一、柱塞泵泄漏故障智能诊断系统研究（论文文献综述）
苏安良[1]（2022）在《基于液压系统材料因素故障萃析》文中指出迅速诊断液压系统故障,关键在于弄清故障原因,建立数据库,为智能诊断提供保障。笔者从液压系统材料出发,归纳故障类属,对故障进行溯本追源,提高识别精度,进而达到快速检测和维修目的。结果显示:立足系统材料因素分析产生的故障,能及时反馈设备不足及缺陷,便于对液压系统更新改良,使液压系统设备、运转、故障排除科学化、智能化,缩短迭代周期。
韩露[2]（2021）在《柱塞泵故障特征提取及辨识方法研究》文中研究指明柱塞泵作为工业生产中常见机械设备的动力源,是决定工业生产能否正常进行的关键元件,因此其工作状态的好坏对工业生产起着十分重要的作用。随着科学技术的不断进步,为了适应现代工业生产的需要,柱塞泵不断向大功率、高转速发展,同时为了满足输出流量压力的稳定,其内部零件的复杂度相应不断增大,导致各零件之间的接触运动也不断增多。正因如此,柱塞泵在运行中极易发生故障,一旦发生故障,就会对工业生产造成严重影响。因此及时有效地对柱塞泵进行故障诊断是对工业生产的必要保障。早期对柱塞泵进行故障诊断往往需要具有经验的工人进行人工识别,但该方法需要具有先验知识,且准确率也不够高。近代采用了通过对柱塞泵运行时的信号进行采集然后进行分析,从而判断出柱塞泵故障的方法,但由于柱塞泵运行时的复杂性,信号往往也表现为非线性非平稳性,传统信号分析手段对柱塞泵信号的分析效果不强,从而造成准确率低速度慢等缺点,难以满足工业生产的需要。为了能够在对柱塞泵进行故障诊断时保证高速度、高精度,本文对现代的柱塞泵故障诊断方法进行了分析研究。首先根据柱塞泵信号的特点,通过仿真寻找最适合柱塞泵信号的信号分析方法;然后以轴向柱塞泵为研究对象,搭建故障试验台采集在线的故障信号并进行分析,构建故障特征向量;最后利用粒子群算法（PSO）的优化性能与传统的支持向量机（SVM）结合,对柱塞泵常见的几种故障进行故障识别,以求达到高精度、高速度。本文的主要研究内容及工作安排如下:（1）通过分析柱塞泵工作原理,计算柱塞泵故障频率。首先通过分析柱塞泵应用的广泛性以及流量脉动率确定了以型号为A10VSO45的9柱塞孔斜盘式轴向柱塞泵为研究对象。然后分析其工作原理以及内部各零件之间的接触运动,判断出柱塞泵易发生的几种常见的故障类型,并通过公式计算出给定转速下柱塞泵不同故障的振动频率;最后分析了柱塞泵在工作时还产生的其它振动频率,并介绍了希尔伯特（hilbert）谱在对信号解调方面的应用性,为后续分析打下基础。（2）搭建属于柱塞泵特性的数学模型。由于工作过程中的柱塞泵信号所表现出来的特性具有非线性非平稳性,常见的信号分析方法对该类信号的分析效果不佳,因此本文通过分别构建两段非线性非平稳信号来模拟柱塞泵发生故障时所表现出来的特点,设计并搭建起其数学模型,然后进行仿真分析,通过仿真分析对比,寻找出适用于该类信号的算法。（3）搭建柱塞泵故障试验台并采集在线故障信号:根据对柱塞泵运行机理分析,完成对柱塞泵故障零件的制作;根据采集信号的需要,确定了试验所需器材,建立起柱塞泵故障试验台;根据信号传递路径,确定传感器的安装位置;最终采集了柱塞泵不同状态下的故障信号。然后通过柱塞泵的故障信号进一步确定了最佳的信号分析方法。（4）为了解决柱塞泵故障特征难以提取的问题,提出了将变分模态分解（VMD）、峭度准则、模糊熵三者相结合的方法。首先将采集到的五种不同状态下的信号进行VMD分解,应用峭度理论选取信息最丰富的IMF,利用模糊熵可以度量时间序列的复杂度的特点,计算模糊熵并将数据归一化处理组成特征向量。（5）针对传统SVM的识别速度与精度不够高的问题,提出采用PSO优化SVM核函数中的惩罚参数与核函数参数的故障识别方法。首先在MATLAB中搭建PSO-SVM智能故障诊断系统,将训练样本输入,利用PSO进行SVM参数寻优;然后采用寻优后的参数训练SVM,并对测试样本进行故障识别,经多次验证取平均值,准确度达到了99.5%,诊断时间达到了5.1s;最后为了验证PSO-SVM在速度与精度上的优势,分别与默认参数的SVM、交叉验证（CV）优化后的SVM、遗传算法（GA）优化后的SVM进行对比,验证本文提出的方法在速度与精度的优势;为了验证本文所提出的VMD相较于常见的EMD的优势,将EMD模糊熵作为特征向量,并输入到PSO优化过后的SVM与本文方法进行对比,验证VMD方法的可行性与优越性。
胡忠全[3]（2021）在《基于AMESim斜盘式轴向柱塞泵建模与故障维护》文中研究表明液压泵是液压系统的核心动力部件,其中斜盘式轴向柱塞泵广泛应用于工程机械领域。随着重型机械行业的发展,对柱塞泵的可靠性要求不断提高,导致泵发生故障的概率也随之上升,因此对柱塞泵故障诊断与健康监测是提高液压系统可靠性的一种有效手段。由于斜盘式轴向柱塞泵是否正常工作,将会影响整个液压系统的健康运行,并且柱塞泵发生故障的形式复杂多样,诊断繁琐。因此,本文以斜盘式轴向柱塞泵的故障展开研究,从而完成柱塞泵故障的识别与维护。主要研究内容如下:（1）根据斜盘式轴向柱塞泵的工作原理、运动学及受力分析情况,对柱塞泵的故障机理进行总结概括。选取本文主要研究的三种故障类型:内泄漏、进油口吸油压力不足、油液污染,并分别对柱塞泵三种典型故障机理进行详细分析。（2）以力士乐A10VN0泵为例,利用AMESim仿真软件建立仿真模型,设置柱塞泵仿真的真实参数,通过分析正常状态下的仿真曲线,验证了模型建立的正确性。采用故障注入的方法实现了柱塞泵的故障仿真,从而得到泵出口的压力、流量曲线,将柱塞泵工作达到稳定时出口压力与流量的最大值、最小值、平均值作为泵的故障样本数据。（3）由于BP神经网络在柱塞泵故障诊断时普遍存在收敛缓慢、易出现局部极小值等缺陷,因此提出粒子群算法对BP神经网络优化的方法。在MATLAB中应用BP神经网络与PSO-BP神经网络两种网络模型对柱塞泵进行故障分类、识别,实现了柱塞泵三种典型故障的诊断,达到了快速、精确故障诊断的目的。证明了两种网络模型均可用于柱塞泵的故障诊断,通过对比BP神经网络故障诊断的结果,得出PSO-BP神经网络在柱塞泵故障诊断方面更具有优势。（4）根据柱塞泵的三种典型故障,分别建立了在线监测系统,并提出了柱塞泵的预测性维护方案,及时对柱塞泵进行诊断、维修,从而延长柱塞泵的使用寿命,确保柱塞泵安全高效工作。
