摘要：[目的]为了提高液压机械无级变速器(HMCVT)换段液压系统的平稳性和安全性,设计了一种应对换段液压故障的诊断方法。[方法]利用自主研发的液压机械无级变速器试验平台,获得5种油路故障状态模式数据集;通过数据预处理及随机抽取的方法得到120组单一故障样本集和21组组合故障样本集,基于天牛须搜索算法(beetle antennae search,BAS)和BP(back propagation)神经网络,对处理后的120组单一故障样本建立了故障诊断模型;对标准BP神经网络模型和优化型BP神经网络模型进行试验测试和比对研究。[结果]所使用的BAS-BP方法对试验样本实现了5种油路状态模式分类;与标准BP神经网络相比,BAS-BP方法可以更好防止网络受限于局部极小值,且故障诊断正确率提升10%。[结论]与常规优化算法相比较,BAS-BP方法所需训练时间短、收敛速度快,算法运行速率提升85.76%,拥有更好的稳定性和判别精度。特别需要指出的是,该方法对于组合故障的判别仍然有效。

摘要：针对水田存在起伏导致传统除草装置难以实现自平衡控制,从而对秧苗造成损害的问题。针对该问题设计了一种水田除草机自平衡控制机械结构,并进行水田试验,从而验证该机械机构能够实现水田除草机地面仿形自平衡控制。整机主要的调节装置有机械调节装置、传感器调节装置和油缸调节装置。调节装置使除草部件在工作时与水田保持贴合状态,并且调整除草部件的左右倾斜角度。经过水田试验验证,作业后除草率可以达到85%,且伤苗率显著降低。

摘要：为解决水田除草机作业容易陷困而导致的效率降低问题,设计了一种液压底盘驱动系统,并对液压底盘的自适应优势进行了研究。对理论模型开展设计,并进行了水田的滑转率测量实验。通过滑转率实验获得的数据进行液压系统压力、液压元件流量及排量的计算,并在相关液压元件选型后进行仿真实验。仿真结果表明,液压底盘具有自适应优势,在工作中可以维持扭矩输出在合理范围内,有效改善除草机工作陷困的状况。