CN114879498A - 一种挖掘机用功率匹配辅助优化方法 - Google Patents

一种挖掘机用功率匹配辅助优化方法 Download PDF

Info

Publication number
CN114879498A
CN114879498A CN202210518810.0A CN202210518810A CN114879498A CN 114879498 A CN114879498 A CN 114879498A CN 202210518810 A CN202210518810 A CN 202210518810A CN 114879498 A CN114879498 A CN 114879498A
Authority
CN
China
Prior art keywords
main pump
data
groups
engine torque
oil consumption
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210518810.0A
Other languages
English (en)
Inventor
王超
郏玲玲
牛东东
王顶
王绪通
孙云飞
汪涛
戴刘伟
郑桂凡
曹俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuzhou XCMG Excavator Machinery Co Ltd
Original Assignee
Xuzhou XCMG Excavator Machinery Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xuzhou XCMG Excavator Machinery Co Ltd filed Critical Xuzhou XCMG Excavator Machinery Co Ltd
Priority to CN202210518810.0A priority Critical patent/CN114879498A/zh
Publication of CN114879498A publication Critical patent/CN114879498A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Operation Control Of Excavators (AREA)

Abstract

本发明公开了一种挖掘机用功率匹配辅助优化方法，包括：获取样本数据，其中样本数据包括：瞬时油耗、发动机扭矩、主泵压力、当前主泵电流输出值；将所述样本数据进行数据离散化处理；将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据；将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值；将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数；将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值，本发明通过采集挖掘机实际工作过程中重要数据进行数据融合分析，达到适应作业要求并均衡效率和油耗的目的。