王吉[4]（2020）在《数据驱动的船用液压泵故障智能诊断技术研究》文中提出随着船舶自动化程度的不断提高,各种机械的运转速度与功率不断地增大,液压系统被广泛地应用到甲板机械、船舶机舱等船用装备上。作为船舶液压系统的重要动力部件,液压泵对于保障船舶液压系统的正常运行至关重要。然而,由于液压泵长时间在较为恶劣和复杂的环境下工作,液压泵可能会受到各种各样的损害从而产生一些故障;若液压泵出现故障而没有得到及时诊断与维护,严重可能会导致整个液压系统的发生瘫痪,从而会影响到整个船舶的正常航行。随着大数据与人工智能技术的飞速发展及在各行各业的广泛应用,运用大数据与人工智能技术对船用液压泵进行故障诊断具有十分重要的工程应用价值。本文以液压泵为研究对象,通过分析液压泵的组成结构与特点,明确液压泵工作参数,研究液压泵的工作机理及其典型故障模式（如形变、磨损、腐蚀和疲劳）,开展液压泵故障模拟试验设计。接着,阐述数据驱动的液压泵故障诊断原理,对试验平台的液压泵监测数据进行异常值剔除、EEMD降噪及平滑等预处理。对经预处理后的监测数据分别进行基于统计分析的时域特征提取、基于功率谱的频域特征提取、以及基于CEEMDAN的时频域特征提取和基于AR模型的时序特征提取,得到能够大量能表现液压泵故障特点的特征集;在此基础上,通过基于斯皮尔曼系数的特征选择与基于主成分分析的特征融合技术得到能够表示液压泵故障状态的综合故障特征。最后,建立基于分位数回归神经网络的故障诊断模型,通过概率的高低来预测样本的故障类型,并且结合粒子群优化算法对模型参数进行寻优,提高故障诊断准确率。研究结果表明:本文提出的方法能够准确地识别船用液压泵故障类型,对不同的液压泵故障类型具有很好的识别效果。这对于实现船用液压泵的在线监测与故障诊断及维护有着重大的应用价值。
肖鹏飞[5]（2020）在《基于数据驱动的SPMT状态监测与故障诊断研究》文中认为自行式模块运输车因为其载重量大、使用灵活以及稳定性高的优点,被广泛应用于各种大型的重载运输场合。本文针对自行式模块运输车使用过程中存在的安全和故障维护等问题,对运输车的状态监测和故障诊断系统进行了研究。首先以某型号的自行式模块运输车为对象,介绍了运输车的基本组成、功能和应用特点,并对其主要组成部分,行走驱动系统、悬挂系统和转向系统各自的结构、液压系统以及工作原理做了较详细的分析。在现有的监控系统的基础上,提出了包含基本参数监测、安全状态监测和故障状态监测三方面的状态监测系统方案,并完成了对系统中的基本参数监测和安全状态监测的实现过程的研究,以及运输车的故障状态的初步分析。然后重点对系统的故障诊断方法进行研究以实现其故障状态监测,限于篇幅限制,故障诊断方法研究仅以悬挂液压系统为对象。为此先在AMESim仿真软件建立了悬挂液压系统的完整模型,对悬挂系统的正常工况和故障工况进行了仿真,并初步分析不同类型、不同程度的液压元件故障对系统性能的影响,为后续的故障诊断提供依据和数据来源。最后本文在对现有的各种液压故障诊断方法的介绍和对比的基础上,结合系统本身的特点,设计了基于小波包分析和多分类支持向量机的故障诊断方案。该方案对采集的流量信号样本,进行小波包分析并提取子信号的能量谱,结合仿真分析的结果和对比实验,为各类故障选取合适的特征;通过对支持向量机方法的分析和对比,设计了一种基于二叉树的多分类支持向量机的故障识别方案,将从仿真模型中获取的样本数据做上述小波包分析处理后,对支持向量机模型进行训练和测试,并使用改进的网格搜索法对模型参数进行优化,最终取得了较好的分类性能,实现了以悬挂液压系统为对象的故障诊断。至此,本文完成了自行式模块运输车的状态监测系统中的主要研究工作。
黄武涛[6]（2020）在《挖掘机关键液压元件故障诊断方法及系统研究》文中认为挖掘机是国家的重要装备基础,然而我国挖掘机行业仍存在着设备故障率高、可靠性不强和运维服务水平低等问题。因此,提高挖掘机智能化水平已经成为行业的重要工作。为了提高挖掘机的智能化水平并确保工作可靠性,本文针对挖掘机关键液压元件进行故障诊断研究,并进行挖掘机健康管理系统开发。本课题的意义在于,研究挖掘机关键液压元件故障诊断所涉及的技术,探究相关元件性能数据的特征提取方法,设计相应的状态感知方案,研究出匹配的故障诊断方法,在此基础上开发挖掘机健康管理系统,为推动挖掘机智能化转变积累技术基础。本文主要内容如下:（1）设计了基于NI cDAQ-9191机箱的故障状态感知装置。先对挖掘机进行故障树分析,进一步对主要液压元件进行故障模式及机理分析。在此基础上,对液压元件进行故障状态感知研究,分析故障的特征信号类型,并设计相应的故障信号采集方案。最后,完成故障状态感知装置的开发,实现数据采集与存储的功能。（2）提出了基于卷积神经网络的液压缸故障诊断方法。先采集液压缸在不同泄漏状态下的压力信号作为原始信号,再进行小波包分解,获取各个子带信号的能量,归一化后得到特征向量。将特征向量贴上标签后用于卷积神经网络训练,进而识别液压缸故障类型。结果表明,所提方法具有诊断速度快、识别精度高的优点。（3）基于白色测量噪声子空间辨识和状态反馈法,提出了考虑测量噪声和摩擦因素的液压缸泄漏诊断算法。基于系统动力学方程搭建液压缸模型,设置泄漏系数模拟液压缸内泄漏和外泄漏,获取液压缸两腔压力和活塞杆位移信号。采用状态反馈法处理系统非线性参数,运用欧拉法得到系统状态空间表达式,最后基于白色测量噪声的子空间辨识求取泄漏系数估值,根据估值大小对泄漏类型和严重程度进行定量化诊断。结果表明,所提方法可以对液压缸泄漏故障进行量化地诊断。（4）提出了基于深度置信网络的液压泵故障识别方法。针对液压泵故障模式多且故障特征不明显的特点,采集振动信号并进行无量纲参数特征提取,获取反映液压泵状态的特征。再基于DBN网络搭建诊断模型,经过训练优化后,用于识别液压泵故障模式。结果表明,所提方法能够精确识别多类型故障。（5）在上述研究基础上,开发了挖掘机故障诊断与状态监控系统。包括挖掘机健康管理网站和健康监控软件,实现挖掘机在线监控和远程运维等功能。
