针对齿轮箱故障诊断需要大量专家经验知识、人工提取特征困难的问题,提出基于特征差异性学习卷积神经网络(FDLCNN)的故障诊断方法。构建不同深度的多尺度网络,并引入残差模块,以提升网络的特征提取能力;提取一维时序信号中不同尺度不同深度的故障特征,再通过自适应平均池化层处理后进行特征融合,以丰富智能诊断决策信息;最后在全连接层实现特征降维,使用Softmax分类器输出诊断结果。利用10种齿轮箱故障状态实验数据与现有3种方法进行对比分析,结果表明:FDLCNN故障识别精度更高,鲁棒性更强,收敛速度更快。

针对电液位置伺服系统的非线性、参数时变性等突出问题,提出了一种新型模糊预测函数控制方法。它将预测函数控制和具有参数自调整的模糊控制进行综合来共同控制电液位置伺服系统,并且根据控制系统的位置偏差和偏差变化率,利用放大倍数对模糊控制器的参数进行在线修改。仿真结果表明,采用该控制方法设计的控制器满足系统对快速性和稳态精度的要求,系统具有较强的鲁棒性和抗干扰性,能够实现复杂系统的有效控制。