针对液压系统特点,提出基于观测器和神经网络的故障诊断方法。该方法的原理是基于观测器实现故障的判断,利用经观测器输出训练的神经网络实现故障定位。相对于故障树和专家系统等方法,该方法的优点是诊断速度更快、不需要大样本。仿真结果证明该方法有效。

针对故障诊断的需要和信号特点,提出一种基于小波特征熵的去噪新方法。该方法基于小波特征熵判断有用信号所在频带,重构所在频带系数,得到去噪信号。将该方法和阈值去噪法应用到液压系统压力信号中,去噪结果证明该方法比阈值去噪法更有效。

大型起竖设备四级液压缸因内部结构复杂，且负载很大，摩擦力特性较为复杂，以往对其动力学建模时常常忽略摩擦力。而快速起竖系统要求对速度进行精确规划控制，以减缓换级冲击，且液压缸结构稳定性分析时也需要准确找到危险工况，其中摩擦力是很关键的一个因素。LuGre摩擦模型能较好描述大部分情况下的摩擦稳态、瞬态特性，据此，考虑滑动油膜动态等性方程，基于LuGre模型对四级缸摩擦力建模，而后对风载荷、起竖力等进行分析，进而对起竖过程动力学建模。该研究所建的全新动力学模型可为起竖速度的精确控制和油缸应力应变及模态分析提供参考。

针对某大型武器设备液压系统各组成部分位置分散的特点，提出基于无线网络的液压系统故障诊断方案。设计了液压系统故障诊断的软件与硬件，阐述了运用BP神经网络的液压系统故障诊断方法，对无线数据传输协议进行了优化与设计。该方案将无线网络技术用于数据传输．省去了大量电缆连接，简化了系统，实现厂对武器装备液压系统的远程监测和快速故障诊断。

针对液压系统故障原因复杂、现象多样、故障信号中噪声干扰大的特点，综合利用压力、流量和液压缸运动速度进行液压系统故障诊断，克服了单一特征量在故障诊断中容易产生误判的缺点。将小波去噪方法应用到故障信号中，提高了故障诊断精度。通过对Festo液压实验系统故障信号进行处理，证明该方法是有效的。

采用分段线性控制方法控制含多级液压缸的大型液压举升系统时，由于加速度不连续，易在举升过程中产生较大冲击。为消除举升过程中多级液压缸换级碰撞带来的液压冲击，提出了采用分级规划的策略。对每一级进行轨迹规划时，为保证举升过程的平稳性，采用B样条函数对举升负载的轨迹进行规划。在综合考虑工程实际中的液压系统压力、流量及负载横向过载约束的基础上，建立了举升系统的时间最优轨迹规划模型。针对解析法计算多级液压缸的最大速度和驱动力困难等问题，通过引入罚函数，提出一种改进的粒子群优化算法求解时间最优轨迹规划模型。含二级液压缸的某大型液压举升系统的仿真结果表明，提出的分级规划策略和时间最优轨迹规划方法是有效的。

针对液压系统特点，提出基于观测器和神经网络的故障诊断方法。该方法的原理是基于观测器实现故障的判断，利用经观测器输出训练的神经网络实现故障定位。相对于故障树和专家系统等方法，该方法的优点是诊断速度更快、不需要大样本。仿真结果证明该方法有效。

对导弹起竖过程进行动力学分析,利用M atlab绘出液压缸长度、受力以及内部压力随起竖角度的变化曲线,找出最易失效的状态,利用AD INA建立最易失效状态下液压缸模型,进行有限元分析。分析结果表明起竖液压缸的强度和刚度符合要求,为起竖液压系统的设计与优化提供了参考。

提出一种在AMESim软件中利用液压元件设计（HCD）库和机械库中的元件、采用单级液压缸级联方式构建多级液压缸模型的新方法，用该方法构建四级液压缸模型，从液压力、摩擦力、碰撞力等方面对实物和模型进行理论对比分析，并对模型进行了仿真。结果表明：采用单级缸级联法构建的多级液压缸模型能较好地模拟多级液压缸的实际情况，该方法较以往的编程建模方法和多软件协同建模方法更为简便、有效。

文章论述了利用超声检测原理对液压系统流量、压力进行非接触测量的方法.针对温度、流速、压力对超声传播速度的影响,建立温度-压力-声速模型,实现了液压系统中温度、压力、流量3个参数大范围时变条件下,对流量和压力的测量.克服了传统超声流量仪器不能用于压力大范围变化场合,和传统的超声测压仪器对温度敏感且不能用于流量大范围变化场合的不足;针对液压管路管径小、声时极短的特点,采用声循环法扩大声时差,提高了测量准确度.