朱冠霖[7]（2020）在《基于多源传感器信息融合的液压泵故障诊断》文中研究说明液压泵是工业传动和控制的重要部件,其能否正常稳定的工作对于整个系统来说尤为重要,因此对其运行状况进行故障监测是十分必要的。一般各类液压泵的工作环境较为恶劣,很难直接有效的观测到其运行状态,而且内部故障机理复杂,单一的检测某个物理信号很难分辨出故障类型,通过构建多源传感器系统检测不同类型物理参数,利用智能算法对这些数据进行深入挖掘,以达到精确识别液压泵故障模式的目的。本文主要对液压泵复杂故障模式下的精确诊断进行了研究。根据JDL系统模型设计了一个符合液压泵故障诊断的三级多源传感器信息融合的故障诊断系统。数据级对传感器采集的数据进行特征提取和归一化处理;特征级利用本文提出自适应调节方法优化的PSO-BP网络对各传感子网进行故障分类;决策级利用改进的D-S证据理论对各局部故障诊断结果进行融合决策,最终输出一个精确度高的联合诊断识别结果,实现对液压泵故障的精确诊断。根据柱塞泵实际的故障出发,研究传感器数据类型与故障之间的关联度,选取温度、压力、振动信号的传感器对柱塞泵进行故障检测。进一步研究特征参数的提取,讨论各种无量纲幅值数据对柱塞泵各类故障的敏感性,选取能全面反映柱塞泵运行状况的参数,最终作为故障诊断网络的输入端。对于特征层,构造柱塞泵PSO-BP局部故障诊断网络。针对基本PSO粒子群寻优算法存在易收敛到局部最优、早熟以及后期搜索精度低的缺陷,根据PSO算法迭代更新公式出发,提出两种局部故障诊断优化方法,分别是动态加速常数以及自适应速度。通过对柱塞泵的诊断来验证优化后算法的可行性,结果得出优化的PSO-BP局部诊断算法能快速、有效的完成特征级各子网的诊断识别。针对单一的传感器局部诊断无法实现精确诊断的缺陷,引入多传感器联合诊断的方法。针对D-S证据理论融合存在的缺陷,提出基于指数函数的模型对数据源进行修正,并提出新的衡量证据间相互排斥程度的算法,避免局部诊断数据融合失败。最后通过案例来验证了改进D-S故障数据融合算法对柱塞泵故障诊断分类有较好的效果。
杨成刚[8]（2019）在《液压系统智能有源测试理论及方法研究》文中指出液压系统以功率密度大、响应快、精度高等特点,在重工业、轻工业、农业、林业、渔业、航海、航空航天和军工等领域的各类装备中,处于控制和动力传输的核心,是目前应用最广泛的驱动方式。随着液压装备结构越来越复杂,特别是机、电、液三项技术的有机融合,功能越来越强大,致使出现健康状况问题和故障更不易被观察和测试,一旦出现误诊断,则会造成无法估量的经济损失。为了提高液压系统的工作可靠性,国内外行业专家致力于液压系统快捷准确的故障测试技术与方法的研究,并大力开发各种基于不同原理、不同结构、不同特点的液压系统健康状态和故障诊断的仪器或装置。但是,有相当一部分研究工作,还停留在理论研究和实验室实验中,在实际液压装备中,真正得到良好应用的,具有节能化和智能化的测试仪器尚不多见。因此,新一代液压系统的状态测试理论及其实现方法的研发是液压技术的一个重要的工程领域。论文在深入研究液压测试技术的国内外发展概况及现状基础上,针对工程现场对液压系统测试快速便捷的需求,利用液压元件的泄漏特性,提出了具有自主知识产权的液压有源测试理论及方法,提出快捷简单的,效率更高的液压测试方式,概述了课题的来源、研究内容以及所要进行的研究工作。通过总结常用的各种液压系统测试技术和方法特点,利用AEMSim仿真技术,分析了一代液压有源测试仪的检测缺陷,提出了提高一代机测试精度的优化方案,研发了二代机采用测试仪输出流量的闭环控制系统,为更精准的检测液压系统泄漏打下基础;依据液压系统的分类,分别建立了开式回路液压系统和闭式回路液压系统的泄漏模型,并进行了理论的研究,创建了液压系统检测附件库,为液压智能有源测试技术的应用打下理论基础。研究液压系统新的测试方法的准确计算模型以及与其它关键参数的关系,为新型液压测试装置的设计与控制奠定理论计算基础。在进一步深入研究的基础上,研发了二代液压有源测试仪,利用MySQL软件建立了液压元件的健康泄漏的数据库,实现了液压系统泄漏健康状态智能有源测试,完善了液压有源测试理论及方法,研究新型液压测试方法与各种液压装备的适应问题,提出智能测试方法以便实现液压测试技术的高适应性,提高液压测试装置的测试精度。运用液压有源测试技术分别完成对电液换向阀、比例溢流阀和轴向柱塞泵等典型液压元件泄漏量的检测及故障诊断。依据国家标准和国内外派克、力士乐等液压元件厂家产品样本,对多种液压元件出厂检测的泄漏量数据,建立了液压元件健康泄漏量数据库,以及液压系统泄漏健康状态智能有源检测系统。运用该液压智能有源测试系统完成对100 T平板车、液压校直切断机、锻造液压机和中国天眼FAST液压促动器群组等液压系统的泄漏健康状态的检测,验证了液压智能有源测试系统,可以实现快速、精准地检测液压系统的泄漏健康状态和各种液压故障部位,为科学的维修维护提供条件。
李贾宝[9]（2019）在《变转速泵控马达系统转速波动产生机理及抑制方法研究》文中进行了进一步梳理随着液压技术的不断提高,液压设备正在向大型、高速、高压以及智能化方向发展。由于液压设备结构和工况的特殊性,使得液压设备动态信息在传递过程中受到多种复杂的耦合效应和非线性因素的影响,传统的压力、流量、振动、噪声等信号源已经无法保证多能域耦合液压系统运行状态信息的客观性和完整性;此外传统的信号处理方法在强耦合、大噪声的影响下,难以实现特征分离。转速波动分析是旋转机械领域采用的一种有效性能评估和故障诊断方法,能够很好的揭示各类旋转设备的运行状态和故障演化机理。液压系统产生的瞬时转速波动会对设备运行安全以及系统性能带来极大影响,大型设备中液压泵和马达转速波动的产生机理及抑制方法已成为领域研究热点。本文以变转速泵控马达系统为研究对象,分析了柱塞设备（泵/马达）转速波动的产生机理,利用流体仿真平台-AMESim搭建了变转速泵控马达液压系统的仿真模型,研究了不同油液物性参数以及环境工况对泵源转速波动的影响机理,并对泵控马达系统泵源转速波动的抑制方法进行了研究,为开展液压系统控制策略以及性能优化等方面的研究提供了理论依据和技术手段。