近年来,机械设备故障诊断技术在国内外得到了较大的发展,在国民生产中起到了重大的作用。往复压缩机作为机械设备领域的一部分,由于其结构复杂,激励源多,对其实施故障诊断比较困难,尽管人们已对其开展了不少研究并取得了一些研究成果,但总的诊断水平还不是很高,这与其在生产中的应用现状是极不相符。往复压缩机由于其用途的广泛性使得对其故障诊断的研究更具有重要意义。本文在吸取前人研究成果的基础上,结合实际,并根据往复压缩机气阀信号的非平稳特性,引入了智能诊断方法,较好地解决了往复压缩机气阀的故障诊断。在本文中,首先根据往复压缩机气阀信号特点:随机信号、周期信号、冲击信号等混杂在一起,以及信号特征难以提取等问题,研究了往复压缩机气阀信号的消噪方法和特征提取方法。通过对小波变换技术的进一步研究,提出往复压缩机气阀信号处理的小波基函数选择原则及小波包消噪的阀值选取原则。利用小波包变换对往复压缩机的信号进行消噪处理和特征提取,并以“能量”为元素,构造往复压缩机故障信号的特征,但单独从振动信号来看从其原始数据直接获取的信息十分有限,为此又提出信息融合的故障特征提取方法,将往复压缩机气阀的压力信号和振动信号经小波包提取出“能量”特征后再进行信息融合提取气阀故障信号特征,用融合后的特征向量再进一步进行故障诊断。通过对实测往复压缩机气阀的振动信号和压力信号分析进一步验证了方法的可行性和有效性。研究了基于BP 神经网络的往复压缩机气阀故障诊断方法。人工神经网络由于具有处理非线性和自学习以及并行计算能力,且具有在线诊断能力,使其在往复压缩机故障诊断中有着广泛应用。但BP神经网络由于存在极易陷入局部极小点和收敛速度慢等缺点限制其应用,为此在本文中利用改进的BP神经网络从模式识别角度对往复压缩机气阀进行故障诊断,获得较好的效果,证明了方法的有效性。研究了基于资源有限人工免疫系统(RLAIS)的往复压缩机气阀故障诊断方法。由于现在压缩机故障诊断需要的信息量越来越多,造成很大的信息冗余,这就需要诊断方法对信息具有较好约简能力,同时,由于随着时间的推移新的故障样本不断的产生,因此需要诊断方法具有连续学习功能,为此,提出基于有限资源的人工免疫系统(RLAIS)的往复压缩机气阀故障诊断方法,实例表明该方法具有知识表达明确、直观性强、对信息数据约简能力好、鲁棒性高等优点。在深入分析往复压缩机气阀故障诊断过程的基础上,借助功能强大的MATLAB 语言系统及工具箱函数和Visual Basic 高级编程语言完成了往复压缩机气阀故障诊断原型系统软件的开发和设计,并用采集信号对诊断结果的正确性进行了测试,效果良好,证明了此系统具有可用性。