Description

一种挖掘机用功率匹配辅助优化方法
技术领域
本发明涉及一种挖掘机用功率匹配辅助优化方法，属于功率匹配辅助优化技术领域。
背景技术
挖掘机的工作装置由液压驱动，而给液压系统提供动能的是发动机。为了能够让发动机提供最大功率又尽可能使燃油消耗量低，就需要动力系统和液压系统充分配合，实现液压系统效率高、动力系统油耗低的目的。当前，据可查的参考文献可知，功率匹配策略包括但不局限于有以下几种：1、以转速传感控制方式实现发动机-泵的功率匹配，由主控制器调节多路阀阀口开度，实现了负载-泵的功率匹配；2、基于电比例控制变量泵跟随发动机转速偏差变化的吸收功率的匹配控制原理，使变量泵随发动机功率变化进行功率匹配的动态调节；3、从泵-负载、发动机-液压泵两方面进行匹配，一方面通过对发动机油门的控制，改变发动机扭矩，进而控制发动机的输出功率；另一方面从负载出发，使发动机的输出转速和扭矩适应负载的需求。但在挖掘机的实际应用和工作中，往往会设定固定的档位转速和液压功率上限，功率调整过程中目标转速恒定不变，功率调整依赖负载变化，功率落点在以转速为横坐标，扭矩为纵坐标的一条直线上。这类功率匹配的控制方式对油耗的降低作用并不明显，而且油耗高低和工况、环境以及操作手操作习惯有直接关系。这就导致在原本油耗就不理想的情况下，由于影响因素的介入可能使油耗进一步增加。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种挖掘机用功率匹配辅助优化方法，通过采集挖掘机实际工作过程中重要数据进行数据融合分析，达到适应作业要求并均衡效率和油耗的目的。
为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种挖掘机用功率匹配辅助优化方法，包括：
获取样本数据，其中样本数据包括：瞬时油耗、发动机扭矩、主泵压力、当前主泵电流输出值；
将所述样本数据进行数据离散化处理；
将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据；
将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值；
将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数；
将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值。
进一步的，所述瞬时油耗、发动机扭矩和主泵压力属于同一时刻采样点，所述主泵电流输出和发动机扭矩保持同一时刻。
进一步的，将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据，包括：
将离散化的数据分别组成行向量为主泵压力n，列向量为发动机扭矩t和瞬时油耗q的两组矩阵数据，记为M1∈Rn*t和M2∈Rn*q。
进一步的，还包括：对矩阵数据M1和M2进行标准化处理，标准化为1，均值为0。
进一步的，将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值，包括：
将两组矩阵数据输入预先构建的矩阵融合分析模型，求出两个线性投影向量u∈Rt*1和v∈Rq*1；
根据求出的两个线性投影向量u∈Rt*1和v∈Rq*1得到代表发动机扭矩和瞬时油耗两组典型变量M1u和M2v；
其中，所述矩阵融合分析模型的公式如下：
Figure BDA0003642406580000031
其中，M1和M2分别为两组矩阵数据；M1u和M2v为代表发动机扭矩和瞬时油耗的两组典型变量。
进一步的，所述将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数，包括：
对代表发动机扭矩的典型变量值M1u设置阈值Δ0和Δ1，对于典型变量值M1u小于等于Δ0的值强制舍去，赋值为0，对于典型变量M1u大于等于Δ1的值赋值为1，对于典型变量值M1u大于Δ0并小于Δ1的值乘系数，得到表型变量的惩罚系数，记为β。
进一步的，将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值，公式如下：
Figure BDA0003642406580000032
其中，I'为优化后的主泵电流输出值，I为当前主泵电流输出值。
第二方面，本发明提供一种挖掘机用功率匹配辅助优化装置，包括：
获取单元，用于获取样本数据，其中样本数据包括：瞬时油耗、发动机扭矩、主泵压力、当前主泵电流输出值；
离散化处理单元，用于将所述样本数据进行数据离散化处理；
矩阵数据获取单元，用于将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据；
数据融合单元，用于将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值；
惩罚系数获取单元，用于将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数；
优化单元，用于将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值。
第三方面，本发明提供一种挖掘机用功率匹配辅助优化装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据前述任一项所述方法的步骤。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任一项所述方法的步骤。
与现有技术相比，本发明所达到的有益效果：
本发明在常规功率匹配基输出主泵电磁阀电流的基础上，结合瞬时油耗、发动机扭矩和主泵压力对于主泵电磁阀输出电流进一步处理，一定程度上解决了轻载时功率匹配线性对应关系局限性大的问题，使效率和油耗的均衡性最优化；同时，针对工况、环境和操作手操作习惯等不同的作业要求，可以有针对性的调节挖掘机的作业性能。
附图说明
图1是本发明实施例提供的一种挖掘机用功率匹配辅助优化方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1
本实施例介绍一种挖掘机用功率匹配辅助优化方法，包括：
获取样本数据，其中样本数据包括：瞬时油耗、发动机扭矩、主泵压力、当前主泵电流输出值；
将所述样本数据进行数据离散化处理；
将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据；
将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值；
将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数；
将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值。
本实施例提供的挖掘机用功率匹配辅助优化方法，其应用过程具体涉及如下步骤：
功率匹配部分：
A1：旋转油门旋钮位置，根据位置信息通过CAN总线将报文数据发送给控制器，由控制器发送转速信息，控制发动机的目标转速；
A2：负载变化导致主泵功率变化；
A3：主泵功率变化需要进行功率匹配，使主泵和发动机相互配合，泵功率低时发动机提供的功率低，泵功率高时发动机提供的功率高；
A4：经过功率匹配得到主泵电磁阀的输出电流，控制主泵阀芯位移量的大小，以调节主泵排量的大小。
数据融合分析部分：
B1：旋转油门旋钮位置，根据位置信息通过CAN总线将报文数据发送给控制器，由控制器发送转速信息，控制发动机的目标转速，以相同目标转速的值作为数据融合分析的一组数据；
B2：获取同一时刻的瞬时油耗q、发动机扭矩t、主泵压力p，以保证两组相关联的数据的典型变量的准确性；
B3：将B2中的未离散化的数据进行离散化处理，离散化的数据便于组成矩阵数据，以作于后续数据融合分析模型的样本输入；
B4：分别组成行向量为主泵压力n，列向量为发动机扭矩t和瞬时油耗q的两组矩阵数据，记为M1∈Rn*t和M2∈Rn*q；
