针对液压泵故障诊断问题,本文提出了一种基于辛几何模态分解和广义形态分形维数相结合的方法。对实测液压泵多模态故障振动信号进行分解;基于所提出的能量选取法,重构含有丰富运行特征信息的模态分量,并将其作为数据源;基于数据源提取,实现对液压泵不同故障的诊断。通过对比分析仿真和实测液压泵故障振动信号的试验结果,验证了该方法可以有效地诊断液压泵不同故障。

通过对轴向柱塞泵产生松靴故障的机理分析,选取振动信号和油液温升信号作为监测参量,分析研究表明:泵壳体振动信号和外泄口油液的温升信号是轴向柱塞泵松靴故障的敏感特征参量.

通过对轴向柱塞泵产生松靴故障的机理分析，选取振动信号和油液温升信号作为监测参量，分析研究表明，泵壳体振动信号和外泄口油液的温升信号是轴向柱塞泵松靴故障的敏感特征参量。

应用人工神经网络技术，对轴向柱塞泵壳体振动信号的功率谱进行了再处理，有效地诊断出了泵的松靴故障，为液压泵的故障诊断提供了新的途径。

对轴向柱塞泵产生松靴故障的机理进行分析.选取振动信号和油液温升信号作为监测参量.分析研究表明,泵壳体振动信号和外泄口油液的温升信号是轴向柱塞泵松靴故障的敏感特征参量.