本文完成的主要工作如下:（1）研究了变转速泵控马达液压系统转速波动的产生机理。根据泵控马达液压系统的工作原理,并对柱塞设备（泵和马达）的全耦合动力学模型进行求解,理论上分析了液压系统泵源转速波动的产生机理,其主要影响因素包括:设备结构参数、负载压力、输入转矩、油液物性等。（2）利用AMESim仿真软件建立了泵控马达液压系统的整体仿真模型。基于柱塞设备的结构和工作原理,分别建立了林德HPV-55轴向柱塞泵和林德HMV-105轴向柱塞马达仿真模型,并依据闭式液压系统工作原理,搭建了闭式液压系统模型,在建模过程中,充分考虑了油液物性以及泄漏对泵源转速波动的影响机制。通过实验结果与仿真对比分析可以得出:随着转速的升高,泵源转速波动会明显增大;随着压力的升高,转速波动会明显降低,验证了模型的有效性。基于仿真模型,分析了油液温度、含气量和黏度对油泵转速波动的作用机理,结果表明:随着油液温度的升高,泵源转速波动程度增大;随着油液含气量的增大,转速波动趋势是先减小后增大,其范围分别为0.01%0.18%和0.18%0.51%;随着油液黏度的增大,液压泵转速波动幅值和转速波动率均减小。（3）研究了柱塞泵转速波动信号特征提取方法。工程实际中,液压系统中噪声与油液脉动之间存在耦合作用,使得瞬时转速信号变得异常复杂,因此基于零相位阶比滤波的信号处理方法,可以成功提取转速波动特征信号及其阶比谱,为基于转速波动评价变转速泵控马达系统的控制策略及性能提供方法支持。（4）通过实验研究了蓄能器充气压力、容积以及负载转动惯量等因素在不同工况下对系统泵源转速波动的抑制效果,结果表明:在不同的工况下,随着蓄能器的充气压力的增大,液压系统的缓冲作用会增大,泵源转速波动会明显降低;而随着蓄能器容积的增大,其泵源转速波动会先降低后升高;在不同转速和负载压力下,随着负载转动惯量的增加,泵源转速波动均会有所降低。通过研究,得知液压系统中抑制系统泵源转速波动的相关参量,为系统的结构优化设计以及系统的安全运行提供了理论依据。
王胜学[10]（2019）在《基于虚拟样机的柱塞泵松靴故障诊断研究》文中进行了进一步梳理柱塞泵是液压系统中的动力源和关键元件,而因为柱塞泵的工作环境较为恶劣,所以其容易发生不同类型的故障而影响正常生产和人员安全。松靴故障是柱塞泵一种常见的故障模式,本文依据虚拟样机技术建立某型号轴向柱塞泵的动力学分析模型,在不同载荷工况下开展了基于虚拟样机技术的柱塞泵松靴故障诊断研究。主要研究与成果如下:（1）柱塞泵虚拟样机构建。分析某型号柱塞泵的结构与工作原理,在SolidWorks中建立柱塞泵三维模型;通过分析柱塞泵实际运行过程中各个部件间的约束关系与运动耦合关系,在ADAMS中成功搭建了柱塞泵的刚体动力学模型;分析柱塞泵的流体特性,结合功率键合图理论,利用AMEsim液压建模软件建立柱塞泵的液压模型;通过分析柱塞泵振动传递方式和路径确定柱塞泵建模过程中需要进行柔性化的三大部件,即泵体、泵壳、顶盖,在ADAMS中建立柱塞泵的刚柔耦合模型;利用软件接口和设置交换变量,搭建柱塞泵的虚拟样机;对所建的各个模型进行仿真分析,将仿真结论与理论计算结论进行对比分析,验证模型的准确性。（2）故障模拟仿真。从理论上分析了柱塞泵松靴故障的发生机理;确定了柱塞泵发生松靴故障时的柱塞滑靴副的尺寸间隙的改变和相对运动关系的变化,并以此为理论依据研究确定了柱塞泵松靴故障模拟方法,通过柱塞滑靴副间结构和尺寸大小合理设置故障间隙值大小;确定并设置了柱塞球头的磨损量,建立了正常、轻微故障和严重故障三种工况下的柱塞泵虚拟样机;分析了柱塞泵滑靴松动故障的振动传递路径,提出了基于振动信号进行松靴故障诊断的方法,并设置5MPa、1OMPa、15MPa和23.5MPa这四种外部载荷来模拟柱塞泵的变载荷工况;针对变载荷工况下对不同程度松靴故障的振动信号进行了处理和分析,提出了基于振动信号能量特征进行柱塞泵变载荷工况滑靴松动故障诊断方法;（3）设计完成了柱塞泵的松靴故障试验。设计了对柱塞球头进行人为磨损处理的故障模拟方式,在四种载荷激励下分别完成了柱塞泵正常与松靴故障两种工况下的试验,将理论计算与仿真结论和试验结论进行对比分析,验证基于虚拟样机技术进行柱塞泵故障诊断方法的合理性,为基于虚拟样机的柱塞泵松靴故障诊断方法提供了理论与实验依据。以上研究成果表明,基于虚拟样机技术对柱塞泵进行故障诊断的方法有效可行,本文的研究成果可为柱塞泵的故障诊断提供了新的思路。
二、柱塞泵泄漏故障智能诊断系统研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、柱塞泵泄漏故障智能诊断系统研究（论文提纲范文）
（1）基于液压系统材料因素故障萃析（论文提纲范文）
| 1 液压系统材料因素故障萃析 |
| 1.1 液压油引起的故障分析 |
| 1.1.1油黏度引起的故障 |
| 1)故障类型： |
| 2)发生元件： |
| 3)分析与措施： |
| 1.1.2油温度引起的故障 |
| 1)故障类型： |
| 2)发生元件： |
| 3)分析与措施： |
| 1.1.3油面高低引起的故障 |
| 1)故障类型： |
| 2)发生元件： |
| 3)分析与措施： |
| 1.1.4油污染引起的故障 |
| 1)故障类型： |
| 2)发生元件： |
| 3)分析与措施： |
| 1.1.5油气泡引起的故障 |
| 1)故障类型： |
| 2)发生元件： |
| 3)分析与措施： |
| 1.2 油管引起的故障分析 |
| 1.2.1油管漏气引起的故障 |
| 1.2.2油管接错引起的故障 |
| 1.2.3油管规格引起的故障 |
| 1.2.4与油管有关的其他原因引起的故障 |
| 1.3 密封不良引起的故障分析 |
| 1.3.1外漏故障 |
| 1.3.2内漏故障 |
| 1.3.3其他密封不良故障 |
| 1.4 系统弹簧引起的故障分析 |
| 1.5 马达引起的故障分析 |
| 1.6 材料造成的爬行故障 |
| 2 液压系统故障诊断发展趋势 |
| 2.1 液压材料因素引起的故障归属是智能诊测的基础 |
