文章阐述了液压AGC的试验与诊断技术所存在的主要技术问题及研制的重要性 ,提出了现场原型轧机液压AGC动态负载测试、双方向全行程轧机AGC液压缸摩擦力特性的测试、电液伺服阀流量的宽量程及高精度测试、大电流伺服阀和多级电反馈伺服阀测试等技术策略 ,介绍了所开发的液压虚拟仪器平台软件及液压AGC的CAT系统。

该文将BP神经网络与遗传算法结合起来,建立了遗传神经网络模型。然后通过采用Visual C++6.0语言并结合数据库技术开发出液压AGC故障智能诊断平台,阐述了平台设计思想。最后,以电液伺服阀为例,给出了故障模式识别的实验数据,证明了遗传神经网络用于该故障诊断系统的可行性。

伺服液压缸是电液伺服系统中的重要组成部分,为了掌握其性能,开发了精度高,功能全的伺服液压缸综合试验台。该文介绍了液压缸试验台的工作原理,阐述了测控系统的硬件设计和软件开发。试验证明该试验台工作可靠,性能良好,可广泛应用于各种型号的伺服液压缸的测试。

为了提高油膜承载力、改善润滑效果、优化织构化表面的摩擦学性能,研究不同黏度润滑油下网状织构的润滑性能。设计4种不同凹槽宽度的网状织构,通过测量接触角、油膜承载力以及摩擦因数,得到不同转速、不同黏度润滑油下4种网状织构的油膜承载力以及摩擦因数的变化规律。实验结果表明:在4种织构中,凹槽宽度为0.4 mm的网状织构润滑性能最好,在设定的实验条件下,最大油膜承载力为0.52 N,最小摩擦因数为0.019。此外,接触角测量实验表明凹槽宽度为0.4 mm的网状织构表面疏水性能更好,有比较好的成膜能力,使得织构表面动压承载力有比较大提升,摩擦因数也更小。比较不同黏度润滑油和不同转速下网状织构润滑性能,黏度越大的润滑油,油膜承载力越大,润滑效果更佳。同时,油膜承载力随着转速的增大而增大,在润滑油黏度较高时这种影响更为显著。

现阶段普遍采用的内泄漏检测方法,实际上并没有做到液压缸微小内泄漏量的监测。为监测液压缸微小内泄漏量,提出了利用TensorFlow的研究方法。其中最大的创新点是设计了一种结构性的液压油传感器,并采用TensorFlow构建网络实施监测,将复杂的应变—微小泄漏量关系简化至可直接读取。主要内容是利用液压油传感器,提供给微小内泄漏一个缓冲部位,减少压力影响,同时连接液压油收集部位和PC端,构成整个监测系统对数据进行采集和处理,最后再利用TensorFlow实现无需人工的液压缸内部微小泄漏量监测。结果表明,结合液压油传感器和TensorFlow,提取原始数据并处理最终数据,可以监测液压缸微小内泄漏量,为液压系统的微小内泄漏量的监测提供了研究思路。

分析电液伺服阀静态特性与状态模式之间的映射关系介绍基于BP神经网络的模式识别方法以此为基础开发了具有伺服阀静态特性测试与状态模式识别功能的智能试验系统并进行了实验研究.

文章分析了液压平移升降控制系统的工况,提出运用增量PID与积分分离PID相结合的方法,实现了对模拟量的闭环控制,给出了相应的程序流程图.

分析目前伺服液压缸动态特性测试方法的研究现状，提出一种新的大型轧机伺服油缸动态特性测试方法，阐明了液压系统的组成和测试方法，介绍了计算机辅助测试软件及其流程。该测试方法已在为某钢铁公司研制的试验台中得以实现。

针对先导式电液比例减压阀参数不确定、状态不完全可测以及受负载流量影响的特点 设计了一种含负载流量的观测器及其反馈控制器 实现对比例减压阀输出压力的鲁棒输出反馈控制.基于线性矩阵不等式 从理论上分析得出该方法能够保证系统稳定和具有H∞ 鲁棒性能 并给出了观测器增益L 和控制器增益K 的求取方法.通过对某个比例减压阀仿真 验证了该控制方法的有效性 可以消除负载流量变化对输出压力的影响 并保证输出压力快速跟随设定压力.

板坯输送液压系统在调试过程中回转部分、水平移送部分、升降部分各自出现了一些问题分别对其进行详细分析并提出改进措施。实际应用表明改进后的系统解决了原系统存在的问题连续运行情况良好。