随着现代液压系统向快速、大功率、高精度的方向发展,机电装备液压系统的功能越来越复杂,结构越来越庞大,不确定因素和不确定信息充斥其间。建立完善的装备液压系统维修管理体制,是降低装备故障率、提高生产率的重要手段。液压系统的早期故障检测与诊断是装备维修管理体制中“预知维修”的核心问题。近年来,智能故障诊断理论与技术发展迅速,能够对特定环境下的诊断对象进行准确的故障模式识别和预报。但是智能故障诊断领域还存在一些难题,如传感器自身的局限性,诊断对象的动态时变性,单源信号诊断信息的不完备性,装备故障常表现为多种故障的复合性等,这些都严重制约着智能故障诊断理论和技术的发展。本文对核主元分析(KPCA)方法和D-S证据理论基本原理进行了研究。利用小波包滤波去噪的包络解调法进行信号处理,提出了基于声音信号KPCA和指数加权动态KPCA的故障诊断方法。研究了基本概率分配的确定方法,提出了集成支持向量机(SVM)与证据理论的多源信息融合故障诊断方法,该方法充分利用了各信息源的冗余互补信息,能大大提高诊断确诊率,降低诊断的误报和漏报率。试验过程中设置了泵的多种复合故障类型,把复合故障看作一种特定的故障模式,利用SVM与证据理论的融合方法对其进行直接诊断。本文主要进行了以下几个方面的工作:(1)为确保故障特征信息的完备性,从时域、频域和时频域中提取16个参量构建出了液压泵故障诊断的多信息域特征向量。在分析小波包和Hilbert包络解调的基本理论的基础上,提出了基于小波包滤波去噪的包络解调信号预处理方法,并用于采集到的振动和声音信号的处理。信号各频带的能量分布包含着丰富的故障信息,利用小波包分解的频带能量特征提取方法提取8个时频域的特征参量。提取了液压泵的松靴、滑靴磨损、中心弹簧失效和斜盘磨损4种常见故障下的5个时域无量纲参量(峰值指标、波形指标、脉冲指标、裕度指标和峭度指标)和3个频域特征参量(重心频率、均方频率和均方频率),并系统地分析了这8个时、频域参量对4种常见故障的敏感度。(2)提出了利用泵运行声音信号KPCA的故障诊断方法。阐述了KPCA法的基本原理及其应用于故障诊断时的基本步骤,给出了声音信号的预处理过程,提取了由时域、频域和时频域参量共同构成的多域特征向量,利用KPCA法进行了故障诊断。分别与单纯时域、频域和时频域参量的特征向量诊断结果进行了对比,并与利用泵端盖振动信号故障诊断的结果进行了对比。(3)提出了指数加权动态KPCA的故障诊断方法。针对液压泵运行状态具有动态时变性的特点,采用滑动时间窗口的数据更新方法,利用新数据建立了新核主元模型,引入了指数加权因子,由新模型和旧模型加权共同构造出了具有动态自适应性的诊断模型。阐述了该方法的建模和诊断步骤,利用振动信号完成了泵的故障诊断。讨论了加权因子取值对诊断结果的影响,并与传统的核主元方法得到的诊断结果作了对比。(4)提出了集成SVM与D-S证据理论的多源信息融合故障诊断方法。利用SVM确定了基本概率分配,给出了证据理论诊断故障的基本步骤,监测了泵出口压力,x、y、z向振动和声音的5通道信号,设置了故障模式的识别框架,设定了采集参数,通过对各通道信号的预处理,提取了多域特征向量,实现了对液压泵的多种故障诊断。与已有的BP神经网络确定基本概率分配的方法作了对比,并研究了在缺失某一通道信息时,该方法的容错能力。(5)对液压泵的复合故障进行了直接诊断。试验时设置了泵的多种复合故障类型,把复合故障看作一种特定的故障模式,利用SVM与证据理论融合的方法对其进行了故障诊断。(6)提出了基于虚拟仪器的试验系统组成方案,搭建了5通道轴向柱塞泵运行状态监测系统。选择泵的3个相互垂直方向的振动信号,以及声音信号、出口压力信号作为监测信号,分析了泵的各种故障状态的振动特征频率范围和故障分析频带,选择了合适的传感器,研究了如何合理选择振动传感器和声级计的测点。设置了泵多种故障模式和相应采集参数,为各种故障诊断方法进行诊断奠定了基础。