针对量子遗传偏最小二乘法在特征选择过程中,存在初始化种群粗糙和适应度函数复杂等问题,提出了一种新的特征选择方法——改进的量子遗传偏最小二乘法(Improved Quantum Genetic Algorithm Partial Least Square,IQGAPLS)算法。该算法根据求解问题的实际情况,赋予种群初始值。同时,设计了一种新的适应度函数,以减少计算量,并基于此适应度函数,提出了一种新的旋转角度更新公式,解决了其方向和大小确定困难的问题。将该算法应用于轴向柱塞泵故障信号的特征选择中。实验结果表明,IQGAPLS算法具有较少的计算量和较短的执行时间,选择出的特征包含更多的工作状态信息,从而提高了分类准确率。

针对复杂机械振动信号压缩感知过程中存在的稀疏字典构造困难问题,提出了基于QPSO分类的自适应稀疏字典构造方法。该方法根据信号的分割尺度,将信号进行分块,并利用每一信号块的能量大小,构造能量序列,利用QPSO对能量序列进行优化分类,保证不同类别间能量序列的方差最大,从而实现对信号块的分类,采用K-SVD对不同类信号块分别进行稀疏字典的自适应学习训练,产生与信号相适应的稀疏字典,用于机械振动信号的压缩感知重构过程。通过滚动轴承实测信号在不同状态下的压缩感知实验表明：所提方法能够有效提高信号重构的峰值信号比,改善机械振动信号的重构效果。

为了进一步减少特征维数、缩短运算时间、提高分类正确率等，提出了一种基于量子遗传算法的轴向柱塞泵故障特征选择方法，该方法采用量子位进行染色体编码，利用量子门更新种群。首先，对轴向柱塞泵振动信号进行小波包变换，提取出原始信号和各个小波包系数的统计特征；然后，利用量子遗传算法从原始特征集中选择出最优特征集；最后，以神经网络为分类器（其输入为最优特征集），对故障进行诊断与识别。利用该方法对轴向柱塞泵正常、缸体与配流盘磨损和柱塞滑履松动三种状态的特征集进行选择，试验结果表明，与普通遗传算法相比，量子遗传算法可以更有效地减少特征维数，提高分类正确率。

针对振动信号非平稳性和特征优化选择的问题,提出一种基于EMD和GA-PLS的特征选择算法。在该算法中,首先,采用EMD方法将振动信号分解成多个固有模态函数（Intrinsic Mode Function,IMF）,对IMF分量建立自回归（AR）模型,以AR模型系数和残差作为初始特征向量,然后,遗传算法与偏最小二乘法相结合（GA-PLS）的算法对初始特征向量进行筛选得到新的特征向量,最后,以新的特征向量为输入,建立分类器,用来识别手动换向阀的工作状态和判断故障类型。实验结果表明,采用该特征选择算法能准确地选择出特征,并能应用于手动换向阀的故障诊断。

为了解决液压泵早期故障诊断难的问题,提出了一种基于渐近式权值小波降噪和Adaboost算法的液压泵故障诊断方法。针对早期故障特征难以有效提取的问题,根据最优化理论,通过对传统小波分析方法得到的信号进行渐近式权值的选择,得到了信噪比较好的降噪信号,并从中选取了最优特征集。同时,针对神经网络过学习和欠学习的现象,采用Adaboost算法对最优特征进行训练,实现了对不同故障类型的识别。实验结果表明,渐近式权值小波降噪能有效地去除噪声,提高信噪比,较为有效地提取最优故障特征;与BP神经网络相比,Adaboost算法具有更高的故障识别精度。

采用Hilbert-Huang变换，提取轴向柱塞泵泵壳振动信号故障特征。该方法先对信号进行EMD分析和Hilbert变换，再提取信号Hilbert谱及能量谱。能量谱反映了信号能量的大小和分布的复杂性，为信号特征的提取提供依据。实验分析结果表明，提取的特征有效地刻画了故障信号，为故障模式的识别奠定了基础。

常规直流换流阀内冷水系统配水管路中存在各个支路水流分配不均问题，并且急需解决。该研究从理论上对薄壁孔的刚度、节流及稳流特性进行了分析，提出了一种在配水管路中引进薄壁孔的技术，并通过仿真实验证明了该技术的有效性，分析了如何应用薄壁孔于整个内冷水系统来调节配水效果。在实测实验中，分析了薄壁孔在配水管路中的流量特性，进一步论证该技术适于配水管路的需求。

油液在线监测技术相比传统的离线检测具有实时性、同步性、连续性等优点，超声波具有良好的实时性、较高的空间分辨力、较强的油液穿透性，因此发展超声磨粒在线监测技术具有重要意义。本文基于超声散射原理，设计了一套油液磨粒在线监测系统，由工控机、超声波检测卡、超声波传感器、在线油温传感器、齿轮泵等部分组成，采用Delphi进行程序开发。并进行实装试验，结果表明，系统能够实时在线监测润滑油中的磨粒数量和大小。

针对液压泵多故障诊断和特征提取上的瓶颈问题，提出了应用概率因果模型的液压泵故障诊断法，以斜轴泵为例，在分析其故障特征的基础上，从测得的振动信号中提取故障特征频段，建立模型，以遗传算法实现对故障的搜索，实验结果与事实相符，从而为液压泵多故障诊断提供了一条有效途径。

分析了某装甲车辆液压系统的失效模式与故障机理，建立了故障树，并结合专家系统研究了基于故障树的专家系统知识库的构建以及推理机的实现。该智能故障诊断方法较好地解决了专家系统的知识获取难题，提高了液压系统的智能故障诊断水平。