B5：将两组矩阵数据进行数据融合分析的步骤如下：首先，通过公式(1)求出两个线性投影向量u∈Rt*1和v∈Rq*1，然后，根据求出的两个线性投影向量u∈Rt*1和v∈Rq*1得到代表发动机扭矩和瞬时油耗两组典型变量M1u和M2v；下式给出了数据融合模型的公式：
Figure BDA0003642406580000071
其中，矩阵数据M1和M2为标准化数据，标准化为1，均值为0；M1u和M2v作为该数据融合模型的典型变量。若基于该模型，对矩阵数据的不同处理方式也应属于本发明的保护范围。
B6：对代表发动机扭矩的典型变量值M1u设置阈值，对于典型变量值M1u小于等于Δ0的值强制舍去，赋值为0，对于典型变量M1u大于等于Δ1的值赋值为1，对于典型变量值M1u大于Δ0并小于Δ1的值乘系数，得到表型变量的惩罚系数，记为β；
B7：将惩罚系数β与当前主泵电流输出I相乘，由公式(2)分段输出经功率匹配辅助优化后的主泵电磁阀电流输出值I'，公式如下：
Figure BDA0003642406580000072
其中，I'为经过数据融合分析得到的主泵电磁阀输出电流值，I为未经过数据融合分析，仅是现阶段功率匹配输出的主泵电磁阀输出电流值。需要说明的是，本过程中对典型变量惩罚的阈值可以是一个具体的数值，也可以是一个范围，对于惩罚方式和阈值的改变也应作为本发明的保护范围。
本发明在常规功率匹配基输出主泵电磁阀电流的基础上，结合瞬时油耗、发动机扭矩和主泵压力对于主泵电磁阀输出电流进一步处理，一定程度上解决了轻载时功率匹配线性对应关系局限性大的问题，使效率和油耗的均衡性最优化。同时，针对工况、环境和操作手操作习惯等不同的作业要求，可以有针对性的调节挖掘机的作业性能。
实施例2
本实施例提供一种挖掘机用功率匹配辅助优化装置，包括：
获取单元，用于获取样本数据，其中样本数据包括：瞬时油耗、发动机扭矩、主泵压力、当前主泵电流输出值；
离散化处理单元，用于将所述样本数据进行数据离散化处理；
矩阵数据获取单元，用于将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据；
数据融合单元，用于将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值；
惩罚系数获取单元，用于将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数；
优化单元，用于将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值。
实施例3
本实施例提供一种挖掘机用功率匹配辅助优化装置，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
实施例4
本实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例1中任一项所述方法的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种挖掘机用功率匹配辅助优化方法，其特征在于，包括：
获取样本数据，其中样本数据包括：瞬时油耗、发动机扭矩、主泵压力、当前主泵电流输出值；
将所述样本数据进行数据离散化处理；
将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据；
将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值；
将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数；
将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值。
2.根据权利要求1所述的挖掘机用功率匹配辅助优化方法，其特征在于：所述瞬时油耗、发动机扭矩和主泵压力属于同一时刻采样点，所述主泵电流输出和发动机扭矩保持同一时刻。
3.根据权利要求1所述的挖掘机用功率匹配辅助优化方法，其特征在于：将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据，包括：
将离散化的数据分别组成行向量为主泵压力n，列向量为发动机扭矩t和瞬时油耗q的两组矩阵数据，记为M1∈Rn*t和M2∈Rn*q。
4.根据权利要求3所述的挖掘机用功率匹配辅助优化方法，其特征在于：还包括：对矩阵数据M1和M2进行标准化处理，标准化为1，均值为0。
5.根据权利要求4所述的挖掘机用功率匹配辅助优化方法，其特征在于：将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值，包括：
将两组矩阵数据输入预先构建的矩阵融合分析模型，求出两个线性投影向量u∈Rt*1和v∈Rq*1；
根据求出的两个线性投影向量u∈Rt*1和v∈Rq*1得到代表发动机扭矩和瞬时油耗两组典型变量M1u和M2v；
其中，所述矩阵融合分析模型的公式如下：
Figure FDA0003642406570000021
Figure FDA0003642406570000022
其中，M1和M2分别为两组矩阵数据；M1u和M2v为代表发动机扭矩和瞬时油耗的两组典型变量。
6.根据权利要求5所述的挖掘机用功率匹配辅助优化方法，其特征在于：所述将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数，包括：
对代表发动机扭矩的典型变量值M1u设置阈值Δ0和Δ1，对于典型变量值M1u小于等于Δ0的值强制舍去，赋值为0，对于典型变量M1u大于等于Δ1的值赋值为1，对于典型变量值M1u大于Δ0并小于Δ1的值乘系数，得到表型变量的惩罚系数，记为β。
7.根据权利要求6所述的挖掘机用功率匹配辅助优化方法，其特征在于：将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值，公式如下：
Figure FDA0003642406570000031
其中，I'为优化后的主泵电流输出值，I为当前主泵电流输出值。
8.一种挖掘机用功率匹配辅助优化装置，其特征在于，包括：
获取单元，用于获取样本数据，其中样本数据包括：瞬时油耗、发动机扭矩、主泵压力、当前主泵电流输出值；
离散化处理单元，用于将所述样本数据进行数据离散化处理；
矩阵数据获取单元，用于将离散化的数据按照不同主泵压力对应的发动机扭矩和瞬时油耗组成两组矩阵数据；
数据融合单元，用于将两组矩阵数据输入预先构建的矩阵融合分析模型，得到代表发动机扭矩和瞬时油耗两组典型变量值；
惩罚系数获取单元，用于将代表发动机扭矩的典型变量值，与预先设置的阈值进行比较，得到典型变量的惩罚系数；
优化单元，用于将所述惩罚系数与当前主泵电流输出值相乘，得到优化后的主泵电流输出值。
9.一种挖掘机用功率匹配辅助优化装置，其特征在于：包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1～7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1～7任一项所述方法的步骤。
CN202210518810.0A 2022-05-13 2022-05-13 一种挖掘机用功率匹配辅助优化方法 Pending CN114879498A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210518810.0A CN114879498A (zh) 2022-05-13 2022-05-13 一种挖掘机用功率匹配辅助优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210518810.0A CN114879498A (zh) 2022-05-13 2022-05-13 一种挖掘机用功率匹配辅助优化方法

