针对局部特征尺度分解 LCD （ Local Characteristic Scale Decomposition）降噪方法处理非平稳机械振动信号存在的缺点，提出一种基于高频谐波加入．局部特征尺度分解HFHA-LCD （ High Frequency Har-monic Added-Local Characteristic Scale Decomposition）的方法来自适应实现液压泵非平稳振动信号降噪。该方法首先向原信号中加入高频谐波，然后对混合信号进行LCD分解，再以各内禀尺度分量ISC（Intrinsic Scale Component）与原信号的相关系数为准则选取有用ISC分量，最后以有用ISC分量重构原信号，达到降噪目的。仿真信号分析结果表明，HFHA—LCD较LCD可以有效抑制模态混叠现象，提高分解精度，HF—HA-LCD降噪方法的效果也明显优于LCD降噪方法，基于HFHA-LCD的液压泵振动信号降噪结果验证了该方法的有效性。

针对液压泵故障诊断问题，提出了一种基于局部特征尺度分解（Local Characteristic-scale Decomposition，LCD）、模糊熵和SOM神经网络三者相结合的故障诊断方法。对液压泵振动信号进行LcD分解，得到若干个内禀尺度分量（Intrin-sic Scale Component，ISC）；将Isc分量分别与原信号进行相关分析，筛选出包含主要故障信息的前几个Isc分量，计算其模糊熵并组成特征矩阵；将特征矩阵输入SOM神经网络进行分类识别。液压泵故障诊断实例表明，该方法能够准确识别液压泵典型故障，具有一定优势。通过与BP神经网络分类结果相对比，显示了SOM神经网络在特征分类方面的优越性。