关键词： 矿山升降机   液压系统   设计   仿真  

摘要： 为了提升矿山机械液压系统的安全、可靠性,以某型矿山升降机为研究对象,设计了升降机液压系统,并对矿山升降机液压系统进行仿真分析。仿真结果表明:设计的矿山升降机液压系统为4个液压缸同时升降从而实现对矿山升降机进行升降的目的;矿山升降机液压系统在开始一段存在波动,后趋于稳定在某一值附近的趋势,且4个液压缸能实现同时升降的目的,验证设计的液压系统能安全、稳定、可靠运行。该研究为矿山升降机液压系统设计、液压系统安全稳定高效的运行等方面提供理论依据及技术支持。

关键词： 课程思政   智慧课堂   深度融合   液压传动系统   学习通  

摘要： 课程思政与专业课程深度融合问题是影响课程思政教学效果的主要痛点之一,为贯彻课程思政的相关理念,以智慧课堂为手段,开展了课程思政与“液压传动系统”专业课程的深度融合与实践研究。针对课程各章节的具体教学内容,分绪论、基本回路、插装及叠加阀回路、典型液压系统四大环节分别针对性地设计了丰富新颖的课程思政案例,并借助学习通智慧课堂多样化的呈现方法,将思政素材分散融入具体知识点单元,以润物细无声的方式对学生开展思想政治教育,同时增强了课程的前沿性、趣味性和互动性。课程实践表明:借助“智慧课堂+课程思政”使得专业课程的教学效果和学生的认同感均得到有效提升,达到了较好的实施与融合效果,为液压类专业课程的课程思政设计和实施提供了较好的参考案例。

关键词： 地膜回收机   自走式   智能化   液压传动   卷膜器  

摘要： 为进一步提高地膜回收效率和解决土壤地膜残留问题,研制出一种能够克服复杂作业环境的智能化地膜回收机,以实现地膜智能化自动回收。对智能化地膜回收机的整机结构和工作原理进行阐述,采用9.0~9.5 kW四冲程柴油发动机及智能化管控平台,实现自动关停启动和动力智能交换,能够满足地膜回收机动力所需;采用PLC运行程序、触摸屏组态、软件容错等技术将信息感应器、塑料感应器、导航接收机和高清摄像仪进行组合来协同采集信息,输送至可编程控制器PLC中,控制机械实现智能化地膜回收,其编码器更新时间为0.14 s,信息传导快,智能化精准度高;采用智能化平台管控卷膜器、地膜回收箱、清膜器等,实现机械智能化高效运行。最后对样机的作业性能进行田间试验。结果表明,覆盖具有高剂量抗氧化剂0.01 mm高强度聚乙烯地膜的棉田,其电脑中控编码器更新时间0.14 s,机械回收作业率为0.20 hm~2/h,地膜回收率为91.37%,地膜回收杂质率为0.32%,其性能指标均达到设计要求。

关键词： 液压系统   多余物   预防   控制  

摘要： 控制液压系统的多余物,能够直接影响液压系统工作的可靠性和稳定性。多余物随工作介质进入液压系统后,容易导致油缸切圈、漏油、功能失效等,严重时会造成航天任务失败。基于EO2-FORM连接形式和企业现有的设备设施,对液压系统的多余物进行分析,并提出预防与控制工艺。最后总结了液压系统多余物预防与控制工艺的应用效果和创新点。

关键词： 液压系统   基本组成   控制回路   液压调试  

摘要： 在制浆造纸生产线中经常使用液压系统控制设备的动作,液压控制系统具有反馈装置、较强的抗干扰能力和较高精度的输出量。液压系统是用液压油作为媒介物质,在密封的回路里,以液体的压力能进行能量传递的传动方式。本文通过液压系统工作原理、控制方式、安装调试等方面介绍,给现场技术人员参考和借鉴。

关键词： 联合收割机   收割分离液压系统   性能监控  

摘要： 鉴于联合收割机作业工作部件较多以及故障率高等特点,对联合收割机割台、螺旋输送器、脱粒滚筒等收割分离液压部件进行工作性能监控研究。基于联合收割机的工作过程,概述了联合收割机收割分离液压系统的工作原理。设计了收割分离液压系统的监控方案、控制面板和控制器架构,研究了收割分离液压系统的控制方案;基于LabVIEW软件设计了监控界面,并通过田间试验验证了该性能监控系统的可行性。结果表明:所设计的性能监控系统能在联合收割机田间作业过程中正常运行,可靠性高,满足田间使用需求。

关键词： 实验室   虚拟仿真   虚实结合   液压系统  

摘要： 本文阐述了虚拟仿真实验室当前在国内外研究的情况,分析了现有传统实验室的不足,结合已有的教学条件,设计规划出实验室系统架构,建立实验室教学方法和实验步骤。该实验室不仅能为学生提供虚拟实验,还能对学生实验过程的数据进行测评与分析,定性反映实验情况,提高了实验教学质量,对其他工科类型的专业课程实验室建设有一定的参考作用。

关键词： 故障诊断   液压系统   粒子群算法   支持向量机   CEEMDAN   模糊熵  

摘要： 针对液压系统在使用中故障频率较高、诊断方法受各种因素影响以及诊断准确率较低等问题,提出一种新的基于PSOSVM模型的液压系统故障诊断方法。该方法首先对采集的故障信号数据进行预处理,使用自适应噪声完备集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)结合模糊熵的方法进行特征提取,形成数据样本;其次,利用粒子群算法(Particle Swarm Optimization,PSO)对支持向量机(Support Vector Machine,SVM)核函数和惩罚系数进行优化,利用数据样本训练SVM模型;最后,应用优化后的分类模型对故障进行识别分类,并与GA-SVM和基本SVM对比,验证PSO-SVM模型的分类性能。实验表明,该方法可以精准识别出故障类型,具有较强的诊断能力。