挖掘机执行机构轨迹的精确控制是实现其智能化、无人化发展的基础。针对泵控/阀控相耦合的负载敏感(Load Sensitive,LS)系统挖掘机,提出了一种自适应的模糊PID控制方法(Fuzzy-PID)以实现LS挖掘机执行机构位姿的精确控制。该方法不依赖离线计算,可实现作业过程中PID参数的整定。建立LS挖掘机联合仿真模型对Fuzzy-PID的控制性能进行验证,结果表明,Fuzzy-PID控制精度更高,与PID相比,其均方根误差(Root Mean Square Error,RMSE)减少了23.85%。进一步,通过发动机转速及斗杆运行速度验证了Fuzzy-PID稳定性和响应性。研究结果可为负载敏感系统液压挖掘机智能化升级提供理论指导及工程应用价值。

基于振荡流体力学原理进行数值计算分析。本文对进出口压比、密封间隙和密封齿数(密封长度)对连锁迷宫密封-转子轴承系统动态特性系数的影响进行了详细的分析。结果表明,连锁迷宫密封-转子轴承系统动态特性系数的影响因素是多方面的。

针对滚动轴承振动信号故障特征提取依赖于专家经验引起的不确定性影响识别准确率的问题,提出一种基于多参数优化深度置信网络的滚动轴承外圈损伤程度识别方法。首先,考虑外圈滚道损伤分布弧长的变化对滚动轴承动力学特性的影响,建立五自由度滚动轴承损伤动力学模型,仿真求解外圈不同损伤程度的滚动轴承响应信号;然后,基于模拟退火算法优化DBN的多个结构参数,利用仿真数据的原始时域波形直接进行损伤程度的识别。不同信噪比外圈损伤仿真数据与齿轮箱轴承试验数据的分析结果表明,该方法无需先验知识提取外圈损伤特征,可直接利用轴承原始时域数据自学习地提取不同损伤程度的特征信息,且识别准确性和稳定性更高,具有工程应用价值。

为有效提取振动信号中的轴承故障特征,降低背景噪声和齿轮传动噪声影响,将VMD和MED相结合,首先采集强噪声轴承故障信号并进行VMD降噪,选取与原信号相关系数大的分量重构;然后将重构信号进行MED处理以增强故障信息;最后对信号进行包络谱分析,从中获得轴承故障特征频率信息。经实测信号并与EMD的对比分析比较表明：VMD＋MED能够从实测信号中有效地提取齿轮箱轴承的故障特征频率及其倍频,而且较EMD法更具优势。