您现在的位置: 首页> 研究主题> 轴向柱塞泵

轴向柱塞泵

轴向柱塞泵的相关文献在1975年到2023年内共计1419篇,主要集中在机械、仪表工业、自动化技术、计算机技术、矿业工程 等领域,其中期刊论文512篇、会议论文49篇、专利文献202457篇;相关期刊177种,包括兰州理工大学学报、农业机械学报、工程机械等; 相关会议25种,包括中国工程热物理学会2014年年会、第八届全国流体传动与控制学术会议、第十一届摩擦学大会等;轴向柱塞泵的相关文献由1990位作者贡献,包括徐兵、杨华勇、张军辉等。

轴向柱塞泵—发文量

期刊论文>

论文:512 占比:0.25%

会议论文>

论文:49 占比:0.02%

专利文献>

论文:202457 占比:99.72%

总计:203018篇

轴向柱塞泵—发文趋势图

轴向柱塞泵

-研究学者

  • 徐兵
  • 杨华勇
  • 张军辉
  • 周华
  • 叶绍干
  • 岳艺明
  • 邓海顺
  • 焦玲
  • 高殿荣
  • 张斌
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 赵宝建; 谷立臣; 刘佳敏; 耿宝龙; 石媛; 仵浩宇; 杨莎
    • 摘要: 轴向柱塞泵压力脉动既是引起液压系统转速波动、振动噪声以及输出稳定性的重要原因,也是获取故障信息的主要信息源。液压系统具有强噪声干扰特性,导致监测信号信噪比低,因此很有必要深度挖掘压力信号携带的系统运行状态信息。本文首先通过柱塞泵流量损失机理,来分析流量脉动与压力脉动之间的映射关系。之后基于标准Gabor变换对压力信号进行滤波重构。最后根据压力信号时域波形形貌,提出4个特征指标来分析不同运行工况下的压力脉动特点。实验结果表明标准Gabor变换能够准确提取信号中的高次谐波及相位频率。其重构的轴向柱塞泵压力脉动时域波形形貌,蕴含着丰富的运行状态信息。通过分析各工况下脉动的变化特点,为液压泵、马达及关键元件的故障诊断和健康评估提供了新的理论依据和方法支持。
    • 姜万录; 马歆宇; 岳毅; 赵亚鹏
    • 摘要: 针对轴向柱塞泵实际故障诊断中采集到的故障类数据远少于正常类数据的情况,为提升故障分类精确率,提出了一种基于平衡随机森林(Balanced Random Forest,BRF)的轴向柱塞泵故障诊断方法。BRF算法是随机森林(Random Forest,RF)的改进算法,将欠采样方法与RF结合,强化了RF处理非均衡数据的能力。通过开源的UCI数据集对该算法的性能进行了测试,相较于RF以及合成少数类过采样(Synthetic Minority Over-sampling Technique,SMOTE)与RF的组合算法SMOTE-RF,BRF算法在少数类分类精确率方面有所提升。最后,将BRF算法应用于轴向柱塞泵的故障诊断中。结果表明,在类间数据不均衡的条件下,相较于RF及SMOTE-RF算法,BRF算法能够取得更高的故障分类精确率。
    • 姜万录; 岳毅; 张淑清; 马骏; 马歆宇; 邹佳运
    • 摘要: 不同工况下的轴向柱塞泵故障数据存在分布差异,现有的基于特征迁移学习的变工况故障诊断方法大多只通过单个传感器信号进行分析,具有一定的局限性和片面性。为了利用多传感器信号提高变工况下轴向柱塞泵故障诊断的性能,该研究提出一种耦合分类器子空间嵌入分布自适应(Subspace Embedded Distribution Adaptation with Coupled Classifiers,SEDACC)方法。该方法利用多传感器信号的频谱数据构造主要数据集和辅助数据集,通过子空间对齐(Subspace Alignment,SA)方法将源域和目标域的主要数据投影到公共子空间中,并采用加权条件最大均值差异(Weighted Conditional Maximum Mean Discrepancy,WCMMD)作为度量进行特征分布的适配。同时,基于结构风险最小化(Structural Risk Minimization,SRM)准则在源域标签数据上学习主分类器,根据主分类器对于目标域的预测结果在目标域辅助数据上学习辅助分类器。通过交替和迭代策略不断优化分类器参数,最后对二者进行加权融合得到最终的诊断模型。通过轴向柱塞泵变工况故障诊断试验进行验证,结果表明,当以垂直于端盖的z方向振动信号为主要数据并使用声音信号(或以平行于端盖的x方向的振动信号)作为辅助数据时,SEDACC方法在6种迁移任务中的平均准确率为99.88%(99.46%),高于其他方法。此外,所提方法在目标工况样本稀少的情况下仍具有较高的诊断精度,当目标域和源域样本数比值为0.2时,6种迁移任务的平均准确率达到92.66%。研究结果可为更完备与准确的机械故障诊断提供参考。
