介绍了CAN总线和P87C591单片机的特点，给出了基于P87C591单片机的信号采集节点的软、硬件设计，指出了硬件电路设计中应注意的问题，在软件设计中重点介绍了节点初始化、报文发送和报文接收等子程序。

研究基于小波包频带能量的故障诊断方法及其在齿轮泵故障诊断中的应用。论述齿轮泵的典型故障设置及其数据采集,针对齿轮泵实验数据,研究基于小波包和支持向量机的齿轮泵故障诊断方法。实验结果表明基于小波包-支持向量机的故障诊断方法是有效的,而且可以满足在线实时状态监测与故障诊断的要求。

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。

鉴于偏微分方程在图像去噪中的原理和应用,针对传统机械振动信号去噪方法的局限性,提出了一种基于小波变换模改进Perona-Malik模型的强噪声信号滤波算法并用于机械振动信号去噪。首先研究了小波阈值去噪和Perona-Malik非线性各向异性扩散滤波模型之间的相关性,其次用小波变换模替代梯度模构建改进的扩散系数,并推导出了基于小波变换模的改进Perona-Malik模型。实验结果表明,与传统去噪方法和基本Perona-Malik模型相比,改进Perona-Malik模型不仅较好地实现了强噪声背景信号有效去噪,而且同时保留了信号细节特征,改进算法抗噪声干扰能力强,去噪之后信号畸变小,改进算法使信噪比平均提高了约3dB。

在机械设备盲信号处理和故障诊断中,信号的非高斯性至关重要,而峭度是非高斯性的自然度量指标,它反映了机械信号信息的动态变化特征。基于此提出了基于峭度的ICA特征提取和故障诊断方法,首先提取机械设备多通道观测信号的峭度值（或标准峭度,或峭度绝对值,或峭度平方）,并依据观测通道顺序将峭度值组成低维ICA特征向量,进而利用最小二乘支持向量机进行机械设备的模式判别和故障诊断。试验表明：该方法的故障识别率基本上达到80%以上,而且相比标准峭度和峭度平方准则,基于峭度绝对值准则方法的模式识别率更高。

齿轮泵的振动信号中含有大量噪声，在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象，为此研究了一种新的小波阈值函数，把新的阈值函数和平移不变量相结合，提出了改进小波闽值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷，同时抑制阈值法降噪时产生的伪吉布斯（Pseudo-Gibbs）现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理，并与小波软、硬阈值法及新阈值法进行了对比。结果表明：该方法具有更好的降噪效果，可应用于齿轮泵振动信号降噪处理。

针对利用压力信号进行液压齿轮泵故障诊断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并建立了相应的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

研究基于小波包频带能量的故障诊断方法及其在齿轮泵故障诊断中的应用。论述齿轮泵的典型故障设置及其数据采集,针对齿轮泵实验数据,研究基于小波包和支持向量机的齿轮泵故障诊断方法。实验结果表明：基于小波包-支持向量机的故障诊断方法是有效的,而且可以满足在线实时状态监测与故障诊断的要求。

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。