航空液压管路是航空液压系统动力传输的重要通道,但因管路自身结构的特殊性以及承受载荷的多样性,使其长期处于繁杂的振动环境中。管体易受振动影响导致积累性疲劳损伤故障,对于保证航空液压系统稳定可靠的运行造成极大威胁。因此,对于航空液压管路振动信号的故障诊断方法研究是对航空液压系统安全稳定运行的重要保障,具有重要的科学研究意义和工程应用价值。由于航空液压管路具有复杂的振动机理,导致其振动信号具有非平稳非线性的特点。为了从管路振动信号中准确识别故障类型,利用变分模态分解算法和优化多尺度特征提取方法对振动信号进行熵值指标特征提取,并与麻雀搜索算法优化的极限学习机网络模型相组合的方法对航空液压管路故障进行识别诊断研究。首先,对航空液压管路的振动信号处理及特征提取方法进行了研究;分析了变分模态分解算法的原理,并利用能量比值法对其参数进行选取;对多尺度特征指标进行建立,并将能够表征信号故障信息的熵值作为特征指标进行选取,以及对多尺度特征提取的粗粒化过程的方法进行改进。通过建立的仿真信号,验证管路振动信号处理及特征提取方法的有效性和可行性。其次,利用振动实验台进行了航空液压管路基础激励振动实验,探究了单一管路和空间组合分布管路的故障振动特征和差异性以及不同测点间对振动测试结果的影响;利用航空液压管路实验平台模拟泵源激励下管路振动情况,并对振动信号进行采集分析,探究了不同故障类型管路振动信号的变化特征,并对航空液压管路故障识别诊断方法的研究提供了数据支持。最后,利用能量比值法确定变分模态分解参数,实现航空液压管路故障振动信号的优化分解,通过能量占比重构法对模态分量信号进行重构,分别计算重构信号的优化多尺度散布熵值并作为特征指标,构建具有表征性的特征向量集,采用麻雀搜索算法优化的极限学习机网络进行学习训练,进而完成航空液压管路故障的精准识别诊断。分析结果表明,该方法能够有效地实现对航空液压管路故障类型的准确识别,为区分航空液压管路故障提供了一种可行的诊断思路。