不同工况下的轴向柱塞泵故障数据存在分布差异,现有的基于特征迁移学习的变工况故障诊断方法大多只通过单个传感器信号进行分析,具有一定的局限性和片面性。为了利用多传感器信号提高变工况下轴向柱塞泵故障诊断的性能,该研究提出一种耦合分类器子空间嵌入分布自适应(Subspace Embedded Distribution Adaptation with Coupled Classifiers,SEDACC)方法。该方法利用多传感器信号的频谱数据构造主要数据集和辅助数据集,通过子空间对齐(Subspace Alignment,SA)方法将源域和目标域的主要数据投影到公共子空间中,并采用加权条件最大均值差异(Weighted Conditional Maximum Mean Discrepancy,WCMMD)作为度量进行特征分布的适配。同时,基于结构风险最小化(Structural Risk Minimization,SRM)准则在源域标签数据上学习主分类器,根据主分类器对于目标域的预测结果在目标域辅助数据上学习辅助分类器...

针对传统粒子群优化算法以准确率或误判率作为适应度函数耗时长和轴向柱塞泵故障机制较为复杂的问题,提出一种基于改进适应度函数的Lévy飞行量子粒子群优化(QPSO)多分类相关向量机(MRVM)的轴向柱塞泵概率性智能软状态判别方法。为了克服人为设定核参数不精确、效率低等缺点,采用基于Lévy飞行的QPSO搜索MRVM的最优核参数;为了缩短寻优时间,将样本间余弦相似度作为寻优算法的适应度函数,并利用UCI机器学习标准数据集进行仿真来验证改进后优化方法的

阐述液压系统故障检测与诊断技术的研究现状，指出现有各种单一诊断方法存在的缺陷，论述解析冗余与ＡＮＮ融合，小波分析、模糊逻辑与途径，并对今后的发展方向进行展望。

分析了（Ｄｕｆｉｎｇ）振子的混沌运动和间歇混沌动力。利用该振子与参考信号频差较小的周期小信号的敏感性，对白噪声及与参考信号频差较大的周期信号的免疫力，通过监测轴向柱塞泵壳体振动加速度信号，对柱塞泵松靴故障进行诊断，克服了传统的频谱分析和倒频谱分析诊断方法的缺陷，避免了伪警和漏报。

将神经网络运用到动态流量的软测量中,探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的一个难点和热点问题,该文在概要介绍了神经网络动态流量软测量系统的总体设计和神经网络结构的确定方法之后,重点讨论了神经网络的训练策略,最后通过实验验证了该训练策略的性能.

将神经网络运用到动态流量的软测量中,探索解决液压伺服系统中对瞬时动态流量的测试问题是该领域的一个难点和热点问题,文中在概要介绍了神经网络动态流量软测量系统的总体设计和神经网络结构的确定方法之后,重点讨论了神经网络的训练策略,最后通过实验验证了该训练策略的性能.

主要介绍了液压泵、马达性能测试技术的现状。综述了当前液压泵、马达试验台液压系统的研究热点及其进展,并列举了几种典型的试验台,据此介绍了近年来出现的液压新技术比例技术、变频技术、虚拟仪器技术。并结合测试内容概括了液压泵、马达试验台在节能、自动化、智能化等相关方面的进展。

在对可拓控制器的结构进行深入研究的基础上对可拓控制算法进行了改进并将这类可拓控制器应用于电液伺服系统中.经过仿真研究表明基于可拓控制器的电液伺服系统具有优良的动态品质和鲁棒性.

针对在液压泵故障诊断中故障样本难以获得的问题，融合人工免疫系统中的实值否定选择算法和支持向量机算法提出了一种混合的故障诊断方法。在该混合方法中使用算法产生非己集合（故障样本），将其作为算法的输入进行训练，解决了难以获得故障样本的难题。应用小波分析完成液压泵端盖振动信号的消噪及特征提取。最后用柱塞泵脱靴故障样本进行诊断，正确率可达90％，验证了混合诊断方法的有效性。

针对液压泵故障诊断的现实需要，提出了基于粗糙集理论的故障诊断方法。该方法利用小波分析对测量的原始数据进行去噪处理并结合Labview软件进行特征提取，得到揭示其内在规律的数据信息并建立故障诊断决策表。采用粗糙集理论提取决策表中的诊断规则，为液压泵的故障诊断提供有效的依据。通过实验证明了该方法可有效的应用于液压泵的故障诊断。