分类别尽可能分开。将该算法应用于某型装甲车辆液压系统故障诊断结果表明：该算法的性能优于其他两个算法具有更高的通用性。

超声波油液磨粒测量技术具有检测灵敏度高、穿透力强、费用低等诸多优点是装备油液在线监测领域极具潜力的技术。基于VC＋＋软件设计了一套超声磨粒在线监测系统由聚焦式超声波传感器、超声波检测卡、计算机等构成硬件系统信号采集模块、数据处理模块和监测结果显示模块构成软件系统实现了磨粒超声散射信号的在线实时采集、数据处理和结果显示功能。实验结果表明：该系统能很好地实现油液磨粒的在线监测。

油液在线监测技术相比传统的离线检测具有实时性、同步性、连续性等优点，超声波具有良好的实时性、较高的空间分辨力、较强的油液穿透性，因此发展超声磨粒在线监测技术具有重要意义。本文基于超声散射原理，设计了一套油液磨粒在线监测系统，由工控机、超声波检测卡、超声波传感器、在线油温传感器、齿轮泵等部分组成，采用Delphi进行程序开发。并进行实装试验，结果表明，系统能够实时在线监测润滑油中的磨粒数量和大小。

分析了某装甲车辆液压系统的失效模式与故障机理，建立了故障树，并结合专家系统研究了基于故障树的专家系统知识库的构建以及推理机的实现。该智能故障诊断方法较好地解决了专家系统的知识获取难题，提高了液压系统的智能故障诊断水平。

自行火炮输弹机液压系统的动态数学模型，基于自行火炮液压系统榆弹机结构和工作原理，采用功率键合图的建模之法建立。由该模型推导出系统的状态方程，并用Matlab—simulink，先设置约束条件，再对其进行动态特性仿真，其结果和实际情况相符合，仿真结果能为液压系统的检测和诊断提供依据。