摘要：针对液压软管总成存在泄漏、拔脱、断丝、爆破等故障/失效问题,综合考虑液压冲击、温度、压力及弯曲半径等因素对其寿命的影响,设计了液压软管总成可靠性试验台:基于电液伺服技术设计了12通道液压软管总成脉冲试验台,基于双气液泵复合增压技术设计了耐压爆破试验台;基于试验数据进行失效分布拟合优度检验及分布鉴别,得到脉冲、爆破试验数据分别服从对数正态分布、威布尔分布的结论;最后,进行可靠性评估并求得液压软管总成在脉冲、爆破试验条件下的平均寿命、可靠寿命及可靠度的点估计及置信下限。

摘要：针对Hopfield NN传统设计方法要求权值矩阵需要满足对称的约束，以及记忆容量和容错性低，且记忆模式易陷入伪稳定状态的缺点，本文提出了利用遗传算法（ GA）优化设计Hopfield NN权值的方法，并与传统方法对比，验证了GA?Hopfield NN具有较大的记忆容量和较强的容错性。同时提出了GA?Hopfield NN的板形模式识别模型设计方案，将具有较强计算能力的反馈网络用于实时信息处理系统实现模式识别，克服了当前板形智能识别模型动态性差，容错能力低及实时性差的缺陷。同时，Hopfield NN的二值计算形式大大提高了系统的运算速度，为硬件实现和工程应用提供了新思路。

摘要：针对现有神经网络大多是在软件的基础上进行仿真,训练时间长,不利于工程实际应用的问题,提出了GA-T-S云推理网络板形模式识别的DSP实现方法。首先以设计的板形模式识别GA-T-S云推理网络模型为基础,利用TI TMS320F2812完成T-S云推理网络的DSP设计;然后利用MATLAB遗传算法工具箱离线优化T-S云推理网络参数,将优化后的网络参数存入DSP中,进而分别在MATLAB与DSP上运行该网络;最后将运行结果分别进行显示与对比分析。实验结果证实了基于GA-T-S云推理网络的板形模式识别模型有较高的板形识别精度,能够正确识别出板形缺陷的类型,同时验证了GA-T-S云推理网络在硬件TI TMS320F2812上实现的可行性与快速性,从而为神经网络推广应用到实际工程中提供了依据。

摘要：在主动油气悬架的基础上,针对电液伺服阀的工作特性以及外加未知扰动的情况,采用自适应滑模控制的方法进行控制器设计。该方法针对悬架系统的不确定刚度进行自适应控制,较好的解决了参数不确定性对系统的影响,采用滑模控制的切换控制方法来提高系统对干扰的抑制作用,利用饱和函数代替符号函数的方法来减弱系统抖振带来的不利影响。最后通过仿真对比,主动悬架的车身垂直加速度、悬架动行程和车轮动载荷三项指标较之被动悬架都有了较大改善。

摘要：为解决无约束全局最优问题,提出自适应双变异模式差分进化算法。该算法的变异规则结合差分进化算法中的两种基本变异模式,通过采用自适应缩放因子和交叉概率,来改善种群的多样性,平衡全局搜索和局部寻优能力。对高维benchmark典型函数进行数值仿真,与另外5种算法进行比较,比较结果表明,该算法具有较高的搜索精度、收敛速度以及较强的跳出局部最优解的能力。

摘要：可靠性是液压基础件的一项重要性能指标,液压可靠性技术的发展会推动高性能液压元件的进步。本文概述了液压可靠性技术的发展概况,主要侧重于可靠性设计、可靠性分析和可靠性试验等几个方面,对液压可靠性技术的未来发展提出了建议。

摘要：针对具有非线性特性的自动离合器系统,设计了一种鲁棒故障检测滤波器,以检测自动离合器系统的突变和缓变故障。采用线性矩阵不等式的方法,给出存在故障检测滤波器的充分条件,使误差系统渐近稳定并且满足鲁棒H∞性能指标,并提出了基于残差均方值的故障检测策略。仿真结果经试验验证表明:所提出的故障检测方法用于AMT汽车自动离合器系统故障检测是可行而有效的。

摘要：针对轮毂式电动汽车用永磁同步电机(PMSM)的研究,为解决传统直接转矩控制(DTC)中存在的转矩脉动较大,快速性和稳态性能之间的矛盾等问题,提出了基于零电压矢量和自抗扰控制(ADRC)的控制策略。为减小不合理转矩脉动,该系统在传统直接转矩控制的开关表部分基础上加入了两个零电压矢量形成了新的开关表。同时,自抗扰控制技术被应用于速度控制器的设计中,用以实时补偿系统的扰动。通过对汽车加减速和进入隧道两个实际问题进行模拟仿真,仿真结果验证了基于零矢量和自抗扰控制的永磁同步电机直接转矩控制策略有效地提高系统响应速度,平衡快速性和稳定性的关系,同时,能明显减小转矩脉动,改善轮毂式电动车运行性能。

摘要：实现全自动驾驶是城市轨道交通列车未来的发展方向,速度控制算法作为列车自动驾驶系统(Automatic Train Operation,ATO)的核心,对于列车的控制性能具有重要的影响。本文使用了分数阶PIλDμATO速度控制算法,采用Tustin直接离散化作为分数阶PIλDμ控制器的数值离散化方法,完成了分数阶PIλDμ控制器的设计与实现,并将该控制器应用于列车自动运行系统中。仿真研究表明,与传统的整数阶PID控制算法相比较,分数阶PIλDμATO速度控制算法能很好地满足列车运行的基本指标,从而验证了其较好的鲁棒性和适应性。

摘要：针对传统火灾报警系统存在着准确度不高、误报、漏报及泛化能力不强的问题,设计了一种基于GA(Genetic Algorithm)优化T-S云推理网络火灾探测模型,对模型进行训练和测试。并将T-S云推理网络与模糊神经网络对火灾信号的识别结果进行对比,给出MATLAB的仿真结果。通过仿真结果表明,该火灾探测模型识别精度更高,偏离样本数据测试结果与期望输出之间误差更小,模型提高了对火灾信号的识别精度和泛化能力。