随机风载引起的外部激励会极大地影响风电传动系统的疲劳寿命。利用考虑尾流效应的四分量模型模拟风电场随机风速,结合有限元法分析得到风电行星轮系的疲劳寿命。在此基础上,基于子模型法研究了太阳轮单齿和双齿根裂纹深度、长度和延伸角对风电行星轮系疲劳强度的影响。最终发现裂纹尺寸参数对风电行星轮系疲劳寿命的影响程度为裂纹深度>裂纹长度>裂纹延伸角。双齿根裂纹对疲劳寿命的影响远大于单齿根裂纹的影响,且双齿根裂纹状态下先啮入齿的疲劳寿命远小于单齿根裂纹状态,后啮入齿疲劳寿命略大于单齿根裂纹状态。相关研究为优化风机服役性能提供了理论依据。

针对行星齿轮箱结构和运行工况复杂,导致信号故障特征提取困难的问题,通过分析行星轮系振动机理,初步推导出含故障齿轮箱振动信号频谱特征;运用谐波乘积谱(Harmonic product spectrum,HPS)与边带乘积谱(Sideband product spectrum,SPS)的方法,在噪声干扰以及故障冲击不明显的条件下,准确提取到了仿真信号的故障特征频率。进一步采集不同运行工况、不同故障状态下的行星齿轮箱振动信号,将提取后的故障特征输入到卷积神经网络中进行故障识别,成功获取到齿轮箱的故障信息,证明了该方法在行星齿轮箱故障诊断方面的可行性。

针对行星齿轮箱故障诊断过程中的故障特征向量区分度差、诊断成功率不够高等问题,提出了一种基于局部均值分解(Local mean decomposition,LMD)排列熵和BP神经网络结合的方法。对原始信号进行LMD,获得包含主要信息的PF分量,计算排列熵值,构造特征向量,利用提取的特征向量训练BP神经网络,完成故障模式识别。以EMD排列熵方法和无量纲分析方法作为对比组,实验验证说明,提出方法提取到的不同工况的特征向量区分度更强,故障诊断效果更好;且当训练组数发生变化时,提出方法的综合表现更优秀。

针对行星齿轮箱故障诊断中故障类型难以区分的问题,提出了一种基于小波时频图和卷积神经网络相结合的行星齿轮箱故障诊断方法。首先,对原始信号进行连续小波变换,获取小波时频图;然后,对小波时频图进行统一处理和压缩,将处理好的小波时频图输入到卷积神经网络中进行分类识别,通过调整小波基函数和卷积神经网络参数,最终得到一个较为理想的诊断模型。试验证明,在训练集数据和测试集数据转速不同的情况下,该方法与BP神经网络相比,在诊断准确率和鲁棒性方面都有提升。该方法的研究为行星齿轮箱的故障诊断提供了参考。

数据的实时处理是材料试验机测控系统的一项重要内容。介绍了数据实时处理的多种算法，并根据设计系统的要求，对本系统的算法进行了合理选择与研究，实现了对试验机工程应用测量曲线的准确处理和分析，具有一定的通用性。

针对微小孔直径的图像测量,提出了一种利用最小二乘法确定优化目标函数,用Powell优化方法获得优化结果,最后采用正态分布理论对优化结果进行修正的新方法.经实际应用该方法计算速度快、检测误差小.

本文针对多台材料试验机同时进行力值测控的要求，采用PCI-6221多功能数据采集卡构成数据采集与控制单元，依托Labview强大虚拟仪器构建和控制功能，实现系统控制。阐述了多台试验机同时进行力值测控的数据采集与控制的设计思路。具有控制灵活、性能稳定、可靠性高的特点，且其采集精度和控制精度达到较高的水平，具有良好的实用价值。

设计了一种数控激光切割机智能夹钳系统,这种智能夹钳系统能够实现板材加工过程中的固定,利用夹钳固定板材时,保证夹钳使用的方便性,而且能使板材利用率达到最高。

根据雷达天线车液压系统的工作特点,搭建了一套电液比例泵控试验系统,并对系统的工况和特性进行分析,提出了基于比例流量（Q）和比例压力（P）的复合控制策略,设计了一种基于神经网络的自适应PID控制器,对系统的压力和流量进行复合控制。利用AMESim仿真软件对该电液比例泵控系统进行了全数字化建模与仿真,仿真结果表明,所设计的复合控制器能较好地实现系统压力和流量的跟踪控制。对泵控系统进行试验,结果验证了所设计系统的可行性,为实际电液比例泵控系统的研究和应用提供了参考。

比例泵控技术具有压力和流量自动控制的功能,能够很好地满足雷达液压系统不同压力等级,不同流量等级的需求,并且压力损失小,易于实现节能。为了将该技术应用到雷达液压系统中,设计并搭建了一套电液比例泵控试验系统,并与阀控系统进行了对比试验研究,试验结果表明,所设计的比例泵控系统较阀控系统具有节能和可控性好的优点。