阐述了一种液压变压器增压装置的节能思想及工作原理,提出了一种采用液压变压器的节能型封隔器高温高压性能试验装置。对封隔器高温高压性能试验装置的工作原理进行了详细论述,并建立了液压变压器增压模块的数学模型。结果表明,采用液压变压器的高温高压试验装置,能够在不产生节流能量损失的情况下正常运行,极大地减少了封隔器试验过程中的能量损耗。

信号的时域统计特征是最早应用且最为简洁实用的特征参数。目前,用于模式识别的时域统计特征的选用多是基于经验或者不加选择地使用,识别正确率难以保证。针对这个问题,提出一种可视化的特征优选方法。该方法根据特征数据的轮廓图,分析各维特征数据的聚类特性,去除聚类性弱、对故障区分无益的冗余特征维度,仅保留聚类性强的特征维度用于故障识别。在轴承故障诊断实验中,对故障信号时域统计特征进行优选,并采用BP神经网络进行故障识别。实验结果表明,优选后故障识别率得到大幅度提高。

在前期对新型隔膜泵液压动力端研究的基础上，以三缸单作用隔膜泵为研究对象，建立了液压动力端阀控缸速度控制系统的数学模型。对阀控缸速度控制系统的数学模型进行分析表明，在特定条件下阀芯位移与液压缸输出位移之间的传递函数可以简化为比例环节，并在此基础上推导出了电液比例阀输入控制信号与液压缸输出位移之间总的传递函数。最后，对所建立的阀控缸数学模型进行了检验及分析。

故障信号特征提取的准确性是保证故障智能诊断识别率的关键因素。低信噪比情况下,故障诊断效果下降。变分模态分解方法（VMD）在信号分解精度和抗噪方面具有明显优势。在分析VMD抗噪性能的基础上,提出以VMD分解的各模态能量作为智能诊断特征信息,并与小波包的特征信息进行对比研究。将滚动轴承两种故障特征信息通过BP神经网络识别,用不同信噪比的加噪故障信号进行测试,结果表明,在低信噪比情况下基于VMD模态能量的故障特征更具有可识别性。