    • 李志杰; 兰媛; 黄家海; 牛蔺楷; 袁科研; 范佳祺; 武兵
    • 摘要: 空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先,对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强,并对其进行了标准化处理;然后,利用卷积神经网络(CNN)自动提取信号的特征,并对其进行了特征降维处理;利用双向长短期记忆(Bi-LSTM)网络学习特征序列的时间依赖性,利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类,实现了对柱塞泵的空化状态检测与智能故障诊断;最后,为测试CBLRE模型的性能,搭建了实验平台,在此之上将CBLRE模型与其他模型进行了对比,分析了该模型在不同工况下的性能表现。研究结果表明:该模型的结构稳定、训练时间短,且在不同负载下均可保持良好的泛化性能,空化状态识别率均达到99%以上,该结果验证了柱塞泵空化状态识别方法的有效性;此外,该模型还可有效识别空化现象与柱塞泵的其他故障。
    • 王文龙; 蒋健; 汤乾宇; 刘清建; 王太勇
    • 摘要: 针对轴向柱塞泵旋转组件,建立一类含有横向呼吸裂纹的单盘悬臂柔性转子有限元模型。采用数值积分方法进行仿真,得到转子系统的时间历程、轴心轨迹和频谱图等振动响应,分析裂纹深度、裂纹位置对转子振动特性的影响规律。结果表明:当横向裂纹位于轴承2时,随着裂纹深度的增加,转子二倍频及三倍频幅值随之增大,并且转子转速在1/2和1/3临界转速附近时,轴心轨迹具有内凹的变化趋势;当裂纹位于刚性圆盘附近时,对转子轴心轨迹、频率幅值等影响较小,并且轴心轨迹具有外凸的变化特点。
    • 李正祥
    • 摘要: 针对某型号轴线柱塞泵,分别从封闭中空柱塞和空心柱塞的角度,建立了轴向柱塞泵AMESim和Simerics MP+配流副仿真模型,分析了两种不同闭死容积的柱塞对柱塞泵出口流量脉动的影响,得出封闭中空柱塞通过减小柱塞腔闭死容积,能有效降低柱塞泵出口流量脉动,对柱塞泵减振降噪具有重要的指导意义。
    • 叶绍干; 葛纪刚; 侯亮; 穆瑞; 卜祥建
    • 摘要: 为改善微小型轴向柱塞泵配流副润滑特性,对缸体进行受力分析,建立了配流副油膜润滑模型,以泄漏量、缸体倾覆角、粘性摩擦力矩为优化目标,采用多目标遗传算法(Non-dominated sorting genetic algorithm,NSGA-Ⅱ)对配流盘密封环结构参数进行了优化,包括配流盘密封环径向尺寸R_(1)、R_(2)、R_(3)、R_(4)和腰型槽起点张角θ。模型考虑缸体微观的倾斜运动以及宏观的旋转运动,对楔形油膜的动态变化过程进行了仿真。通过有限容积法对雷诺方程进行离散化处理,得到配流盘表面油膜的压力分布情况,并分析了密封环结构对油膜特性的影响。研究结果表明,密封环最外缘的尺寸对油膜润滑性能影响较小,腰型槽起点张角和密封环内缘尺寸对缸体倾覆角的影响较大;配流盘结构优化后,油膜综合润滑特性提升5.4%,倾覆角和泄漏量分别下降3.8%和29.6%。
    • 王晋芝; 刘雨
    • 摘要: 针对某型号轴向柱塞泵在重载小流量工况下容积效率低的问题,运用AMESim软件搭建轴向柱塞泵配流副原理模型,对配流盘的结构进行优化设计并对优化前后的容积效率进行对比分析,最后,通过试验验证了相关设计参数的正确性,结果表明:优化后的配流盘结构能明显地改善重载小流量工况下轴向柱塞泵的容积效率。
    • 陈晋市; 张志伟; 张淼淼; 张卫东; 杨飞; 徐健
    • 摘要: 工程机械轴向柱塞泵在实际的工作过程中,由于物理、化学因素或操作人员使用不当等人为因素的影响,在使用一段时间后轴向柱塞泵会出现一些故障现象,致使轴向柱塞泵的使用寿命缩减,影响施工进度。为了解决轴向柱塞泵在工作过程中出现的故障问题,对常见的几种故障进行了分析。通过研究轴向柱塞泵的故障情况,对引起轴向柱塞泵故障的原因进行了详细的分析,并提出了改进方案;重新投入使用后验证了改进方案的可行性。提出了关于轴向柱塞泵设计、运行和维护的预防措施,提高了轴向柱塞泵的稳定性和可靠性,为今后轴向柱塞泵的现场故障解决和预防提供了有效参考。
    • 任翔; 贾睿乐; 王鹏飞
    • 摘要: 文章详细叙述了稀土钢板材公司现有液压系统工况下轴向柱塞泵由于零部件损坏、油液污染、泄漏、摩损及装配精度等原因所引起的泵体过热、密封不良、系统污染、噪声及流量不足等故障及问题,并针对故障产生情况分析其诱因及特点,检查内部构件损伤及运行状况、油液质量及清洁度、系统泄漏及温度情况,对液压系统做出有效的故障诊断,保证轴向柱塞泵及液压系统的稳定运行。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号