不同的铣削加工工艺参数会影响加工表面形貌和表面粗糙度。考虑灰关联分析与神经网络法的各自优点,提出了一种新的基于灰关联神经网络模型进行表面粗糙度预测的模型。首先利用灰关联分析,将各因子与预测目标作关联性的排序,且把不必要的因子剔除,接着进行神经网络的训练及预测。将所提的预测模型运用到铣削加工的表面粗糙度预测中,构建出表面粗糙度预测系统,最后采用两样本T分配假设检验,以此验证该预测系统的有效性与可行性。

设计一种四足步行平台液压系统,基于选型结果和实验数据,计算各个元件的能量损失,测量液压管路尺寸和流量,计算管路沿程压力损失和局部压力损失,根据四足步行平台的使用要求、液压系统热平衡计算、冷却器的结构型式和传热系数等因素选择冷却器。

与相同几何尺寸的其他支撑形式相比,之字型支撑梁降低了硅微谐振器的谐振频率.通过对之字型支撑梁硅微谐振器的力学建模分析,发现其为5次超静定问题,在此基础上得出了谐振频率等重要的性能参数随几何参数的变化关系.分析结果表明,在保证支撑梁垂直长度不变的条件下,对固定的折弯次数n,谐振频率fx随折弯角度φ的增大而增大;对固定的折弯角度φ,谐振频率fx随折弯次数n的增大而趋于一个固定值;φ=90°时则等效于双侧直脚型微谐振器.

为进行多轴车辆电液全轮转向系统的研究,设计并建立了转向液压控制系统的数学模型;为提高全轮转向系统的响应性能,基于该模型,在Matlab和AMESim软件中对系统动力执行元件的阶跃响应特性进行了对比分析;结果表明元件响应时间快、位移大小满足转向传动机构运动情况;且两次仿真结果较为吻合,验证了所建立数学模型的正确性。

针对非对称缸位置跟踪控制精度较差,提出了一种基于非线性自回归平均滑动离散模型(NARMAX)和量子粒子群算法的神经网络预测控制策略(QPSO-NNMPC)。利用NARMAX模型表示阀控非对称缸的动态模型,使用粒子群算法优化BP神经网络(PSO-BP)对阀控非对称缸系统在线预测,使用量子粒子群算法(QPSO)对目标函数非线性优化。仿真结果表明,在不同频率期望信号与变干扰力情况下,该控制策略具有良好的跟踪效果和鲁棒性。

为了回收矿用电动轮自卸车机械制动能量,提高其运行经济性,设计了基于超级电容储能的能量回馈系统。由于电动轮自卸车能量回馈系统中超级电容储能容量配置大,导致价格昂贵,因此在建立驱动储能系统数学模型的基础上,综合考虑了经济性、能量回馈效果以及系统尺寸和重量,构造了优化目标函数。并以超级电容充放电特性和电动轮自卸车启动、制动整个过程的动力性能指标作为约束条件,运用改进的遗传算法（GA）对超级电容储能容量进行了优化配置。最后搭建了实验平台和Madab/Simulink仿真模型,并对比了优化前后的系统参数,结果显示,在系统重量和尺寸优化的同时,能量回馈系统大大提高了电动轮自卸车运行的经济性和其驱动系统的动力性能。仿真和实验验证了所提方法的可行性和有效性。

针对某型三轴车辆低速机动性不好、高速稳定性差的问题,通过对原车转向助力系统进行深入研究,设计了一套电控液压式全轮转向系统。针对全轮转向系统控制器设计难的问题,建立了车辆三自由度全轮转向数学模型,设计了全轮转向比例前馈和模糊控制反馈控制器。分别选取前轮转角为3°角阶跃输入,车速为20,80 km/h两种转向工况,对全轮转向车辆与原双前桥转向车辆进行对比仿真研究。结果表明：所设计的全轮转向控制器能够改善车辆各状态参数的响应特性,降低车辆侧滑几率,提高车辆低速机动性和高速操纵稳定性。