压裂车是对油层进行压裂作业从而提高产量的核心装备,其使用量随着国内与日俱增的石油开采需求不断增加,压裂车作业一般为野外作业,连续工作时间长,长时间高负载,大排量的工作,其运行相关状态直接影响着机械设备的健康状态和寿命。动力端是压裂车的关键组成部分,由于其工作载荷大,工况复杂,在高压力、强腐蚀性、大排量等恶劣环境下工作,易产生故障。传统的压裂车动力端故障诊断方式需有经验的专业人员在现场判断故障,严重依赖人工发现故障,并且工作人员频繁进入高压区检修更存在人员安全隐患等问题。因此急需一款能远程方便的进行压裂车动力端故障在线监测与诊断的系统,使各地的专家可以通过此系统提供技术支持,使用者可通过系统监测压裂车动力端运行状态,这对所设计系统的操作便携度,系统稳定性,故障分析效率和识别准确率都提出了较高的要求。本文针对上述问题,进行了压裂车动力端故障云诊断系统研究工作,主要工作内容如下:（1）针对压裂车动力端故障需工作人员频繁检修成本较高,存在人员安全隐患的问题,设计了压裂车动力端故障云诊断系统。系统基于云平台和响应式原理设计,使得系统可方便的跨端兼容多平台,并针对手机端进行人机交互设计,使得故障诊断系统愈发的便捷易用,系统设计功能全面,包括故障在线监测、诊断全流程。（2）针对压裂车故障诊断系统需持续传输大量数据的情况,基于改进Web Socket协议结合高性能的非关系型数据库Mongo DB实现系统数据传输和储存,使得系统可以长时间持续稳定对大量数据传输和存取,并且实现本系统的一套代码可兼容多种操作系统和屏幕大小的设备,节约系统开发成本,使用手机端访问系统使得随时随地的进行故障诊断成为了可能,经过测试,开发的系统可以胜任压裂车动力端在线监测与故障诊断。（3）本系统封装的传统故障诊断方法在动力端诊断的效率和准确率上还可进一步提高,为了优化系统故障诊断的正确率和运行效率,提出了一种基于蚱蜢算法优化支持向量机的故障诊断方法。首先采用贪心策略和变分模态分解处理振动信号数据后结合能量和特征构成多模态特征矩阵,然后利用蚱蜢算法优化的支持向量机进行故障的诊断和识别。实验结果证明所提算法不仅可以识别压裂车动力端不同的故障类型,同时相比传统方法亦有较高的准确度和运行效率。