为了提高平直度模式识别的精度,引入小波消噪技术对平直度信号进行预处理,然后采用以1次、2次、3次和4次勒让德多项式作为平直度基本模式的基于最小二乘原理的多项式回归方法进行模式识别,提出了一种计算精度高、抗干扰能力强的平直度模式识别方法。该方法能够从本质上提高平直度模式识别的精度,计算过程稳定可靠,能够为平直度控制模型提供准确的平直度信息,适合在线应用。

针对电液伺服阀故障预测中故障类型复杂多变、早期故障较弱、时间序列难以处理等问题,构建了卷积神经网络(CNN)和长短期记忆神经网络(LSTM)相结合的电液伺服阀故障预测模型,取代人工特征选择和提取,解决故障预测的时序问题。以G761型电液伺服阀为例,利用AMESim软件对伺服阀阀芯磨损和孔板堵塞故障数据集进行了仿真,并用仿真故障数据验证了模型的预测精度。同时将LSTM,CNN,CNN+LSTM 3种模型针对电液伺服阀故障预测诊断的精度进行对比,CNN+LSTM故障预测模型训练时间更快,得到更高的预测精度,具有更好的适应性。

电液伺服泵控系统具有高效节能、高功重比和环境友好等技术优点,但受诸多非线性因素的影响,系统传动特性表现出极强的非线性。通过深入研究电液伺服泵控系统的传动特性,提出柔性传动比理论,建立电液伺服泵控系统的数学模型,得到伺服电机-定量泵-液压缸之间的柔性传动比规律。对柔性传动比应用进行研究,提出基于广义排量的压力控制策略。搭建系统柔性传动比仿真与试验平台,对柔性传动比理论应用进行仿真和试验研究。研究结果表明,柔性传动比理论的应用对压力控制具有良好的控制效果,将为电液伺服泵控系统的工程推广与应用奠定良好的基础。