| 2.2 几种智能诊断的评价及注意事项 |
| 3 结束语 |
（2）柱塞泵故障特征提取及辨识方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柱塞泵故障诊断技术的发展 |
| 1.2.2 智能诊断方法研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 论文结构 |
| 第2章 柱塞泵故障机理分析 |
| 2.1 柱塞泵结构组成及其工作原理 |
| 2.2 柱塞泵常见故障及其分析 |
| 2.3 柱塞泵振动频率分析 |
| 2.4 希尔伯特(hilbert)谱简介 |
| 2.5 本章小结 |
| 第3章 信号特征提取方法类比分析及仿真分析 |
| 3.1 特征提取方法类比分析 |
| 3.1.1 短时傅里叶变换(STFT) |
| 3.1.2 小波变换(WT) |
| 3.1.3 经验模态分解(EMD) |
| 3.1.4 变分模态分解(VMD) |
| 3.2 非线性非平稳信号的仿真分析 |
| 3.2.1 模拟频率突变信号 |
| 3.2.2 模拟调幅调频信号 |
| 3.3 本章小结 |
| 第4章 柱塞泵故障试验及实测信号分析 |
| 4.1 试验配置简介 |
| 4.1.1 试验搭建 |
| 4.1.2 故障类型的设置 |
| 4.1.3 信号采集系统简介 |
| 4.2 实测信号分析 |
| 4.3 本章小结 |
| 第5章 基于VMD模糊熵和PSO-SVM的故障诊断 |
| 5.1 基于VMD模糊熵的柱塞泵故障诊断研究 |
| 5.1.1 模糊熵简介 |
| 5.1.2 特征向量的提取 |
| 5.2 PSO-SVM故障识别 |
| 5.2.1 支持向量机(SVM)简介 |
| 5.2.2 SVM多分类问题 |
| 5.2.3 SVM的参数分析 |
| 5.2.4 粒子群算法(PSO)简介 |
| 5.2.5 PSO-SVM故障识别 |
| 5.2.6 诊断结果对比 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（3）基于AMESim斜盘式轴向柱塞泵建模与故障维护（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 轴向柱塞泵的发展 |
| 1.3 国内外研究现状 |
| 1.3.1 液压仿真技术发展 |
| 1.3.2 柱塞泵故障诊断技术发展 |
| 1.4 主要研究内容 |
| 1.4.1 研究思路 |
| 1.4.2 研究内容 |
| 1.5 本章小结 |
| 第二章 斜盘式轴向柱塞泵的介绍及故障分析 |
| 2.1 斜盘式轴向柱塞泵的结构及原理 |
| 2.2 斜盘式轴向柱塞泵的运动学及受力分析 |
| 2.2.1 斜盘式轴向柱塞泵运动学分析 |
| 2.2.2 斜盘式轴向柱塞泵柱塞受力分析 |
| 2.3 斜盘式轴向柱塞泵故障分析 |
| 2.3.1 斜盘式轴向柱塞泵故障及排除方法 |
| 2.3.2 斜盘式轴向柱塞泵典型故障研究 |
| 2.4 本章小结 |
| 第三章 斜盘式轴向柱塞泵建模与故障仿真 |
| 3.1 斜盘式轴向柱塞泵的建模 |
| 3.1.1 AMESim仿真软件介绍 |
| 3.1.2 柱塞泵的仿真模型建立 |
| 3.2 斜盘式轴向柱塞泵故障注入 |
| 3.3 斜盘式轴向柱塞泵仿真分析 |
| 3.3.1 A10VN0泵正常工作仿真分析 |
| 3.3.2 基于AMESim的A10VN0泵故障仿真分析 |
| 3.4 本章小结 |
| 第四章 基于PSO-BP神经网络柱塞泵故障诊断 |
| 4.1 人工神经网络基本理论 |
| 4.1.1 人工神经网络简介 |
| 4.1.2 神经元模型 |
| 4.2 BP神经网络 |
| 4.2.1 BP神经网络结构 |
| 4.2.2 BP神经网络算法 |
| 4.2.3 BP神经网络故障诊断步骤 |
| 4.3 粒子群优化算法基本原理 |
| 4.4 PSO-BP神经网络模型建立 |
| 4.5 BP与PSO-BP柱塞泵故障诊断 |
| 4.5.1 故障数据采集 |
| 4.5.2 样本数据的预处理 |
| 4.5.3 神经网络模型建立 |
| 4.5.4 神经网络故障诊断结果 |
| 4.6 本章小结 |
| 第五章 柱塞泵故障监测与预测性维护 |
| 5.1 柱塞泵故障在线监测 |
| 5.2 柱塞泵预测性维护 |
| 5.3 本章小结 |
| 总结与展望 |
| 1 全文总结 |
| 2 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（4）数据驱动的船用液压泵故障智能诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1.绪论 |
| 1.1.课题来源、研究背景及意义 |
| 1.2.故障诊断国内外研究现状 |
| 1.3.本文的主要研究内容及结构 |
| 2.船用液压泵及其典型故障模拟 |
| 2.1.船用液压泵 |
| 2.2.船用液压泵的典型故障模拟试验 |
| 2.3.本章小结 |
| 3.数据驱动的船用液压泵故障诊断原理 |
| 3.1.船用液压泵故障智能诊断原理 |
| 3.2.船用液压泵监测数据预处理方法 |
| 3.3.监测数据预处理结果与分析 |
| 3.4.本章小结 |
| 4.船用液压泵的故障特征提取与融合 |
| 4.1.船用液压泵故障特征提取方法 |
| 4.2.船用液压泵故障特征选择与融合方法 |
| 4.3.故障特征提取与融合结果与分析 |
| 4.4.本章小结 |
| 5.基于分位数回归神经网络的船用液压泵故障诊断 |
| 5.1.分位数回归神经网络的基本概念 |
| 5.2.故障诊断模型构建与优化 |
| 5.3.故障诊断结果分析 |
| 5.4.本章小结 |
| 6.总结与展望 |
| 6.1.全文总结 |
| 6.2.后续研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
