双联齿轮泵由于体积小、重量轻、结构简单、制造方便、价格低、工作可靠、自吸能力强、对油液污染不敏感、维护方便、输出流量大等特点广泛应用于各种类型的工程机械。同时由于双联齿轮泵基本上都采用轴向间隙补偿措施，因此，这类齿轮泵出现故障后，大多通过换件或喷涂技术使齿轮泵再生，但在维修后重新装配时，人们很容易疏忽一个关键的问题，即双联齿轮泵的流量脉动问题。

电磁阀是液压系统中的控制元件,其阀芯运动特性直接影响液压系统的工作性能。针对阀芯运动的动态特性建模是液压系统检测诊断领域的重要研究方向。以液压系统典型的三位四通电磁换向阀为研究对象,开展了基于AMEsim软件的建模、仿真分析与试验验证研究。在对电磁阀工作机理和各功能模块的分析基础上,利用AMEsim软件中的电磁库与液压库构建了电磁阀仿真模型,对影响电磁阀阀芯位移的主要因素进行分析,给出了不同的路损、弹簧刚度及液压油黏度对电磁阀阀芯位移影响的量化对比曲线;设计并搭建了液压试验台对模型进行验证。试验结果显示,实测数据与仿真结果符合良好,最大相对误差为8.2%。研究工作为电磁换向阀故障诊断和优化设计提供了模型与数据支持。

液压泵检测诊断是液压系统故障诊断的重要组成部分.分析了常见的液压泵故障及成因,归纳了液压泵检测诊断的一般流程.从检测信号选取与点位优化、信号处理以及故障诊断策略三个方面对该技术领域的研究现状进行了详细阐述.最后,对液压泵检测诊断的不解体化、高精度化、复合化和网络化的发展趋势进行了探讨。

针对柱塞泵检测诊断中故障特征模糊、成因复杂、难以准确定位的问题，结合决策树与支持向量机提出一种基于小波包分解与DAG-SVM的柱塞泵故障诊断方法。该方法预先对所用C-SVM和RBF核函数的参数进行优化，而后采用db5小波包对泵体振动信号进行三层分解以提取特征向量，将特征向量输入支持向量机完成其训练及模式识别过程。同时设计了柱塞泵故障诊断的一体化装置，通过模拟不同故障，利用已知故障样本完成支持向量机的训练过程，进而对待测样本进行故障模式识别。诊断结果与样本已知状态相符，验证了该方法的准确性。

针对齿轮泵故障成因复杂、模糊性强的特点,结合小波包分解与K-L变换,提出一种适用于支持向量机故障诊断的特征提取方法。通过小波包对样本故障振动信号进行分解得到特征向量,而后利用K-L变换处理得到新的特征向量集,达到降维去噪的目的。将处理后的特征向量集用于支持向量机的模型训练,分析结果表明：该方法能够有效提高故障模式识别准确率和识别效率。

以三位四通换向阀为研究对象,分析了电磁阀阀芯的运动机理,采用多物理场耦合的数学模型方法建模,建立了电磁换向阀阀芯工作过程的动态响应数学模型。在AMESim软件环境下对电磁阀建模。运用所建立模型,对影响电磁阀阀芯位移的因素进行分析,在模型中更改电磁阀弹簧刚度,得到一组阀芯位移曲线。结果表明：当弹簧老化后,同样输入下阀芯位移会增大,使液压系统产生安全隐患。最后对仿真结论进行了试验验证。

某大型起重设备液压系统分为上车和下车两个部分该设备作业时首先通过下车4个支腿液压缸将整个设备支撑起来待下车稳定后再操作上车其下车液压系统原理如图1所示。