对航空液压泵采集振动信号进行研究,首先提出改进阈值函数的奇异值小波去噪法,该方法对信号进行奇异值分解,把噪声非均匀分布的信号正交分解成噪声相对均匀分布的分量,然后采用改进小波阈值去噪法对每个分量进行去噪,最后重构去噪后的分量得到去噪后信号。该方法克服了软、硬阈值的缺陷,不仅提高了信噪比而且能很好地消除高斯噪声,抑制阈值法去噪时导致的伪吉布斯现象。应用该方法对仿真信号和实测航空液压泵振动信号进行去噪处理,结果表明,该方法有效可行。

液压泵早期故障信号具有非平稳性、强背景噪声、弱故障特征特点,故障特征难以有效提取。为此,提出基于自相关分析与最大相关峭度解卷积算法的齿轮泵故障特征提取方法,利用MCKD算法对采集信号去噪处理,增强信号中的原始冲击成分,提高信号的信噪比;基于峭度(或峭度绝对值,或峭度平方值)的特征信息提取方法,来度量机械信号的非高斯性程度,以表征机械设备的运行状态信息。试验结果证明:所提方法能够有效提取液压泵故障信号中的特征信息。

为了精确诊断齿轮泵故障,提出了基于马氏距离的传感器通道选择方法,采用多项式最小二乘法去除采集振动信号的趋势项和五点三次平滑法对信号进行平滑预处理,而后分别提取基于峭度的时域特征、小波包能量特征和经验模态分解特征,运用最小二乘支持向量机进行状态识别。以CB-KP63齿轮泵为例进行应用,结果表明传感器1通道识别率达到85%;采集振动信号趋势项干扰较弱,平滑处理效果较好;以EMD提取各频带能量作为特征参数的LS-SVC状态识别方法识别率达到90%以上,最终证明论文提出的方法有效可行。

改进了GM（1，1）模型，提高了其精度和适应范围；将改进的GM（1，1）模型与神经网络预测模型相结合来构建灰色神经网络组合预测模型；提出了基于支持向量机的液压泵寿命特征启发式搜索策略，以液压泵寿命特征参数特征集的交叉验证错误率为评价指标，从液压泵的特征参数（振动、压力、流量、温度、油液信息等）中选取寿命特征因子；运用小波阈值降噪法进行降噪处理，提取典型的小波包能量特征作为模型的输入。以齿轮泵为例，将改进的灰色神经网络预测模型与原始GM（1，1）模型和改进GM（1，1）模型比较可知，灰色神经网络预测模型预测精度最高，达到98．42％。

针对单方法所建液压泵寿命预测模型精度较低的缺陷,提出基于灰色理论和支持向量机的组合预测模型的液压泵寿命预测方法。该方法通过灰色累加生成操作对原始序列进行数据处理,以增强数据的规律性;运用最小最终误差预测准则确定嵌入维数,选择模型的参数;采用支持向量机进行预测,利用灰色累减生成操作还原数据,得到预测结果。选取液压油的光谱分析数据作为液压泵的寿命特征信息,采用该模型对液压泵进行寿命预测,并与灰色模型、单一支持向量机模型进行预测性能对比。结果表明,灰色支持向量机预测性能最优,精度达到99.37%,为液压泵性能评估和寿命预测提供一种更为有效的方法。

介绍了利用故障树分析法对汽车起重机液压系统进行故障诊断的方法，以该液压系统“放下支腿，车体无法支起”的典型故障为例，通过建立故障树，对其进行了定性分析，并介绍了应用故障树查找故障的方法。实践证明，此方法简便、可靠和实用。

利用LabVIEW虚拟仪器开发平台，构建了液压系统网络化检测系统，该系统实现对液压系统远程实时数据采集、测试的控制与实时显示、数据分析与存储等功能，降低了开发成本、提高了测试精度。

根据工程机械液压系统故障诊断的特点,建立了液压故障诊断专家系统。提出了利用故障定位流程图作为专家系统诊断知识的表示方式,研究了图形化的知识库生成工具Auto Flowchart,构建了诊断知识数据库,设计了故障诊断专家系统的结构,开发了基于流程图知识表示的故障诊断专家系统。有效解决了传统专家系统知识获取困难的问题;实现了液压系统的故障定位;方便了诊断知识的维护与更新,提高了查找故障的准确率及效率。最后,以QYJ40B起重机为例进行了应用,结果表明该方法有效可行。

设计并构建多功能液压实验台,研究液压泵、液压缸等液压元件故障模拟及检测方法,分析溢流阀、电磁阀检测过程,研究液压系统故障加速方法。

以某液压实验台为研究对象，运用AMESim对液压系统进行仿真分析。建立液压系统的HCD仿真模型；进行特性仿真，并与物理特性进行对比，验证了HCD仿真模型的正确性；运用所建立的HCD仿真模型对影响液压缸运动速度的因素进行分析，给出不同的流量、活塞缸直径、活塞杆直径及泄漏影响液压缸运动速度的量化对比曲线，从而为液压系统的设计及故障诊断提供依据。