以卧螺离心机用磁悬浮轴承为研究对象,将励磁绕组骨架装配体加入磁轴承定子模型,讨论骨架在磁轴承定子中的2种装配形式。通过优化集成平台Isight集成UG和ANSYS,研究磁悬浮轴承各结构参数对支承性能的影响以及线圈骨架的存在对磁轴承几何参数的影响。以电磁力最大为目标,对磁悬浮轴承进行结构优化,结果表明,磁轴承承载力和励磁磁势利用率较原先提升了11.88%,取得了良好的优化效果。

柱塞泵是液压系统的关键部件，对其运行过程中的负荷状态进行监测和识别非常重要。由于在柱塞泵运行过程中，受振动机理复杂，环境干扰等因素的影响，柱塞泵的负荷状态识别比较困难。根据柱塞泵负荷状态发生改变时，振动信号能量会重新分布的特点，通过Hilbert变换对信号进行解调，根据包络谱上供油频率及其倍频处的峰值构造特征向量，最后，采用SVM对柱塞泵负荷状态进行识别，并与BP神经网络方法进行对比。试验结果表明，基于包络谱构造的特征向量能够有效反映柱塞泵的负荷状态，采用SVM对柱塞泵负荷状态进行识别能够获得比较好的结果。

为解决液压泵故障信号特征难以提取的问题,提出了一种基于判别稀疏编码的液压泵故障诊断新方法。在稀疏编码框架中引入Fisher判别准则,通过对训练样本进行字典学习,获取具有判别性的字典与稀疏系数,使用不同故障类别字典对测试样本进行稀疏表示,利用全局分类方法综合重构误差与系数偏差两方面参数,对液压泵故障信号进行识别。实验结果表明,对于不同状态下的液压泵振动信号,该方法可自适应地完成各类子字典的学习与模式识别过程,与传统方法相比,在液压泵故障诊断中具有更高的准确率和较好的稳定性。