Publications (1)

Publication Number Publication Date
CN114879498A true CN114879498A (zh) 2022-08-09

Family

ID=82676567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210518810.0A Pending CN114879498A (zh) 2022-05-13 2022-05-13 一种挖掘机用功率匹配辅助优化方法

Country Status (1)

Country Link
CN (1) CN114879498A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024040629A1 (zh) * 2022-08-25 2024-02-29 江苏徐工工程机械研究院有限公司 挖掘装载机控制方法以及挖掘装载机

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024040629A1 (zh) * 2022-08-25 2024-02-29 江苏徐工工程机械研究院有限公司 挖掘装载机控制方法以及挖掘装载机

Similar Documents

Publication Publication Date Title
Wiens Engine speed reduction for hydraulic machinery using predictive algorithms
CN111129550B (zh) 燃料电池系统的pid控制方法
CN103670750B (zh) 极限功率匹配控制系统、方法、装置及工程机械
CN114879498A (zh) 一种挖掘机用功率匹配辅助优化方法
CN101818508A (zh) 挖掘机功率控制系统和方法
CN108757192B (zh) 一种基于模糊变结构的柴油发动机电控调速及测试方法
CN105945311A (zh) 一种基于功率预测的数控机床进给系统调速方法
CN101624941A (zh) 工程机械节能控制方法和压力感应排量直接补偿柴油机恒阻力矩节能控制系统
CN105525905A (zh) 一种旋挖钻机功率自适应控制系统及其方法
CN202831052U (zh) 基于恒功率与变功率的液压挖掘机控制系统
EP1110129A1 (en) Method and system for adaptive control of turning operations
CN106958182B (zh) 一种轮式摊铺机行走系统及其控制方法
CN104730925B (zh) 一种输入限幅pi控制方法
CN205445812U (zh) 一种装载机用电控柴油机外特性标定系统
CN114623112B (zh) 一种纯电动抗流量饱和负载敏感系统及工程机械装置
CN102864810A (zh) 一种工程机械液压节能装置及控制方法和挖掘机
CN102828944B (zh) 工程机械及其泵流量控制系统和方法
EP4089270A1 (en) Electric boost device control for turbocharger
CN108150294A (zh) 一种微型涡喷发动机变增益转速闭环控制方法
CN113697673A (zh) 一种液压控制方法、装置及起重机
CN109604419B (zh) 一种数控裁断加工过程移动压头自动定位控制方法
CN115324758B (zh) 一种挖掘机功率控制方法
CN112068430A (zh) 一种电液比例阀死区补偿算法及补偿系统
CN115324987A (zh) 基于能效解耦的双变量液压系统的高精度位置控制方法
Songsheng et al. Temperature Rise Experiment and Prediction Modeling for Key Position of Preload Adjustable Motorized Spindle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination