提出了一种基于精密球面磨床的球度在位测量方法.在精密球面磨床上建立测量基准和自动测量方法,利用经纬法测量球面被测点的半径偏差及对应的经度和纬度,根据最小二乘法建立最小二乘球的球心坐标和半径的数学模型,并通过实际测量点与最小二乘球拟合所得最小二乘球对比,实现了球度误差的在位测量.结果表明,所测指标满足用户要求,所测球度误差与千分尺测量方法的结果相符,从而验证了球度在位测量方法的可行性.

电液伺服阀是电液伺服控制中的关键元件,其性能关系到整个伺服系统的控制精度和响应速度。当前,伺服阀的故障诊断仍以离线为主,缺乏在线诊断的有效手段。根据伺服阀的工作特性,提出一种反映伺服阀动态特征的状态信号选取方法;通过对伺服阀阀芯开口度进行时频联合分析,结合所选取的伺服阀特征参数,提取出反映伺服阀动态特征信息的特征向量;采用粗糙集理论对特征量进行约简以提高在线诊断效率。基于人工神经网络的伺服阀性能在线诊断的实验结果表明所提取的特征向量能够准确反映伺服阀动态特征信息,有效判断伺服阀的异常状态,为电液伺服阀的在线故障诊断提供了参考。

基于电液伺服阀的动态工作特性提出一种新的特征提取方法.将一类支持向量机用于电液伺服阀的在线异常检测通过交叉有效性估计学习方法优化一类向量机参数并与神经网络的诊断结果进行对比.实验结果表明所提出的特征提取方法能够有效地提取电液伺服阀的动态特征信息同时利用一类支持向量机优良的泛化能力能够有效地对电液伺服阀的异常状态进行识别.

电液伺服阀是电液伺服控制中的关键元件,其性能关系到整个伺服系统的控制精度和响应速度。当前,伺服阀的故障诊断仍以离线为主,缺乏在线诊断的有效手段。根据伺服阀的工作特性,提出一种反映伺服阀动态特征的状态信号选取方法;通过对伺服阀阀芯开口度进行时频联合分析,结合所选取的伺服阀特征参数,提取出反映伺服阀动态特征信息的特征向量;采用粗糙集理论对特征量进行约简以提高在线诊断效率。基于人工神经网络的伺服阀性能在线诊断的实验结果表明：所提取的特征向量能够准确反映伺服阀动态特征信息,有效判断伺服阀的异常状态,为电液伺服阀的在线故障诊断提供了参考。