关键词： 精度   记忆截割   液压系统  

摘要： 介绍了采煤机记忆截割的功能。通过对记忆截割工艺和作为执行机构的采煤机液压系统的研究,分析了其运行精度的影响因素。对比液压系统的定速和调速2种方式,优化采煤机记忆截割时序工艺和控制方法,提高记忆截割的精度和采煤机智能化水平,同时液压系统冲击的减小相应提高了采煤机的可靠性。

关键词： 煤矿   液压支架   液压系统   机电液联合仿真  

摘要： 为解决煤矿液压支架传统供液方式存在的压力波动大、流量不稳定、系统冲击大等问题,本文提出了一套煤矿液压支架智能化供液系统,并利用机电液联合仿真软件建立系统模型进行仿真。结果表明,本次提出的液压支架智能化供液系统实现了对供液系统压力的智能控制和调节,保证了液压支架在跟进过程中的高控制精度,大大提高了液压支架的支护效率和速度,验证了方案设计的合理性。

关键词： 固井设备   液压系统   振动  

摘要： 液压系统作为固井设备中的关键部件,其在保证固井作业顺利进行的同时,也面临着一系列的挑战和问题。其中,液压系统的振动是一个引人关注的问题。振动不仅会影响设备的工作效率和稳定性,还可能对设备的寿命和安全性产生不利影响。因此,深入了解和分析液压系统中的振动问题,对于改善固井设备的性能和可靠性具有重要意义。基于此,旨在浅析固井设备中液压系统的振动问题,为推动石油钻井技术的发展提供了一定的参考价值。

关键词： 液压系统   AMESim仿真   节流调速回路  

摘要： 本文以提高大负荷液压系统的负载能力为目标。首先,阐述了节流调速回路的基本结构与工作原理。其次,利用AMESim完成了节流调速回路的系统设计,并完成了节流调速回路的受力分析。最后,基于单神经网络PID算法,搭建了节流调速回路的优化模型,分析了执行元件在调速回路中对负载不同速度的作用规律。仿真结果表明,PID控制系统的引入增强节流调速回路的适用性,为设计速度控制回路提供了理论参考依据。

关键词： 总段调姿   液压系统   低应力控制   运动规划  

摘要： 针对液压小车在执行部分指令时球头可能会发生滑移,且现场制定的调姿指令存在局部受力不合理的问题,设计一套具备三自由度油缸协同运动能力的液压系统。对常见调姿工况进行了有限元分析,在此基础上提出保证总段低应力状态的调姿指令计算准则及具体计算方法,最终通过实验验证了该液压系统和相应调姿控制算法的可行性。

关键词： 茶叶   采摘机   液压系统   运动分析   试验  

摘要： 针对当前双人手抬式采茶机需要配置操作人员数量较多,使用舒适度差等问题,设计了一种适用于丘陵缓坡梯田式茶园的轻便自走式采茶机。分析了整机的结构及工作原理,对履带底盘、采茶升降机构、液压传动系统进行了理论分析和选型计算,开展了田间采茶试验,并对样机进行采茶质量性能测试。试验结果表明,该采茶机工作性能稳定,采下茶叶完整率为81.1%、可制茶率为93.7%、茶叶损失率为0.82%、漏采率为0.77%,各采摘性能指标均在标准范围以内,满足使用要求。

关键词： 双缸起竖液压系统   同步性超差   故障树   故障诊断  

摘要： 针对某双缸起竖液压系统同步性超差问题进行了故障树分析,提出利用液压原理图故障诊断方法进行快速排故的策略,并通过试验方式验证了排故策略的准确性,归纳了液压系统排故维护的方法技巧,提升了保障人员对液压系统的排故能力。

关键词： 底盘调平   番茄收获机   液压系统设计   仿真  

摘要： 底盘调平系统作为番茄收获机主要构成部分之一,其稳定性对整机采收效果的影响至关重要。当收获机采收作业车身产生左右倾斜时,如果底盘调平系统不能正常工作,将导致输送和色选皮带跑偏及偏磨、色选精度下降、割刀断裂,甚至整机侧翻。分别以番茄收获机底盘左右侧平衡时和倾斜α角时两种状态下的油缸受力分析为切入点,确定了油缸和泵的主要技术参数,设计出底盘调平液压系统原理,并结合AMESim系统仿真软件对调平效果进行了模拟验证。

关键词： 钻杆输送   电液比例控制   液压系统  

摘要： 煤矿井下钻孔施工时,作业人员频繁地装卸钻杆不仅劳动强度高,同时存在一定的安全隐患。为解决该问题,根据该自动化钻杆输送设备的机械结构和要求功能,设计出一套配套该设备的具有防爆功能的高精度电液比例控制液压系统。依据设备中各液压执行元件的负载、速度和动作要求,依次计算其压力和流量,从而确定液压系统的功率、各控制元件和液压原理。为了验证所设计液压系统是否符合工作要求,根据原理图制作了自动化钻杆输送设备的液压系统样机。实验结果表明:该样机能够将钻杆从输送设备的料仓移动到钻机的料框中,满足钻杆输送设备的工作要求。

关键词： 液压系统   故障诊断   卷积神经网络   长短时记忆网络   多传感器融合  

摘要： 针对复杂液压系统中主要元件故障诊断问题,提出一种基于一维卷积神经网络(1D-CNN)和双向长短时记忆网络(BiLSTM)实现多传感器信息融合的故障诊断模型,对柱塞泵和节流阀进行故障诊断。在模型中,首先对多种传感器采集到的信号进行数据级融合,然后利用CNN提取融合信号的故障特征并进行降维,之后利用BiLSTM学习信号中正反向数据特征,最后使用Softmax进行分类,实现对柱塞泵和节流阀故障的诊断。实验结果表明,提出的方法能够自动提取信号中的故障特征并考虑信号中所包含的正反向数据特征,柱塞泵诊断精度可达96.3%,节流阀诊断精度可达94.28%,实现了对柱塞泵和节流阀故障状态的准确可靠诊断。