选取液压油的光谱分析数据作为液压泵的寿命特征信息,针对油液采样间隔不等间距的情况,研究非等间距灰色GM(1,1)模型。对建模数据背景值进行改造,建立改造背景值的非等间距灰色GM(1,1)模型,提高模型的预测精度。研究了油液分析阈值的制定方法,制定液压泵磨损金属元素含量和含量趋势值的阈值。运用改进背景值的非等间距灰色GM(1,1)模型对某型凿岩台车的液压泵进行寿命预测,预测精度达到95.78%。

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。

利用xmxl有效地表达了液压系统专家的知识，适应网络环境的应用和分布式处理。XSLT负责对xmxl文档进行转换，Jscxript实现事件的响应，彻底解决了页面显示与业务逻辑的分离问题，而且还可以为不同的客户端输出页面。有效地降低了开发的复杂性，缩短开发周期，减轻后期的维护工作量。系统能较好地辅助液压系统故障诊断，提高解决故障问题的准确率和效率。

针对液压齿轮泵的三种典型故障——轴承磨损、齿轮磨损和侧板磨损，在小波包分解的基础上，采用分形盒维数的方法对故障的振动信号进行了盒维数研究计算。结果表明，齿轮泵在不同故障状态下，其盒维数明显不同，利用盒维数可以准确诊断出齿轮泵的工作状态。

提出了利用自相关函数和最近邻域发散度实现关联维数的可靠算法；针对齿轮泵的振动信号，先采用时域同步平均对信号进行消噪处理，然后用关联维数对齿轮泵进行故障诊断。实验结果表明，在齿轮泵的4种不同工作状态下振动信号的关联维数具有明显的可分性。

以斜盘式轴向柱塞泵为研究对象,运用AMESim软件构建了斜盘式轴向柱塞泵关键元件的模型,从而建立了斜盘式轴向柱塞泵的仿真模型.运用仿真模型分析负载、系统压力对柱塞泵运行的影响,为柱塞泵的设计及故障诊断提供依据.

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。

针对齿轮泵的健康状态评估，提出了基于AHP的液压泵模糊状态评估方法。在层次分析法（AHP）中引入模糊理论，解决了AHP在液压系统健康状态评估中应用的局限，同时AHP方法的应用也解决了模糊综合评判模型中权值确定的问题。将该方法应用在试验中，取得了很好的效果。

针对利用压力信号进行故障诊断的液压齿轮泵，分析了液压齿轮泵的压力脉动机理，研究了应用小波分析进行齿轮泵压力信号的特征提取，利用RBF网络进行故障识别和诊断的方法，建立了相应的RBF神经网络，试验表明小波分析-RBF神经网络方法可对液压齿轮泵的常见故障进行识别和诊断。

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明,基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。