为了解决航空发动机液压管路系统中管路故障诊断困难的问题,提出了一种基于深度置信网络(Deep Belief Networks,DBN)的航空液压管路智能故障诊断方法。首先,将采集的液压管路振动数据进行处理,提取出时频域特征参数,其次,将时频域特征参数作为输入样本,输入到深度置信网络模型中,利用深度置信网络模型进行液压管路故障的识别;最后,将本方法应用于航空液压管路模拟故障实验数据中,同时将本文方法与BPNN和SVM等方法进行对比分析,结果表明:本方法对液压管路故障的总体准确率达到99.27%,平均AUC值达到0.9937,同时表明本文建立的分类模型不仅能够实现航空液压管路状态的准确分类,而且对于管路单一故障和多故障并发情况也能精准识别。

为实现采煤机滚筒位置精确调整,建立了滚筒位置控制系统开环传递函数,基于Simulink搭建了采煤机滚筒位置仿真模型,分别采用果蝇算法和Ziegler-Nichols算法对PID控制器参数进行优化,对系统施加不同信号模拟采煤机实际工况,研究了两种算法对滚筒位置控制性能的优化效果。结果表明:基于果蝇算法优化的系统阶跃响应超调量、调整时间、稳态误差等指标均减小,系统正弦响应平均跟踪误差缩小45%以上,系统随机响应曲线波动范围均减小,因此基于果蝇算法优化的系统在工况变化时具有较强的鲁棒性。

提出了一种立体车库取车过放节流缓冲系统,给出了过放节流缓冲原理,基于AMESim搭建了过放系统节流缓冲模型并进行了取车过放节流缓冲性能仿真研究,分析了停车厢质量、停车厢速度、溢流阀开启压力、节流阀通径对停车厢过放节流缓冲位移及缓冲缸下腔压力的影响情况,研究结果表明:取车过放缓冲阶段,缓冲缸下腔基本没有压力冲击,前期具有一定的压力波动;停车厢质量和速度对停车厢位移、节流缓冲持续时间的影响是一致的;增大溢流阀开启压力,停车厢位移减小,节流缓冲时间明显缩短;增大节流阀通径,停车厢位移有一定程度减小,节流缓冲持续时间有较大幅度减小,缓冲缸下腔前期压力波动程度明显降低。

针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题,提出一种基于双向门控循环单元(Bi-GRU)的深度学习液压管路故障诊断方法。由Bi-GRU神经网络模型综合液压管路数据进行时序特征提取,基于同一含噪声的液压管路振动实测数据,输入到Bi-GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练。最后,为了进一步展示Bi-GRU模型对于航空液压管路不同故障类型特征的学习能力,利用t-SNE降维算法进行液压管路特征可视化。结果表明:基于Bi-GRU航空故