随着科学技术的飞速发展和生产力的大幅度提升,液压系统在工程应用中扮演着不可替代的作用。轴向柱塞泵具有寿命长,能量密度高,结构紧凑,泄露小等优点,所以常作为液压系统的动力部件。但是其工作环境比较恶劣,而且长时间处于高压和高速运转的工作状态,所以不可避免会出现各种故障,因此对柱塞泵进行状态监测与诊断是系统正常运转的重要保证。大量工程实践表明,轴向柱塞泵发生故障时通常不止一处,往往表现为多种故障。不同部位,不同形式,不同程度的故障会对泵体产生不同程度的影响,而这些故障信号通常都被背景强噪声信号所埋没,不易察觉,从而给故障诊断带来了挑战。本论文针对上述问题,以轴向柱塞泵为研究对象,运用适合的降噪方法,将单一故障作为出发点以多故障作为研究目标,对强噪声干扰的环境下,从轴向柱塞泵振动信号、流量信号、压力信号中提取出故障特征量,结合智能分类算法对单一故障和复合故障的模式分类做了深入的研究。本文主要开展以下几个方面的研究:(1)分析轴向柱塞泵的结构与工作原理,了解轴向柱塞泵的常见故障包括:滑靴磨损、配流盘磨损,中心弹簧失效和松靴。针对以上故障摸清各个故障的产生机理以及对轴向柱塞泵外特性的影响,设计了合理的故障试验方案,完成了对实验所需信号的采集。(2)本文所分析的振动信号属于非线性,非平稳信号,更重要的是受到各种背景噪声的干扰,针对强噪声环境下轴向柱塞泵故障信息微弱,故障特征提取困难的问题,本文提出了基于最大相关峭度反褶积(MCKD),完备集合经验模态分解(CEEMDAN)与超限学习机(ELM)相结合的轴向柱塞泵故障诊断方法。先用MCKD对振动信号进行滤波降噪处理使微弱冲击成分得到增强,然后将去噪信号用CEEMDAN分解成若干个固有模态函数分量,并提取故障特征向量,通过ELM分类算法来诊断柱塞泵的故障类型。(3)针对轴向柱塞泵复合故障的特征提取与分离问题,提出了基于多标签分类的轴向柱塞泵复合故障诊断方法。首先将振动信号通过小波去噪之后进行CEEMDAN分解提取每个分量的包络谱熵,压力信号和流量信号则直接提取时域特征指标,最终将上述特征指标进行融合之后,运用多标签分类的思想,实现对轴向柱塞泵复合故障的分离。