（5）基于数据驱动的SPMT状态监测与故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 SPMT的发展和状态监测及故障诊断分析方法 |
| 1.2.1 自行式模块运输车国内外发展现状 |
| 1.2.2 在线监测技术国内外研究现状 |
| 1.2.3 液压故障诊断技术国内外研究现状 |
| 1.3 主要研究内容 |
| 第2章 SPMT状态监测系统分析 |
| 2.1 自行式模块运输车 |
| 2.1.1 自行式模块运输车简介 |
| 2.1.2 行走系统 |
| 2.1.3 悬挂系统 |
| 2.1.4 转向系统 |
| 2.2 状态监测系统 |
| 2.2.1 状态监测系统方案设计 |
| 2.2.2 基本参数与安全状态监测 |
| 2.2.3 故障状态分析及监测 |
| 2.3 小结 |
| 第3章 基于AMESim的悬挂液压系统建模及故障仿真 |
| 3.1 悬挂液压系统AMESim建模与仿真 |
| 3.1.1 负载敏感变量泵建模 |
| 3.1.2 电液比例换向阀建模 |
| 3.1.3 防爆阀建模 |
| 3.1.4 柱塞缸建模 |
| 3.1.5 悬挂液压系统仿真 |
| 3.2 悬挂液压系统故障仿真 |
| 3.2.1 悬挂液压系统故障分析 |
| 3.2.2 液压缸泄漏仿真 |
| 3.2.3 负载敏感阀及定差减压阀故障仿真 |
| 3.2.4 变量柱塞泵故障仿真 |
| 3.3 小结 |
| 第4章 基于小波包分析与多分类SVM的故障诊断研究 |
| 4.1 故障诊断方案设计 |
| 4.1.1 液压故障诊断技术 |
| 4.1.2 故障诊断方案设计 |
| 4.2 基于小波包分析的故障特征提取 |
| 4.2.1 小波包分析 |
| 4.2.2 流量信号分解 |
| 4.2.3 故障特征提取 |
| 4.3 基于多分类支持向量机的故障分类 |
| 4.3.1 多分类支持向量机 |
| 4.3.2 基于二叉树多分类SVM的故障诊断方法 |
| 4.4 小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
（6）挖掘机关键液压元件故障诊断方法及系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 液压缸诊断研究现状 |
| 1.2.2 液压泵诊断研究现状 |
| 1.2.3 健康管理系统与云平台研究现状 |
| 1.2.4 研究现状小结 |
| 1.3 论文的主要内容与章节安排 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文章节安排 |
| 第二章 挖掘机故障分析与故障状态感知研究 |
| 2.1 挖掘机系统简介 |
| 2.2 挖掘机故障分析 |
| 2.2.1 挖掘机故障树分析 |
| 2.2.2 液压元件故障模式分析 |
| 2.2.3 液压元件故障机理分析 |
| 2.3 故障状态感知研究 |
| 2.3.1 液压缸状态感知 |
| 2.3.2 液压泵状态感知 |
| 2.3.3 液压阀状态感知 |
| 2.4 状态数据采集方案 |
| 2.5 状态感知装置开发 |
| 2.5.1 传感器选型 |
| 2.5.2 嵌入式设备选型 |
| 2.5.3 LabVIEW程序开发 |
| 2.6 本章小结 |
| 第三章 基于卷积神经网络的液压缸诊断研究 |
| 3.1 液压缸故障模拟实验与特征提取 |
| 3.1.1 模拟实验与数据分析 |
| 3.1.2 小波包能量特征提取 |
| 3.2 卷积神经网络 |
| 3.2.1 结构介绍 |
| 3.2.2 算法框架 |
| 3.3 算法验证与实验分析 |
| 3.3.1 算法验证 |
| 3.3.2 实验对比分析 |
| 3.4 本章小结 |
| 第四章 基于子空间辨识的液压缸诊断算法 |
| 4.1 系统原理与数学建模 |
| 4.1.1 系统原理 |
| 4.1.2 数学建模 |
| 4.1.3 状态反馈法 |
| 4.2 白色测量噪声的子空间辨识 |
| 4.3 泄漏诊断及仿真验证 |
| 4.3.1 液压缸泄漏诊断步骤 |
| 4.3.2 仿真验证 |
| 4.4 本章小结 |
| 第五章 基于深度置信网络的液压泵诊断研究 |
| 5.1 液压泵故障模拟实验与特征提取 |
| 5.1.1 状态分析与模拟实验 |
| 5.1.2 无量纲参数特征提取 |
| 5.2 深度置信网络方法 |
| 5.2.1 受限玻尔兹曼机 |
| 5.2.2 对比散度算法 |
| 5.2.3 DBN网络结构及训练流程 |
| 5.3 算法验证与实验分析 |
| 5.3.1 参数设置与算法验证 |
| 5.3.2 其他诊断方法对比 |
| 5.4 本章小结 |
| 第六章 挖掘机故障诊断与状态监控系统开发 |
| 6.1 系统总体框架 |
| 6.2 系统功能分析 |
| 6.2.1 系统需求 |
| 6.2.2 数据库结构 |
| 6.3 挖掘机健康管理网站 |
| 6.3.1 开发工具 |
| 6.3.2 功能模块 |
| 6.4 挖掘机健康监控软件 |
| 6.4.1 开发工具 |
| 6.4.2 软件模块 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要创新点 |
| 7.2 研究内容总结 |
| 7.3 研究展望 |
| 参考文献 |
| 附录1 基于CNN的液压缸诊断算法PYTHON代码 |
| 附录2 基于子空间辨识液压缸诊断算法MATLAB代码 |
| 附录3 基于DBN的液压泵诊断算法MATLAB代码 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
（7）基于多源传感器信息融合的液压泵故障诊断（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 液压泵故障诊断技术的国内外研究现状及趋势 |
| 1.2.1 液压泵故障诊断技术的研究现状 |
