液压系统在压土机工作过程中起动力传动的作用,但是由于其结构复杂导致其经常出现故障,进而引发严重的后果。而如何对压土机的液压系统故障进行监控及诊断一直是非常棘手的难题。常用的液压系统故障诊断方法有:故障树分析法、数据挖掘故障诊断法、专家系统、信号处理法、机器学习内故障诊断法、多元统计分析法。对液压系统智能故障诊断算法的研究主要是对大型机械设备的性能和特点的评价以及智能决策辅助决策的研究。一些学者对不同机械及设备的液压系统故障诊断进行了一些智能的故障诊断模型,通过实验或仿真得到了良好的诊断结果,但也存在一些缺点。鉴于此,本文以压土机液压系统故障监测诊断为研究主题,首先,简要概述了选题背景及研究意义,对国内外关于压土机液压系统及相关故障诊断的研究现状进行了梳理,并介绍压土机液压系统的工作原理及常见故障机理和故障监测诊断的常用方法;提出了基于主成分分析方法对故障特征进行提取,然后采用改进后的主成分分析法以轴向柱塞泵为例对其进行降维处理,在通过模糊推理和模糊神经网络两种算法对故障进行模式识别,建立了基于主成分分析与模糊神经网络的压土机液压系统故障诊断模型。仿真结果表明,该模型对于压土机液压系统故障诊断具有良好的容错性和鲁棒性,避免了标准神经网路容易陷入局部收敛的缺点,诊断正确率高达97%,平均正确率提高了16%,该模型可以广泛的应用于压土机液压系统故障诊断中。