| 1.2.2 常用的液压泵故障诊断方法 |
| 1.2.3 液压泵故障诊断技术的发展趋势 |
| 1.3 本文主要研究内容 |
| 第二章 柱塞泵的常见故障机理分析及数据融合诊断模型建立 |
| 2.1 柱塞泵的主要故障机理分析 |
| 2.2 故障诊断信息融合的基本原理 |
| 2.3 故障诊断信息融合的模型和级别 |
| 2.4 液压泵多传感器故障诊断系统模型的搭建 |
| 2.5 本章小结 |
| 第三章 液压泵特征级局部诊断 |
| 3.1 柱塞泵常用故障诊断信号数据源 |
| 3.1.1 泵壳体振动信号 |
| 3.1.2 压力脉冲信号 |
| 3.1.3 外泄口油液的温度变化信号 |
| 3.2 柱塞泵信号幅值域特征参数提取 |
| 3.3 神经网络理论及其在液压故障局部诊断中的应用 |
| 3.3.1 神经网络故障诊断算法简介 |
| 3.3.2 PSO-BP故障诊断神经网络 |
| 3.4 柱塞泵局部诊断结构算法优化及应用 |
| 3.4.1 动态加速常数的局部诊断算法优化 |
| 3.4.2 速度自适应的局部诊断算法优化 |
| 3.5 优化算法的局部故障诊断实例 |
| 3.5.1 故障实验描述 |
| 3.5.2 局部诊断结果分析 |
| 3.6 本章小结 |
| 第四章 柱塞泵多传感器数据融合联合诊断 |
| 4.1 柱塞泵单传感器故障诊断存在的问题 |
| 4.1.1 信号干扰缺陷 |
| 4.1.2 传感器故障缺陷 |
| 4.2 多传感器故障诊断D-S数据融合 |
| 4.2.1 数据融合的规则 |
| 4.2.2 D-S证据理论数据融合的悖论 |
| 4.2.3 多源传感器数据融合的优化 |
| 4.3 柱塞泵多传感器融合故障诊断实例 |
| 4.3.1 多传感器融合诊断结果分析 |
| 4.3.2 某一传感器失效时的融合诊断结果 |
| 4.4 本章小结 |
| 第五章 多传感器柱塞泵故障联合诊断实验研究 |
| 5.1 柱塞泵故障系统实验搭建 |
| 5.1.1 实验系统组成 |
| 5.1.2 诊断模型描述 |
| 5.2 轴向柱塞泵故障诊断实验及结果分析 |
| 5.2.1 单一特征级子网故障诊断结果分析 |
| 5.2.2 多源传感器决策级融合诊断结果分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（8）液压系统智能有源测试理论及方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 液压系统测试技术研究现状 |
| 1.1.1 液压系统常用测试方法 |
| 1.1.2 液压系统测试技术发展现状 |
| 1.2 液压有源测试技术的研究基础 |
| 1.2.1 常用测试方法的优缺点 |
| 1.2.2 液压有源测试技术 |
| 1.3 课题来源、研究内容和研究难点 |
| 1.3.1 课题来源和意义 |
| 1.3.2 课题研究内容 |
| 1.3.3 课题研究难点 |
| 第2章 液压有源测试理论与方法的优化 |
| 2.1 液压有源测试仪优化方案 |
| 2.1.1 泄漏测试影响分析 |
| 2.1.2 一代测试仪AEMSim仿真研究 |
| 2.1.3 一代机提高测试精度方案 |
| 2.1.4 二代机输出流量的闭环控制系统 |
| 2.1.5 一二代机对比 |
| 2.2 开式回路液压有源测试理论研究 |
| 2.2.1 开式回路液压系统泄漏理论 |
| 2.2.2 开式液压系统泄漏有源测试模型 |
| 2.3 闭式回路液压系统液压有源测试理论研究 |
| 2.3.1 闭式回路液压系统泄漏理论 |
| 2.3.2 闭式液压系统泄漏有源测试模型 |
| 2.4 液压系统检测附件库 |
| 2.4.1 附件代码 |
| 2.4.2 创建附件库 |
| 2.5 本章小结 |
| 第3章 液压元件泄漏健康状态有源检测方法研究 |
| 3.1 液压元件的泄漏健康状态的几个定义 |
| 3.2 电液换向阀的泄漏健康状态检测 |
| 3.2.1 电液换向阀的工作位内泄漏方程 |
| 3.2.2 电液换向阀中位内泄漏方程 |
| 3.2.3 液压有源测试电液换向阀的泄漏模型 |
| 3.2.4 电液换向阀泄漏测试 |
| 3.2.5 实验验证 |
| 3.3 比例溢流阀的常见故障测试 |
| 3.3.1 比例溢流阀故障的机理 |
| 3.3.2 比例溢流阀常见故障的机理分析 |
| 3.3.3 实验系统搭建 |
| 3.3.4 实验验证 |
| 3.4 液压泵的泄漏健康状态检测 |
| 3.4.1 轴向柱塞泵的测试理论分析 |
| 3.4.2 轴向柱塞泵泄漏健康状态检测 |
| 3.4.3 检测 |
| 3.5 本章小结 |
| 第4章 智能液压有源泄漏检测系统的研究 |
| 4.1 液压系统健康泄漏数据库 |
| 4.1.1 液压元件数据代码规则的制定 |
| 4.1.2 液压元件健康泄漏数据库建立 |
| 4.2 数据库链接 |
| 4.3 智能检测程序 |
| 4.4 本章小结 |
| 第5章 智能液压有源泄漏检测系统的试验 |
| 5.1 某100 T平板车悬挂液压系统智能泄漏健康状态检测 |
| 5.1.1 某100 T平板车悬挂液压系统介绍 |
| 5.1.2 某100T平板车悬挂液压系统泄漏健康检测模型建立 |
| 5.1.3 检测前准备工作 |
| 5.1.4 悬挂液压系统泄漏健康状态检测 |
| 5.2 校直切断机智能液压有源泄漏健康状态检测 |
| 5.2.1 校直切断机介绍 |
| 5.2.2 液压校直切断机泄漏健康检测模型建立 |
| 5.2.3 检测前准备工作 |
| 5.2.4 液压校直切断机泄漏健康状态检测 |
| 5.3 锻造液压机液压控制系统智能泄漏健康状态检测 |
| 5.3.1 锻造液压机介绍 |
| 5.3.2 锻造液压机液压控制系统泄漏健康检测模型建立 |
| 5.3.3 检测前准备工作 |
| 5.3.4 液压控制系统泄漏健康状态检测 |
| 5.4 FAST液压促动器群智能有源测试试验 |
| 5.4.1 液压促动器群组的负载试验 |
| 5.4.2 液压促动器组液压缸静位沉降故障智能液压有源检测 |
| 5.4.3 液压促动器液压缸锁紧泄漏健康状态检测 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（9）变转速泵控马达系统转速波动产生机理及抑制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 变转速泵控马达系统的研究现状 |
| 1.2.3 转速波动机理方面的研究现状 |
| 1.2.4 转速波动特征提取方法的研究现状 |
| 1.2.5 转速波动抑制的研究现状 |
| 1.3 论文的主要工作内容 |
| 2 变转速泵控马达系统转速波动产生机理及仿真模型的建立 |
| 2.1 柱塞设备及闭式液压系统的工作原理 |
| 2.1.1 柱塞设备的工作原理 |
| 2.1.2 闭式液压系统的工作原理 |
| 2.2 轴向柱塞设备及系统转速波动机理分析 |
| 2.3 变转速泵控马达液压系统建模 |
| 2.3.1 单自由度柱塞泵模型的建立 |
| 2.3.2 七柱塞轴向柱塞泵模型的建立 |
| 2.3.3 九柱塞轴向柱塞马达模型的建立 |
| 2.3.4 模拟加载模块模型的建立 |
| 2.3.5 闭式泵控马达液压系统模型的建立 |
| 2.4 泵控马达系统模型参数设置 |
| 2.5 本章小结 |
| 3 变转速泵控马达系统转速波动实验验证及影响因素分析 |
| 3.1 液压试验平台简介 |
| 3.1.1 液压试验台组成 |
| 3.1.2 机电液一体化试验平台监控原理 |
| 3.2 变转速泵控马达系统实验验证 |
| 3.2.1 不同转速下泵源转速波动 |
| 3.2.2 不同压力下泵源转速波动 |
| 3.3 油液物性对泵源转速波动影响机理 |
| 3.3.1 油液温度对泵源转速波动的影响机理 |
| 3.3.2 油液含气量对泵源转速波动的影响机理 |
| 3.3.3 油液黏度对泵源转速波动的影响机理 |
| 3.4 本章小结 |
| 4 转速波动特征提取方法研究 |
| 4.1 瞬时转速测量技术 |
| 4.1.1 瞬时转速测量原理 |
| 4.1.2 瞬时转速测速算法 |
| 4.2 瞬时转速测量误差分析 |
| 4.3 转速波动特征的提取 |
| 4.3.1 阶比分析方法 |
| 4.3.2 阶比滤波器的设计 |
| 4.3.3 转速波动信号阶比谱分析 |
| 4.4 本章总结 |
| 5 变转速泵控马达系统转速波动的抑制方法研究 |
| 5.1 蓄能器对泵源转速波动抑制的研究 |
| 5.1.1 蓄能器的作用机理 |
| 5.1.2 蓄能器充气压力对泵源转速波动的影响 |
| 5.1.3 蓄能器容积对泵源转速波动的影响 |
| 5.2 转动惯量对泵源转速波动的影响 |
| 5.2.1 不同转速工况 |
| 5.2.2 不同负载压力工况 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 攻读硕士学位期间学术论文及成果 |
| 致谢 |
（10）基于虚拟样机的柱塞泵松靴故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 第二章 柱塞泵虚拟样机构建及验证 |
| 2.1 柱塞泵结构和工作原理 |
| 2.1.1 柱塞泵基本结构分析 |
| 2.1.2 柱塞运动学与流量分析 |
| 2.2 柱塞泵虚拟样机建立 |
| 2.2.1 SolidWorks三维建模 |
| 2.2.2 柱塞泵物理建模 |
| 2.2.3 柔性部件有限元建模 |
| 2.2.4 刚柔耦合模型搭建 |
| 2.2.5 柱塞泵液压模型搭建 |
| 2.2.6 柱塞泵虚拟样机搭建 |
| 2.3 模型仿真与验证 |
| 2.3.1 动力学模型仿真与验证 |
| 2.3.2 液压模型仿真与验证 |
| 2.3.3 柱塞泵虚拟样机仿真与验证 |
| 2.4 本章小结 |
| 第三章 滑靴松动故障模拟及仿真分析 |
| 3.1 柱塞泵故障分析 |
| 3.1.1 柱塞泵故障机理分析 |
| 3.1.2 柱塞泵振动传递路径分析 |
| 3.1.3 松靴故障模拟方案 |
| 3.2 故障模型的搭建与仿真 |
| 3.2.1 故障模拟与故障模型的搭建 |
| 3.2.2 故障特征的提取 |
| 3.2.3 柱塞泵松靴故障响应分析 |
| 3.3 变载荷工况下故障诊断方法 |
| 3.4 本章小结 |
| 第四章 试验验证 |
| 4.1 柱塞泵故障诊断试验系统 |
| 4.2 试验故障设置 |
| 4.3 试验结果分析 |
| 4.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 攻读学位期间发表论文目录 |
| 攻读期间参与课题情况 |
四、柱塞泵泄漏故障智能诊断系统研究（论文参考文献）
- [1]基于液压系统材料因素故障萃析[J]. 苏安良. 南方农机, 2022(02)
- [2]柱塞泵故障特征提取及辨识方法研究[D]. 韩露. 太原理工大学, 2021(01)
- [3]基于AMESim斜盘式轴向柱塞泵建模与故障维护[D]. 胡忠全. 兰州理工大学, 2021(01)
- [4]数据驱动的船用液压泵故障智能诊断技术研究[D]. 王吉. 华中科技大学, 2020(01)
- [5]基于数据驱动的SPMT状态监测与故障诊断研究[D]. 肖鹏飞. 武汉理工大学, 2020(08)
- [6]挖掘机关键液压元件故障诊断方法及系统研究[D]. 黄武涛. 上海交通大学, 2020(09)
- [7]基于多源传感器信息融合的液压泵故障诊断[D]. 朱冠霖. 上海工程技术大学, 2020(04)
- [8]液压系统智能有源测试理论及方法研究[D]. 杨成刚. 燕山大学, 2019
- [9]变转速泵控马达系统转速波动产生机理及抑制方法研究[D]. 李贾宝. 西安建筑科技大学, 2019(06)
- [10]基于虚拟样机的柱塞泵松靴故障诊断研究[D]. 王胜学. 长沙理工大学, 2019(07)